LỜI CAM ĐOAN
Học viên cam đoan đây là cơng trình nghiên cứu của chính học viên.
Các số liệu, kết quả nêu trong luận văn là trung thực và chưa từng được ai cơng bố
trong bất kỳ cơng trình nào khác.
Tp. Hồ Chí Minh, ngày … tháng … năm 2020
(Ký tên và ghi rõ họ tên)

ix


LỜI CẢM ƠN
Học viên xin bày tỏ lịng kính trọng và biết ơn sâu sắc tới Thầy PGS.TS Võ Minh
Huân, người đã tận tình hướng dẫn trong suốt thời gian học viên bắt đầu thực hiện
cho đến khi hoàn thành được luận văn này.
Xin chân thành gửi lời cảm ơn đến q Thầy, Cơ chủ nhiệm ngành, bộ mơn, Khoa
Điện Trường Đại học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh đã tạo điều kiện
để học viên học tập, nghiên cứu hồn thành luận văn của mình.
Sau cùng học viên xin gửi lời cảm ơn chân thành nhất đến gia đình, đồng nghiệp, bạn
bè đã tạo mọi điều kiện tốt nhất, cũng như việc trao cho học viên niềm tin và nổ lực
cố gắng để hoàn thành luận văn cũng như khóa học của bản thân học viên.
Tp. Hồ Chí Minh, ngày: … tháng: … năm 2020
(Ký và ghi rõ họ tên)
Học viên

x


TÓM TẮT
Hiện nay trên thế giới các hệ thống dự báo thời tiết được thực hiện bởi nhiều phương
pháp khác nhau như: Synop, thống kê, phân tích ảnh mây vệ tinh, sản phẩm Radar
thời tiết, dự báo thời tiết bằng mơ hình số trị,… Trong mỗi phương pháp đó lại có rất

nhiều hình thức triển khai và mơ hình dự báo cụ thể. Mỗi phương pháp đều có những
ưu điểm và nhược điểm riêng. Việc ứng dụng phương pháp nào là tùy thuộc vào tài
nguyên của hệ thống, trang thiết bị kỹ thuật, kiến thức chuyên môn của người triển
khai, yêu cầu và mục đích mà hệ thống hướng đến.
Trong thời gian gần đây, các thuật toán máy học được ứng dụng rộng rãi cho việc
giải quyết các bài toán dự đốn phức tạp trong đó có dự báo thời tiết. Với những ưu
điểm vượt trội như tính linh hoạt, độ chính xác cao, đa dạng về ứng dụng, xử lý dữ
liệu có tính biến động theo thời gian,… Các thuật tốn máy học mang tính khách quan
và đáp ứng được nhiều yêu cầu của thực tiễn hơn so với các phương pháp trước đây.
Phương pháp dự báo sử dụng mạng nơron nhân tạo là phương pháp dự báo sử dụng
mơ hình có khả năng tiếp thu và ghi nhớ các dữ liệu quá khứ để cập nhật các tham số
hiện tại. Nếu lựa chọn được các tham số tối ưu thì kết quả dự báo cũng có độ chính
xác cao. Đây là mơ hình được lựa chọn cho bài tốn dự báo mưa của luận văn.
Mục đích của luận văn là thiết kế hệ thống dự báo mưa dựa trên mạng nơron nhân
tạo kết hợp với mạng cảm biến không dây. Mạng nơron nhân tạo sẽ xử lý các thông
số môi trường được thu thập từ mạng cảm biến để đưa ra dự báo về sự kiện mưa. Mơ
hình mạng nơron sẽ được xây dựng và lựa chọn các thơng số phù hợp bằng các sai số
dự đốn. Hiệu suất của hệ thống dự báo thời tiết với mô hình mạng nơron đã xây
dựng sẽ được kiểm chứng thơng qua quá trình thực nghiệm với lượng dữ liệu được
thu thập từ thực tế. Kết quả dự báo sẽ được đánh giá và so sánh độ chính xác với các
mơ hình thuật tốn máy học khác. Các kết quả dự báo sẽ giúp người dùng hoặc các
hệ thống tự động đưa ra được quyết định phù hợp để đảm bảo sản phẩm luôn ở trong
môi trường tốt nhất để phát triển.

