tóm tắt luận văn thạc sĩ kỹ thuật mô HÌNH hóa hệ PHỨC hợp ỨNG DỤNG MẠNG NƠRON

Bài toán xử lý nước thải đượcxem là một hàm phức hợp của các thông số đầu ra với các thông số đầu vào và các thông số vận hành, chưa có một mô hình toán học mô tả đầy đủ các mối liên hệ

ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP

TÓM TĂT LUẬN VĂN THẠC SỸ KỸ THUẬT

MÔ HÌNH HÓA HỆ PHỨC HỢP ỨNG DỤNG MẠNG NƠRON

HD Khoa học: TS NGUYỄN ĐỨC THĂNG

THÁI NGUYÊN 2011

MỤC LỤC

Trang

Chương 1 Giới thiệu chung 4

1.1 Tính cấp thiết của đề tài 4

1.2 Ý nghĩa khoa học và thực tiễn của đề tài 4

1.3 Mục đích của đề tài 5

1.4 Nội dung thực hiện 5

1.5 Phương pháp nghiên cứu 5

Chương 2 Tổng quan về hệ phức hợp 6

2.1 Định nghĩa 6

2.2 Các tính năng của hệ phức hợp 6

2.3 Phân loại hệ thống phức hợp 7

2.3.1 Hệ thống hỗn loạn 7

2.3.2 Hệ thống thích nghi phức hợp 7

2.3.3 Hệ thống phi tuyến 8

2.4 Mô hình hóa hệ phức hợp 8

2.4.1 Mô hình hóa là gì 8

2.4.2 Mô hình hóa hệ phức hợp 8

Chương 3 Tổng quan về mạng nơron nhân tạo 10

3.1 Lịch sử phát triển của mạng nơron nhân tạo 10

3.2 Các tính chất của mạng nơron nhân tạo 10

3.3 Mô hình mạng nơron 10

3.3.1 Mô hình mạng nơron sinh học 10

3.3.1.1 Chức năng, tổ chức và hoạt động của bộ não con người 10

3.3.1.2 Mạng nơron sinh học 11

3.3.2 Mạng nơron nhân tạo 11

3.3.2.1 Khái niệm 11

3.3.2.2 Phân loại mạng nơron nhân tạo 11

3.3.2.3 Phương thức làm việc của mạng nơron nhân tạo 12

3.3.2.4 Các luật học 12

3.3.3 Mô hình toán học mạng nơron truyền thẳng và mạng nơron hồi quy 13

3.3.3.1 Mạng nơron truyền thẳng 13

3.3.3.2 Mạng nơron hồi quy 14

3.4 Phạm vi ứng dụng của mạng nơron 14

3.4.1 Những bài toán thích hợp 14

3.4.2 Các lĩnh vực ứng dụng của mạng nơron 14

3.4.3 Ưu nhược điểm của mạng nơron 15

3.5 Quá trình huấn luyện mạng nơron nhiều lớp 15

3.5.1 Quá trình thực hiện 15

3.5.2 Quy tắc chuỗi 16

3.5.3 Độ chính xác của lan truyền ngược 16

Chương 4 Hệ thống xử lý nước thải 17

4.1 Các thông số đánh giá ô nhiễm và yêu cầu xử lý 17

4.1.1 Các thông số đánh giá ô nhiễm nước thải 17

4.1.2 Yêu cầu xử lý 17

4.2 Quy trình của một hệ thống xử lý nước thải 17

4.2.1 Xử lý sơ cấp 18

4.2.2 Xử lý sinh học trong điều kiện kỵ khí 18

4.2.3 Xử lý bằng phân hủy Ozon 18

4.2.4 Tuyển nổi thứ cấp và lắng thứ cấp 19

4.2.5 Xử lý và tái sử dụng bùn 19

4.3 Công nghệ xử lý nước thải công nghiệp 19

4.3.1 Đặc trưng của nước thải công nghiệp 19

4.3.2 Thuyết minh quy trình công nghệ 19

Chương 5 Mô hình hóa hệ thống xử lý nước thải sử dụng mạng nơron 21

5.1 Mô hình hóa quá trình xử lý nước thải 21

5.2 Mạng nơ ron nhân tạo và mô hình thống kê kinh điển 22

5.2.1 Sự tương đồng 22

5.2.2 Sự khác nhau 22

5.3 Ứng dụng trong kỹ thuật môi trường 23

5.4 Phát triển mô hình 23

5.4.1 Phương pháp luận 23

5.4.1.1 Thu thập dữ liệu và xử lý dữ liệu 23

5.4.1.2 Xây dựng mô hình 23

5.4.1.3 Luyện mạng 24

