Báo cáo Trí tuệ nhân tạo AI trong bài toán hỗ trợ dự báo, cảnh báo KTTVĐơn vị thực hiện: Trung tâm Thông tin và Dữ liệu Khí tượng thủy văn 1... Các mô hình học máy nghiên cứu2.1.Mô hình
Trang 1Báo cáo Trí tuệ nhân tạo (AI) trong bài toán hỗ trợ dự báo, cảnh báo KTTV
Đơn vị thực hiện: Trung tâm Thông
tin và Dữ liệu Khí tượng thủy văn
1
Trang 2Nội dung
1 Mô hình thiết kế hệ thống
2 Các mô hình học máy nghiên cứu
3 Đánh giá các phương pháp nghiên cứu
Trang 3 Kiến trúc hệ thống:
1 Kiến trúc hệ thống
Trang 41 Kiến trúc hệ thống
Trang 51 Kiến trúc hệ thống
5
Trang 61 Kiến trúc hệ thống
Trang 71 Kiến trúc hệ thống
7
Trang 82 Các mô hình học máy nghiên cứu
2.1.Mô hình deep learning dựa vào cấu
Trang 92 Các mô hình học máy nghiên cứu
Mô hình deep learning dựa vào cấu trúc không-thời gian
9
Trang 102.1 Mô hình deep learning dựa vào cấu trúc không-thời gian
Bước 1: Sử dụng khối dữ liệu gồm dữ liệu thực tại tất cả các vị trí và tương ứng với l thời điểm trước đó
Bước 2: Sử dụng khối gồm dữ liệu thực tại tất cả các vị trí và tương ứng với l - 1 thời điểm trước đó, và dữ liệu dự đoán tại thời điểm kế tiếp vừa được xây dựng ở bước 1
Bước 3: Sử dụng khối gồm dữ liệu thực tại tất cả các vị trí và tương ứng với l - 2 thời điểm trước đó, và dữ liệu dự đoán tại 2 thời điểm
kế tiếp vừa được xây dựng ở 2 bước đầu
Bước h: Sử dụng khối dữ liệu thực tại tất cả các vị trí và tương ứng với l - h + 1 dữ liệu thực, và dữ liệu dự đoán tại h -1 thời điểm kế tiếp vừa được xây dựng ở h - 1 bước đầu
Trang 112.1 Mô hình deep learning dựa vào cấu trúc không-thời gian
Các bước khác nhau sẽ có phân bố dữ liệu đầu vào khác nhau do đó cần xây dựng mô hình cho mỗi bước Tuy và sự lựa chọn chu kỳ h
mà chúng ta có thể dự đoán được dữ liệu trong chu kỳ h thời điểm kế tiếp
11
Trang 122.2 Phương pháp hồi quy tuyến tính hai bước (LDA)
Trang 132.2 Phương pháp hồi quy tuyến tính hai bước (LDA)
Phương pháp xây dựng mô hình dự báo cho h thời điểm tiếp theo bằng cách:
- Sử dụng khối dữ liệu gồm dữ liệu thực tại tất cả các vị trí và tương ứng với l thời điểm đến thời điểm t để dự đoán thời điểm t + 1
- Sử dụng khối gồm dữ liệu thực tại tất cả các vị trí và tương ứng với l - 1 thời điểm trước thời điểm t, và dữ liệu dự đoán tại thời điểm t + 1 vừa được xây dựng ở bước
1 để dự đoán cho thời điểm t + 2
- Sử dụng khối gồm dữ liệu thực tại tất cả các vị trí và tương ứng với l - 2 thời điểm trước thời điểm t, và dữ liệu dự đoán tại 2 thời điểm kế tiếp t + 1, t + 2 vừa được xây dựng ở 2 bước đầu để dự đoán cho thời điểm t + 3
- Cứ tiếp tục như vậy cho đến khi sử dụng khối dữ liệu thực tại tất cả các vị trí và
tương ứng với l - h + 1 dữ liệu thực trước thời điểm t, và dữ liệu dự đoán tại h -1 thời điểm kế tiếp t + 1, t + 2, , t + h - 1 vừa được xây dựng ở h - 1 bước đầu để
dự đoán cho thời điểm t + h
13
Trang 142.2 Phương pháp hồi quy tuyến tính hai bước (LDA)
Các thời điểm khác nhau sẽ có phân bố dữ liệu đầu vào khác nhau do đó cần xây dựng mô hình cho mỗi bước Tuy và sự lựa chọn chu kỳ h mà chúng ta có thể dự đoán được dữ liệu trong chu kỳ h thời điểm kế tiếp
Trang 152.3.Mạng thần kinh nhân tạo (ANN) 1 lớp ẩn
15
ANN for Storm Surge Forecasting :
Kim, Sooyoul, et al "A real-time forecast model using artificial neural network for
after-runner storm surges on the Tottori Coast, Japan." Ocean Engineering 122 (2016): 44-53.
Trang 163 Đánh giá các phương pháp nghiên cứu
bờ biển phía đông bao gồm Massachusetts, Connecticut, New York, New Hampshire (06 tháng 01 năm 2014 đến
20 tháng 02 năm 2014); 6h có 1 giá trị
Bộ số liệu chuẩn về hải văn (tốc độ gió, hướn gió, áp
suất mực nước biển, sự giảm áp suất trong bão), 1h có
Trang 173 Đánh giá các phương pháp nghiên cứu
Mô hình deep learning dựa vào cấu trúc không-thời gian:
17
Trang 183 Đánh giá các phương pháp nghiên cứu
Mô hình deep learning dựa vào cấu trúc
không-thời gian:
Với các tham số l, h của mô hình chúng ta tối
ưu được l = 12, h = 6, nghĩa là sử dụng dữ
liệu gió nửa ngày trước để dự đoán tốc độ gió trong vòng 6 tiếng
Trang 193 Đánh giá các phương pháp nghiên cứu
Trang 203 Đánh giá các phương pháp nghiên cứu
Trang 213 Đánh giá các phương pháp nghiên cứu
gian:
Dữ liệu gió KTTV: dữ liệu huấn luyện từ 01/10/2016 đến 01/11/2018
Dự báo trong vòng 18 tiếng
Trang 223 Đánh giá các phương pháp nghiên cứu
Trang 233 Đánh giá các phương pháp nghiên cứu
cho bài toán hải văn
23
Trang 24Trân trọng cảm ơn