xi


ABSTRACT
Currently in the world weather forecast systems are implemented by many different
methods such as: Synop, statistics, satellite image analysis, weather radar, numerical

weather prediction, … In each of these methods, there are many specific
implementation forms and prediction models. Each method has its own advantages
and disadvantages. The application of the method depends on the resources of the
system, technical equipment, the professional knowledge of the implementers,
requirements and purposes that the system aims to. In recent times, machine learning
algorithms are widely applied to solve complex nonlinear problems including
weather forecasting. With outstanding advantages such as flexibility, high accuracy,
variety of applications, data processing with time fluctuations, … Machine learning
algorithms are objective and meet many requests practical requirement than the
previous methods. Prediction method using artificial neural networks is a predictive
method using a model capable of “learning” from past data, able to update
parameters. If the optimal parameters are selected, the forecast results are also highly
accurate. This is the model chosen for the rain forecast problem of the thesis.
The purpose of the thesis is to design a rain forecasting system based on artificial
neural networks combined with wireless sensor networks. The neural network will
process the environmental parameters collected from the sensor network to make a
forecast of the rain event. Neural network model will be built and selected suitable
parameters based on prediction errors. Predictive error is the difference between the
real value and the forecasted value in order to assess the quality or suitability of the
forecasting model. The performance of the weather forecasting system with the built
neural network model will be verified through an experimental process with the
amount of data collected from reality. The forecast results will be evaluated and
compared the accuracy with other machine learning algorithm models. The forecast
results help users or automative systems make the right decisions to ensure the
product is always in the best environment for development.

xii


MỤC LỤC

LÝ LỊCH KHOA HỌC............................................................................................. i
LỜI CAM ĐOAN................................................................................................... ix
LỜI CẢM ƠN ......................................................................................................... x
TÓM TẮT .............................................................................................................. xi
ABSTRACT ..........................................................................................................xii
MỤC LỤC ...........................................................................................................xiii
DANH SÁCH CHỮ VIẾT TẮT ..........................................................................xvii
DANH MỤC HÌNH ...........................................................................................xviii
DANH MỤC BẢNG ............................................................................................. xx
Chương 1. TỔNG QUAN ........................................................................................ 1
Đặt vấn đề .................................................................................................. 1
Mục tiêu và giới hạn đề tài ......................................................................... 2
Phương pháp nghiên cứu ............................................................................ 2
Tổng quan tình hình nghiên cứu ................................................................. 3
Nội dung luận văn ...................................................................................... 5
Chương 2. CƠ SỞ LÝ THUYẾT ............................................................................. 7
Mạng cảm biến không dây.......................................................................... 7
2.1.1.

Khái niệm ......................................................................................... 7

2.1.2.

Nút cảm biến .................................................................................... 7

2.1.3.

Đặc điểm của cấu trúc mạng cảm biến .............................................. 8

2.1.4.


Kiến trúc và giao thức của mạng cảm biến không dây .................... 10

2.1.5.

Ưu điểm, nhược điểm của mạng cảm biến không dây ..................... 11

xiii


2.1.6.

Sự khác nhau giữa WSN và mạng truyền thống .............................. 12

Công nghệ truyền thông không dây Zigbee .............................................. 12
2.2.1.

Tổng quan ...................................................................................... 12

2.2.2.

Đặc điểm ........................................................................................ 13

2.2.3.

Cấu trúc các tầng của Zigbee .......................................................... 13

2.2.4.

Thành phần mạng Zigbee ............................................................... 15


2.2.5.

Mơ hình mạng Zigbee..................................................................... 16

2.2.6.

Zigbee và các giao thức truyền thông khác ..................................... 18

Mạng nơron nhân tạo................................................................................ 18
2.3.1.

Tổng quan ...................................................................................... 18

2.3.2.