5.4.1.4 Kiểm chứng mạng 24

5.4.1.5 Khai thác mô hình 24

5.4.2 Xây dựng chương trình máy tính 24

5.5 Ứng dụng mô hình cho trạm xử lý nước thải 26

5.5.1 Tổng quát chung 26

5.5.2 Trạm xử lý nước thải của nhà máy NatSteelVina.Thái Nguyên 27

5.5.2.1 Giới thiệu về hệ thống xử lý nước thải 27

5.5.2.2 Thu thập số liệu 28

5.5.2.3 Xử lý số liệu 28

5.5.2.4 Luyện và mô phỏng 28

5.6 Một số vấn đề về tự động hóa xử lý nước thải 30

5.6.1 Mục đích áp dụng tự động hóa xử lý nước thải 30

5.6.2 Yêu cầu và cơ sở xây dựng hệ thống tự động hoá 30

Kết luận và kiến nghị 33

Tài liệu tham khảo 34

CHƯƠNG I GIỚI THIỆU CHUNG

1.1 TÍNH CẤP THIẾT CỦA ĐỀ TÀI

Sự phát triển không ngừng của khoa học công nghệ làm xuất hiện các đối tượng điềukhiển có độ phức tạp ngày càng tăng Khoa học phức hợp (Complexity science) là mônkhoa học nghiên cứu về các hệ thống phức hợp Nói đơn giản, một hệ thống là phức hợpnếu nó chứa nhiều thành phần con tương tác với nhau và nếu hệ thống đó lại biểu hiệnnhững tính chất, những lối hành xử mà chúng ta không thể suy ra một cách hiển nhiên từtương tác của những thành phần cấu thành nó Yêu cầu thực tế đặt ra là phải điều khiểncác hệ thống động ngày càng phức tạp trong điều kiện ngày càng quan tâm tới các yếu tốbất định cũng như đòi hỏi chất lượng điều khiển ngày càng cao Các vấn đề trên không thểđược đáp ứng một cách trọn vẹn và đồng thời nếu chỉ dùng các lý thuyết điều khiển kinhđiển sẵn có Đây chính là động lực cho sự ra đời các lý thuyết điều khiển hiện đại, hứa hẹnmột hướng giải quyết triệt để các bài toán điều khiển phi tuyến phức tạp[3]

Trong thời gian gần đây, mạng nơron đã thâm nhập vào nhiều lĩnh vực khác nhaunhư: trong y học; trong công tác dự báo; các bài toán nhận dạng {[7],[9],[2]}, …Mạngnơron bắt chước cơ chế “học” của bộ não người, mạng nơron “học” các hành vi của hệthống từ các dữ liệu đầu vào và đầu ra của hệ thống đó Mạng nơron có khả năng tổng quáthóa tốt Chính khả năng “học” và khả năng tổng quát hóa tốt này cho phép mạng nơron mô

tả có hiệu quả các mối quan hệ phi tuyến phức tạp, các vấn đề thay đổi theo thời gian vàđặc biệt là trong điều kiện nhiễu Các hệ thống phức hợp thường được đặc trưng bởi một

số các biến lớn, các tính chất không chắc chắn, phi tuyến Do đó mạng nơron sẽ giải quyếtđược những hạn chế còn tồn tại trong các lý thuyết điều khiển kinh điển

Hiện nay, vấn đề xử lý nước thải đã xây dựng một số lý thuyết tính toán song còn ởmức độ đơn giản, điều kiện tính toán thường là lý tưởng hóa và kết quả thu được chỉ mangtính chất gần đúng, ước lượng mà chưa sát với kết quả thực Bài toán xử lý nước thải đượcxem là một hàm phức hợp của các thông số đầu ra với các thông số đầu vào và các thông

số vận hành, chưa có một mô hình toán học mô tả đầy đủ các mối liên hệ đó[11] Trongtrường hợp này, ứng dụng nơron nhân tạo mô hình hóa hệ thống xử lý nước thải là một(trong những khả năng) hướng đi cần thiết

Đây cũng là lý do tác giả lựa chọn đề tài nghiên cứu này với hy vọng bước đầu đưaứng dụng mạng nơron nhân tạo vào mô hình hóa hệ phức hợp và cụ thể là bài toán môhình hóa hệ thống xử lý nước thải ứng dụng mạng nơron

1.2 Ý NGHĨA KHOA HỌC VÀ THỰC TIỄN CỦA ĐỀ TÀI

 Ý nghĩa khoa học: Kết quả nghiên cứu của đề tài sẽ góp phần bổ sung phươngpháp giải quyết cũng như cách tiếp cận bài toán mô hình hóa và điều khiển hệ phức hợp.

 Ý nghĩa thực tiễn: Kết quả nghiên cứu của đề tài là cơ sở để giải quyết một số bàitoán điều khiển hệ phức hợp cụ thể ứng dụng mạng nơron

1.4 NỘI DUNG THỰC HIỆN

Với các mục tiêu trên, luận văn thực hiện những nội dung sau:

 Chương 1 Giới thiệu chung

 Chương 2 Tổng quan về hệ phức hợp: Chương này sẽ giới thiệu một cách tổngquát hệ phức hợp, qua đó nêu được vị trí và tầm quan trọng của mạng nơron nhân tạo

 Chương 3 Tổng quan về mạng nơron nhân tạo: Trong phạm vi có hạn, luận văn sẽtrình bày một cách cô đọng nhất phần lý thuyết cũng như các thuật toán của mạng nơron

 Chương 4 Giới thiệu về hệ thống xử lý nước thải: Trong chương này, tác giả sẽ đềcập đến quy trình cũng như công nghệ xử lý nước thải hiện nay

 Chương 5 Giải bài toán phức hợp cụ thể đó là ứng dụng mạng nơron mô hình hóa

hệ thống xử lý nước thải: Chương này trình bày quá trình xây dựng chương trình ứng dụngmạng nơron trên nền ngôn ngữ Matlab để tính toán đầu ra cho hệ thống xử lý nước thải

 Cuối cùng là kết luận và kiến nghị

1.5 Phương pháp nghiên cứu

 Nghiên cứu lý thuyết: Nghiên cứu sách, giáo trình, bài báo, báo cáo khoa học, luậnvăn và các tài liệu liên quan

Tìm hiểu các công cụ mô phỏng

 Kiểm nghiệm và đánh giá kết quả dựa trên mô hình mô phỏng

CHƯƠNG II TỔNG QUAN VỀ HỆ PHỨC HỢP

2.1 ĐỊNH NGHĨA

Một hệ thống phức hợp là hệ thống chứa nhiều thành phần con tương tác với nhau và

nó biểu hiện những tính chất, những lối hành xử mà chúng ta không thể suy ra một cáchhiển nhiên từ tương tác của những thành phần cấu thành nó[3]

Hình 2.1 Bản đồ trực quan tổ chức khoa học hệ thống phức hợp

Những hệ thống động học nằm ngoài trạng thái cân bằng và có tính phi tuyến mới lànhững hệ thống quan trọng trong vũ trụ Những hệ thống phức hợp như: kinh tế, thị trườngchứng khoán,…Như vậy, có thể sẽ không có một lý thuyết đơn giản cho các hệ thống phứchợp Tuy nhiên, chúng ta có thể phân loại chúng và xếp chúng thành nhóm để nghiên cứu

Đặc trưng quan trọng nhất của hệ phức hợp là gì?