Nơron sinh vật ................................................................................ 19

2.3.3.

Nơron nhân tạo ............................................................................... 20

2.3.4.

Mạng nơron nhân tạo ...................................................................... 23

2.3.5.

Quá trình học .................................................................................. 26


2.3.6.

Mạng perceptron một lớp................................................................ 28

2.3.7.

Mạng perceptron nhiều lớp ............................................................. 29

2.3.8.

Thuật toán lan truyền ngược ........................................................... 30

2.3.9.

Thiết kế cấu trúc mạng ................................................................... 34

2.3.10.

Một số yếu tố ảnh hướng đến q trình học .................................... 34

Các thuật tốn máy học khác .................................................................... 36
2.4.1.

Mơ hình thuật tốn SVM ................................................................ 36

2.4.2.

Mơ hình thuật tốn Naive Bayes ..................................................... 37

2.4.3.


Mơ hình thuật tốn Decision Tree ................................................... 37

xiv


2.4.4.

Mơ hình thuật tốn Logistic Regression.......................................... 38

2.4.5.

Mơ hình thuật tốn K-Nearest Neighbor ......................................... 39

2.4.6.

Mơ hình thuật tốn Random Forest ................................................. 39

Chương 3. THIẾT KẾ HỆ THỐNG ....................................................................... 41
Tổng quan mô hình .................................................................................. 41
3.1.1.

Thu thập dữ liệu ............................................................................. 43

3.1.2.

Máy chủ lưu trữ .............................................................................. 44

3.1.3.


Thuật toán ...................................................................................... 44

Sơ đồ phần cứng hệ thống ........................................................................ 45
Thiết kế phần cứng ................................................................................... 46
3.3.1.

Khối xử lý trung tâm ...................................................................... 46

3.3.2.

Nút cảm biến .................................................................................. 47

3.3.3.

Khối truyền nhận dữ liệu ................................................................ 48

3.3.4.

Truyền nhận dữ liệu đến máy chủ ................................................... 49

Lưu đồ hoạt động của hệ thống................................................................. 50
Xây dựng mơ hình dự báo sử dụng mạng nơron ....................................... 52
3.5.1.

Các bước xây dựng mơ hình ........................................................... 52

3.5.2.

Xác định cấu trúc mạng .................................................................. 52


3.5.3.

Huấn luyện mơ hình mạng .............................................................. 55

3.5.4.

Thuật tốn lan truyền ngược ........................................................... 56

Sai số mơ hình dự báo .............................................................................. 57
Độ chính xác của mơ hình ........................................................................ 58
Chương 4. THỰC NGHIỆM và ĐÁNH GIÁ ......................................................... 60

xv


Tiền xử lý dữ liệu ..................................................................................... 60
Lựa chọn dữ liệu ...................................................................................... 61
Thực nghiệm thuật toán ............................................................................ 62
Kiểm thử thuật toán .................................................................................. 65
So sánh thuật toán .................................................................................... 66
Nhận xét thuật toán .................................................................................. 69
Đánh giá hệ thống .................................................................................... 70
4.7.1.

Ưu điểm ......................................................................................... 70

4.7.2.

Nhược điểm .................................................................................... 70


Chương 5. KẾT LUẬN ......................................................................................... 71
Kết luận.................................................................................................... 71
5.1.1.

Kết quả đạt được ............................................................................ 71

5.1.2.

Hạn chế .......................................................................................... 71

Hướng phát triển ...................................................................................... 72
Tài Liệu Tham Khảo ............................................................................................. 73
Phụ Lục ................................................................................................................. 77
A. Code Neural Network ................................................................................... 77

xvi


DANH SÁCH CHỮ VIẾT TẮT
NN: Neural Network
ANN: Artificial Neural Network
BPA: Back Propagation Algorithm
MLP: Multilayer Layer Perceptron
IEEE: Institute of Electrical and Electronics Engineers
MAE: Mean Absolute Error
MSE: Mean Square Error
MAPE: Mean Absolute Percent Error
RMSE: Root Mean Square Error
SVM: Support Vector Machine
WSN: Wireless Sensor Network