Đó là hiện tượng đột sinh Hiện tượng đột sinh là hiện tượng xuất hiện những quyluật, những hình thái, những trật tự mới từ hiệu ứng tập thể của các tương tác giữa cácthành phần trong hệ thống Ví dụ: Nhiệt độ và các định luật về chất khí; tổ chức quần thểloài kiến; hiện tượng ùn tắc giao thông

Tất cả các ví dụ về hệ thống phức hợp ở trên thể hiện một số đặc điểm chung:

1 Chúng bao gồm một số lượng lớn các đại lượng tương tác

2 Hệ phức hợp thường là hệ phân cấp, hơn nữa thường có nhiều cấp

3 Hệ phức hợp thường là hệ động, nghĩa là thay đổi theo thời gian t theo nghĩa tổngquát nhất, không chỉ là thay đổi trạng thái mà thay đổi cả phần tử, cấu trúc, hành vi và mụctiêu của nó

4 Hành vi của chúng không nổi lên kết quả từ sự tồn tại của một trung tâm điều khiển

2.2 CÁC TÍNH NĂNG CỦA HỆ THỐNG PHỨC HỢP

Hệ thống phức hợp có thể có những tính năng sau:

Xác định ranh giới của một hệ thống phức hợp có thể gặp khó khăn Người quan sát

sẽ đưa ra quyết định cuối cùng

Lịch sử của một hệ thống phức hợp có thể rất quan trọng Bởi vì hệ thống phức hợp

là những hệ thống động học, chúng thay đổi theo thời gian và trạng thái trước có thể cóảnh hưởng đến trạng thái hiện tại

Hệ thống phức hợp có thể biểu hiện những hành vi đặc trưng, điều này nhằm đểkhẳng định rằng: trong khi các kết quả có thể được xác định đầy đủ bằng hoạt động củacác thành phần cơ bản trong hệ thống thì chúng có thể có các thuộc tính mà chỉ đượcnghiên cứu ở một mức độ cao hơn

Trên thực tế, điều này có nghĩa là một sự thay đổi nhỏ có thể gây ra ảnh hưởng lớn,tác động có tỷ lệ tương ứng hoặc thậm chí không có tác động nào

Cả hai tín hiệu phản hồi âm và khuếch đại luôn luôn được tìm thấy trong các hệthống phức hợp Những tác động từ hành vi của một phần tử được phản hồi theo cách màcác yếu tố chính nó thay đổi

Hệ thống thích nghi phức hợp là trường hợp đặc biệt của các hệ thống phức tạp.Chúng rất phức tạp ở chỗ chúng đa dạng và được tạo thành từ nhiều yếu tố liên kết nội bộ

và thích nghi ở chỗ chúng có khả năng thay đổi và học hỏi từ những kinh nghiệm

2.4.2 Mô hình hóa hệ phức hợp

Các mô hình phức hợp của hệ thống động luôn là một đề tài nghiên cứu đầy tháchthức vì trong thực tế các mô hình không thể miêu tả chính xác được bản chất hệ thống.Một hệ thống thực sự thường là phi tuyến với một kích thước vô hạn, nhiễu, các nhiễuloạn bên ngoài và các đặc tính có thể thay đổi theo thời gian Không thể mô tả những đặcđiểm động này bằng các phương trình toán học và đạt được mức độ chính xác cao cho

cùng một đầu vào/đầu ra của mô hình với các hệ thống thực tế trên toàn bộ phổ tần số.[21]

Sự phát triển mạnh mẽ của máy tính và vi điện tử đồng thời với việc giảm chi phíthực hiện điều này sẽ mở đường cho việc thiết kế hệ thống điều khiển phức tạp dựa trên

mô hình hệ thống phức tạp hơn nhiều Ngoài ra, việc thực hiện không còn bị giới hạn bởicác hạn chế tính toán trong quá khứ, những vấn đề điều khiển và các phạm vi mới nổi lên,mang lại những thách thức mới và nhu cầu mới, kỹ thuật điều khiển phi truyền thống Các

mô hình truyền thống của một hệ thống thực tế là một hệ thống tuyến tính bất biến theothời gian như hình thức sau:

Du Cx Y

Bu Ax X

Các mô hình này thỏa mãn nhu cầu của một lớp rộng các vấn đề điều khiển Lý do là

nhiều hệ thống điện được thiết kế để hoạt động như tuyến tính, bất biến theo thời giantrong dải tần số quan tâm

Điều khiển các hệ thống phức hợp sử dụng mạng nơron

Trong thời gian gần đây, mạng nơron đã thâm nhập vào nhiều lĩnh vực khác nhauchẳng hạn như: trong y học; trong công tác dự báo; các hệ thống nhận dạng tiếng nói,…Mạng nơron bắt chước cơ chế “học” của bộ não người, chúng “học” các hành vi của hệthống từ các dữ liệu đầu vào và đầu ra của hệ thống đó Đặc biệt, chúng có khả năng tổngquát hóa tốt Chính khả năng “học” và khả năng tổng quát hóa tốt này cho phép mạngnơron mô tả có hiệu quả các mối quan hệ phi tuyến phức tạp, các vấn đề thay đổi theo thờigian và đặc biệt là trong điều kiện nhiễu Do đó, mạng nơron sẽ giải quyết được những hạnchế còn tồn tại trong các lý thuyết điều khiển kinh điển

Trong đề tài này, tác giả ứng dụng mạng nơron để mô hình hóa hệ phức hợp, với bàitoán cụ thể là mô hình hóa hệ thống xử lý nước thải Chính vì thế nên trong chương tiếptheo, tác giả sẽ đi tìm hiểu về mạng nơron nhân tạo

CHƯƠNG III TỔNG QUAN VỀ MẠNG NƠRON NHÂN TẠO

3.1 LỊCH SỬ PHÁT TRIỂN CỦA MẠNG NƠRON NHÂN TẠO

Quá trình nghiên cứu và phát triển nơron nhân tạo có thể chia ra 4 giai đoạn sau:Giai đoạn 1: Có thể tính từ cuối TK 19, đầu TK 20, các công trình nghiên cứu của họchỉ mới dừng lại ở lý thuyết tổng quátvà một số mô hình mạng nơron đơn giản

Giai đoạn 2: Vào những năm 1960, một số mô hình nơron hoàn thiện hơn đã đượcđưa ra như: Mô hình Perceptron rất được quan tâm vì nguyên lý đơn giản, nhưng nó cũng

có hạn chế vì nó không dùng được cho các hàm logic phức

Giai đoạn 3: Có thể tính vào đầu thập niên 80 Những đóng góp lớn cho mạng nơrontrong giai đoạn này phải kể đến Grossberg, Kohonen, Rumelhart và Hopfield

Giai đoạn 4: Tính từ năm 1987 đến nay, rất nhiều công trình được nghiên cứu để ứngdụng mạng nơron vào các lĩnh vực như: kỹ thuật tính [10], điều khiển {[6],[1]}, bài toánnhận dạng {[7]; [9]; [2]}, thống kê [8], Cho đến nay mạng nơron đã tìm và khẳng địnhđược vị trí của mình trong rất nhiều ứng dụng khác nhau

3.2 CÁC TÍNH CHẤT CỦA MẠNG NƠ RON NHÂN TẠO

- Là hệ phi tuyến: Mạng nơron có khả năng to lớn trong lĩnh vực nhận dạng và điềukhiển các đối tượng phi tuyến

- Là hệ xử lý song song: Mạng nơron có cấu trúc song song, do đó tốc độ tính toánrất cao, rất phù hợp với lĩnh vực nhận dạng và điều khiển

- Là hệ học và thích nghi: Mạng được luyện từ số liệu quá khứ, có khả năng tự chỉnhkhi số liệu đầu vào bị mất, có thể điều khiển on-line

- Là hệ nhiều biến, nhiều đầu vào, nhiều đầu ra (MIMO): rất tiện dụng khi điều khiểnđối tượng có nhiều biến số

3.3 MÔ HÌNH MẠNG NƠRON

3.3.1 Mô hình mạng nơron sinh học

3.3.1.1 Chức năng, tổ chức và hoạt động của bộ não con người

Bộ não người có chức năng hết sức quan trọng trong đời sống của con người Nó hầunhư kiểm soát hết hành vi của con người từ hoạt động cơ bắp đơn giản đến những hoạtđộng phức tạp như học tập, nhớ, suy luận, tư duy, sáng tạo,…

3.3.1.2 Mạng nơron sinh học

Cấu tạo

Hình 3.2 Mô hình mạng nơron sinh học

Một nơron điển hình có 3 phần tử chính:

- Thân nơron (soma): Nhân của nơron được đặt ở đây

- Các nhánh (dendrite): Đây chính là các mạng cây của các dây thần kinh để nối cácsoma với nhau

- Sợi trục (Axon): Đây là một kết nối, hình trụ dài và mang các tín hiệu từ đó rangoài Phần cuối của sợi trục được chia thành nhiều nhánh nhỏ Mỗi nhánh nhỏ kết thúctrong một cơ quan nhỏ hình củ hành được gọi là nơi tiếp giáp hai tế bào thần kinh mà tạiđây các nơron đưa các tín hiệu của nó vào các nơron khác Những điểm tiếp nhận với cáckhớp thần kinh trên các nơron khác có thể ở các nhánh hay chính thân nơron

3.3.2 Mạng nơron nhân tạo

3.3.2.1 Khái niệm

Mạng nơron nhân tạo là một mô phỏng xử lý thông tin được xây dựng trên mô hìnhmột số tính chất của mạng nơron sinh học, tuy nhiên, khác với mô hình nhận thức, phầnlớn các ứng dụng lại có bản chất kỹ thuật Mạng nơron nhân tạo là máy mô phỏng cáchhoạt động của bộ não thực hiện nhiệm vụ của nó Một mạng nơron nhân tạo là bộ xử lýsong song phân tán lớn, nó giống bộ não người về 2 mặt:

- Tri thức được nắm bắt bởi nơron thông qua quá trình học

- Độ lớn của trọng số kết nối nơron đóng vai trò khớp nối cất giữ thông tin

3.3.2.2 Phân loại mạng nơron

 Dựa vào số lớp có trong mạng:

Mạng một lớp: là tập hợp các phần tử nơron có đầu vào và đầu ra trên mỗi một phần tử Mạng nhiều lớp: Gồm một lớp đầu vào và một lớp đầu ra riêng biệt, Các lớp nằm giữa

lớp đầu vào và lớp đầu ra gọi là các lớp ẩn (hidden layers)

 Dựa vào đường truyền tín hiệu trong mạng:

Mạng truyền thẳng: Là mạng hai hay nhiều lớp mà quá trình truyền tín hiệu từ đầu ra của

lớp này đến đầu vào lớp kia theo một hướng

Mạng phản hồi: Là mạng trong đó có một hoặc nhiều đầu ra của phần tử lớp sau truyền

ngược tới đầu vào lớp trước

Mạng tự tổ chức: Là mạng có khả năng sử dụng những kinh nghiệm quá khứ để thích

ứng với những biến đổi của môi trường (không dự báo trước) Loại mạng này thuộc nhóm

tự học, thích nghi không cần có tín hiệu chỉ đạo bên ngoài

3.3.2.3 Phương thức làm việc của mạng nơron

Phương thức làm việc của mạng nơron nhân tạo có thể chia làm hai giai đoạn:

- Tự tái tạo (Reproduction)

- Giai đoạn học (Learning Phase)

Mạng nơron khi mới hình thành chưa có tri thức, tri thức của mạng hình thành dầnsau một quá trình học Mạng nơron được dạy bằng cách dựa vào những đầu vào kích thích

và hình thành những đáp ứng tương ứng, những đáp ứng phù hợp với từng loại kích thích

sẽ được lưu giữ, giai đoạn này được gọi là giai đoạn học của mạng

3.3.2.4.Các luật học

Hình 3.13 Cấu trúc huấn luyện mạng nơron

Có ba phương pháp học:

- Học có giám sát (Supervised Learning):

Là quá trình học ở mỗi thời điểm thứ i khi đưa tín hiệu x i vào mạng nơron, tươngứng sẽ có đáp ứng mong muốn d icủa đầu ra cho trước ở thời điểm đó (hình 3.14) Hay,trong quá trình học có giám sát, mạng nơron được cung cấp liên tục các cặp số liệu mongmuốn vào/ra ở từng thời điểm (x1,d1), (x2,d2),…,(x k,d k),…khi cho đầu vào thực của

mạng là x k tương ứng sẽ có tín hiệu đầu ra cũng được lặp lại là d kgiống như mongmuốn.

Hình 3.14 Mô hình học có giám sát và học củng cố

- Học củng cố (Reinforcement Learning):

Tín hiệu d có thể được đưa từ bên ngoài môi trường (hình 3.14), tín hiệu này có thểkhông được đưa đầy đủ mà chỉ đưa đại diện 1bit có tính chất kiểm tra quá trình đúng hay

sai Tín hiệu đó được gọi là tín hiệu củng cố (Reinforcement signal)

- Học không có giám sát (Unsupervised Learning):

Học không có giám sát hoàn toàn không có tín hiệu từ bên ngoài (hình 3.15) Giá trịmục tiêu điều khiển không được cung cấp và không được tăng cường Mạng phải khámphá các mẫu, các nét đặc trưng, tính cân đối, tính tương quan,…trong khi tự khám phá cácđặc trưng mạng tự thay đổi thông số, vấn đề đó còn gọi là tự tổ

Hình 3.17 Mô hình mạng truyền thẳng 1 lớp

b, Mạng truyền thẳng nhiều lớp

Khi giải bài toán phức tạp thì mạng nơron truyền thẳng một lớp với cấu trúc đơn giản

sẽ gặp rất nhiều khó khăn Để khắc phục nhược điểm này người ta đã xây dựng mạngtruyền thẳng gồm nhiều lớp kết hợp với nhau

Hình 3.18 Mạng nơron nhiều lớp truyền thẳng

3.3.3.2 Mạng nơron hồi quy

Hinh 3.20 Mạng nơron hồi quy nhiều lớp

a, Mạng nơron hồi quy không hoàn toàn

Cấu trúc mạng nơron hồi quy không hoàn toàn phần lớn là cấu trúc truyền thẳngnhưng có cả sự lựa chọn cho một bộ phận có cấu trúc hồi quy Trong nhiều trường hợp,trọng số của cấu trúc hồi quy được duy trì không đổi, như vậy luật học lan truyền ngược

có thể dễ dàng được sử dụng Trong các mạng loại này, sự truyền thẳng được xảy ra rấtnhanh hoặc không phụ thuộc vào thời gian Mạng có thể nhận dãy mẫu dựa vào tình trạngcuối cùng của dãy và có thể dự báo tiếp theo cho tín hiệu của dãy theo thời gian

b, Mạng nơron hồi quy hoàn toàn

Là một trong những mạng nơron hồi quy đầu tiên được Gossberg xây dựng để học vàbiểu diễn các mẫu bất kỳ Loại mạng hồi quy hoàn toàn có tác dụng nhận số lượng mẫunhiều hơn Với mạng hồi quy hoàn toàn đã hình thành quan điểm thực hiện và luyện mạnghồi quy từ mạng truyền thẳng nhiều lớp được xây dựng từ một lớp cho mỗi bước tính.Khái niệm này được gọi là lan truyền ngược theo thời gian phù hợp khi quan tâm đến cácdãy với độ lớn T là nhỏ

3.4 PHẠM VI ỨNG DỤNG CỦA MẠNG NƠRON

3.4.1 Những bài toán thích hợp

Mạng nơron được coi như một hộp đen để biến đổi véctơ đầu vào m biến thành véctơđầu ra n biến Nói chung bài toán có thể áp dụng cho mạng nơron có 4 loại:

- Mô hình hóa (Modening)

- Phân loại (classification)

- Liên kết và kỹ thuật dịch chuyển cửa sổ (asosiation and moving window)

- Biến đổi, thực hiện ánh xạ từ không gian đa biến này vào không gian đa biến kháctương ứng (Transformation add mapping).

* Trong điều khiển tự động

Ngoài ra còn ứng dụng trong lĩnh vực: Công nghệ giải trí, công nghiệp, bảo hiểm,…

3.4.3 Ưu nhược điểm của mạng nơron

3.4.3.1 Ưu điểm

- Xử lý song song

- Thiết kế hệ thống thích nghi

- Không đòi hỏi các đặc trưng mở rộng của bài toán (chủ yếu dựa trên tập học)

- Có thể chấp nhận lỗi do tính song song

3.4.3.2 Nhược điểm

- Không có các quy tắc, hướng dẫn thiết kế rõ ràng đối với một ứng dụng nhất định

- Không có cách tổng quát để đánh giá hoạt động bên trong mạng

- Việc học đối với mạng có thể khó (hoặc không thể) thực hiện

- Khó có thể đoán trước được hiệu quả của mạng trong tương lai

3.5 QUÁ TRÌNH HUẤN LUYỆN MẠNG NƠRON NHIỀU LỚP

Trong phần này chúng ta sẽ chỉ ra một phương pháp huấn luyện là phương pháp lantruyền ngược Kỹ thuật cơ bản của phương pháp lan truyền ngược là cập nhật trọng sốtheo hướng giảm độ dốc

Như đã nêu, mạng nhiều lớp có đầu ra của lớp trước là đầu vào của lớp tiếp theo Sơ

đồ cấu trúc được cho như hình vẽ 3.20

Biểu thức toán học mô tả sự hoạt động như (3.13)

)

của mô hình Sai số được đo bằng phương pháp trung bình bình phương sai lệch Tập hợpmẫu vào ra được cho dưới dạng như (3.16):

p1,t1  p2,t2 … p , q t q (3.16)Trong đó Pq là một đầu vào của mạng, và tq tương ứng là một đầu ra Mỗi một đầuvào tác động vào mạng sẽ có một đầu ra thực được so sánh với đáp ứng mẫu Hàm thông

số của mạng được xác định theo biểu thức tổng bình phương sai lệch cực tiểu như (3.17):

q q Q

q

q t a e

x F

1

2 1

q q

T q q Q

q q

T

q e t a t a e

x F

1 1

) (

) (

( ) ( { ) (x t k a k t k a k

Thuật toán giảm độ dốc theo phương pháp xấp xỉ bình phương sai lệch là:

m ij

m ij

m ij

w

F a k w k

m i

m i

m ij

w

F a k b k

3.5.2 Quy tắc chuỗi

Với mạng nhiều lớp, trọng số là hàm ẩn của các hàm trọng lượng ở các lớp ẩn, vì thếcác phép đạo hàm sẽ tính khó khăn Bởi vì sai lệch là hàm ẩn của các trọng số ở các lớp ẩnnên chúng ta sẽ sử dụng quy tắc chuỗi toán học để tính đạo hàm riêng trong các biểu thức(3.20) và (3.21)

m ij

m i m i

m

n n

F w

m i m i

m

n n

F b

3.5.3 Độ chính xác của lan truyền ngược

Nhiệm vụ của chúng ta là tính toán độ chính xác S m, nó cần đến các ứng dụng kháccủa quy tắc chuỗi Đó là quá trình chúng ta cho số hạng lan truyền ngược, bởi vì nó biểudiễn mỗi liên hệ phản hồi và độ chính xác ở lớp m được tính từ độ chính xác của lớp m+1

) ).(

(

) ).(

4.1 CÁC THÔNG SỐ ĐÁNH GIÁ Ô NHIỄM VÀ YÊU CẦU XỬ LÝ

4.1.1 Các thông số đánh giá ô nhiễm nước thải

- Độ pH: Chỉ số này cho ta biết cần thiết phải trung hòa hay không và tính lượng hóa chất

cần thiết trong quá trình xử lý đông tụ keo, khử khuẩn,…

- Hàm lượng các chất rắn: Tổng chất rắn các thành phần quan trọng của nước thải, được

xác định phần còn lại khô sau khi cho bay hơi

- Màu: Nước thải thường có màu nâu đen hoặc màu đỏ nâu.

- Oxy hòa tan (DO): Phân tích chỉ số oxy hòa tan (DO) là một trong những chỉ tiêu quan

trọng đánh giá sự ô nhiễm của nước và giúp ta đề ra biện pháp xử lý thích hợp

- Chỉ số BOD: là chỉ tiêu thông dụng nhất để xác định mức độ ô nhiễm của nước thải.

- Chỉ số COD: Chỉ số này được dùng rộng rãi để đặc trưng cho hàm lượng chất hữu cơ

của nước thải và sự ô nhiễm của nước tự nhiên

4.1.2 Yêu cầu xử lý

Do nguồn nước sạch ngày càng cạn kiệt và thiếu hụt nghiêm trọng Điều đó khiếnviệc cung cấp nước sạch cho con người trở thành vấn đề hết sức khó khăn Chình vì vậy,

xử lý nước thải là một vấn đề đang được chú trọng và nghiên cứu

4.2 QUY TRÌNH CỦA MỘT HỆ THỐNG XỬ LÝ NƯỚC THẢI