K-NN: K-Nearest Neighbors
UART: Universal Asynchronous Receiver – Transmitter
WIFI: Wireless Fidelity

xvii


DANH MỤC HÌNH
Hình 2.1 Thành phần nút cảm biến [10]

7

Hình 2.2 Cấu trúc cơ bản của mạng cảm biến không dây [10]

9

Hình 2.3 Kiến trúc mạng cảm biến khơng dây [11]

10

Hình 2.4 Cấu trúc các tầng của Zigbee [13]

14

Hình 2.5 Thành phần mạng Zigbee [13]

15

Hình 2.6 Mơ hình mạng Zigbee [13]


17

Hình 2.7 Các giao thức khơng dây phổ biến [14]

18

Hình 2.8 Nơron sinh học [16]

20

Hình 2.9 Nơron nhân tạo [17]

20

Hình 2.10 Hàm chuyển đổi [17]

22

Hình 2.11 Các hàm chuyển đổi phổ biến [18]

23

Hình 2.12 Kiến trúc tổng quát của một ANN [17]

23

Hình 2.13 Kiến trúc của một ANN [16]

24


Hình 2.14 Các kiểu mạng nơron

25

Hình 2.15 Mạng truyền thẳng [19]

25

Hình 2.16 Mạng phản hồi [19]

26

Hình 2.17 Các phương pháp học máy [15]

27

Hình 2.18 Mạng perception một lớp [20]

29

Hình 2.19 Mạng perception nhiều lớp [20]

30

Hình 2.20 Thuật tốn lan truyền ngược [15]

31

Hình 2.21 Phân tích thuật tốn SVM [22]


36

Hình 2.22 Cấu trúc mơ hình Decision Tree [24]

38

xviii


Hình 2.23 Cấu trúc mơ hình K Nearest Neighbor [26]

39

Hình 2.24 Cấu trúc mơ hình Random Forest [27]

40

Hình 3.1 Sơ đồ hoạt động của hệ thống

42

Hình 3.2 Sơ đồ phần cứng hệ thống

45

Hình 3.3 Orange Pi

47

Hình 3.4 Cảm biến AQARA


47

Hình 3.5 Module Zigbee JN5169

49

Hình 3.6 Truyền nhận TCP/IP

50

Hình 3.7 Thuật tốn kết nối Server và Client

50

Hình 3.8 Lưu đồ hệ thống

51

Hình 3.9 Mơ hình Neural Network thực nghiệm

55

Hình 3.10 Lưu đồ mơ hình thực nghiệm Neural Network

56

Hình 3.11 Lưu đồ thực nghiệm thuật tốn lan truyền ngược

57


Hình 3.12 Confusion matrix

59

Hình 4.1 Thơng số thời tiết json file

60

Hình 4.2 Thơng số thời tiết csv file

61

Hình 4.3 Hàm mất mát Cross Entropy với 100 vịng lặp

64

Hình 4.4 Đầu ra mơ hình với 100 vịng lặp

65

Hình 4.5 Số phần trăm dự đốn chính xác của các thuật toán

68

xix


DANH MỤC BẢNG
Bảng biểu 4.1: Bảng phân chia dữ liệu huấn luyện và kiểm thử ............................ 62

Bảng biểu 4.2: Huấn luyện mơ hình mạng với số nơron lớp ẩn khác nhau ............ 63
Bảng biểu 4.3: Kiểm thử với tập dữ liệu testing dataset ........................................ 66
Bảng biểu 4.4: Thời gian huấn luyện của các thuật toán ....................................... 66
Bảng biểu 4.5: Phần trăm dự đoán của các thuật toán .......................................... 67

xx


Chương 1:

TỔNG QUAN
Đặt vấn đề
Hiện nay, trên thế giới cũng như Việt Nam, dự báo thời tiết là một vấn đề rất quan
trọng trong cuộc sống của con người. Gần như mọi hoạt động của con người đều rất
nhạy cảm với thời tiết. Đặc biệt là hoạt động sản xuất lương thực chịu tác động rất
lớn vào thời tiết và biến đổi khí hậu. Ngồi ra, các ngành ngư nghiệp, lâm nghiệp,
năng lượng, quản lý tài nguyên nước, đất đai, … đều cần có thơng tin dự báo thời tiết
từ các trạm khí tượng [1]. Những thơng tin dự báo và cảnh báo kịp thời, chính xác
góp phần rất lớn tới quá trình phát triển kinh tế - xã hội và bảo vệ môi trường. Đồng
thời, những cảnh báo nguy hiểm về hiện tượng thời tiết tiêu cực như hạn hán, lũ lụt,
… cũng giúp con người có những hành động kịp thời làm giảm thiểu những thiệt hại.
Ngày nay, sản xuất nông nghiệp ở Việt Nam vẫn phụ thuộc rất nhiều vào thời tiết. Sự
thay đổi thất thường của các yếu tố thời tiết sẽ ảnh hưởng trực tiếp đến hoạt động sản
xuất nông nghiệp, nhất là trồng trọt. Những tác hại có thể kể đến như sự gia tăng dịch
bệnh, dịch hại với cây trồng, giảm sút năng suất mùa màng, ... [2]. Vậy nên nếu những
thay đổi thời tiết có thể được dự đốn với độ chính xác đáng tin cậy thì chúng ta có
thể sử dụng những dự đốn này để giúp người nơng dân cũng như các hệ thống nông
nghiệp tự động đưa ra quyết định điều chỉnh phù hợp giúp cho sản phẩm nông nghiệp
luôn ở trong môi trường tốt nhất để phát triển, cũng như tránh được ảnh hưởng hoặc
giảm thiểu thiệt hại từ thời tiết xấu [3]. Với mong muốn sẽ tìm được giải pháp cho

vấn đề trên, học viên quyết định tìm hiểu và thực hiện một hệ thống dự báo thời tiết
với độ chính xác cao, cung cấp một cơng cụ hữu hiệu cho nông dân và các hệ thống
nông nghiệp tự động để giảm thiểu các tác động tiêu cực từ thời tiết với môi trường
phát triển sản phẩm nông nghiệp. Sự kiện mưa sẽ là mục tiêu dự báo mà luận văn sẽ
hướng đến vì thời tiết mưa có tác động trực tiếp đến mơi trường, cũng như làm thay
đổi những điều kiện phát triển của sản phẩm nông nghiệp.

1


Mục tiêu và giới hạn đề tài
Mục tiêu của đề tài là thiết kế hệ thống dự báo mưa bao gồm một thiết bị có thể cập
nhật dữ liệu mơi trường theo thời gian thực và một thuật toán máy học để dự đoán sự
kiện mưa trong tương lai. Các dữ liệu môi trường bao gồm nhiệt độ, độ ẩm sẽ được
thu thập từ xa sau đó xử lý trên máy tính. Mơ hình máy học Neural Network cùng với
thuật toán Back Propagation sẽ được triển khai để xử lý dữ liệu mơi trường, từ đó sẽ
đưa ra dự đốn sự kiện mưa vào ngày tiếp theo. Với sự kiện đã được dự đoán sẽ là cơ
sở để đưa ra những quyết định tức thời một cách thuận tiện trong nhiều lĩnh vực như
nơng nghiệp (điều khiển tưới tiêu, bón phân, điều chỉnh nhiệt độ), công nghiệp (điều
khiển động cơ, vận hành hệ thống làm mát), ... Bên cạnh đó, luận văn cũng sẽ đánh
giá hiệu quả khi áp dụng mơ hình Neural Network vào hệ thống dự báo và hiệu năng
của mơ hình này so với các mơ hình thuật toán dự đoán phổ biến khác như: SVM,
Logistic Regression, Naive Bayes, ...
Giới hạn nghiên cứu là mơ hình mạng cảm biến khơng dây Zigbee với cấu trúc mạng
hình sao bao gồm 2 cảm biến nhiêt độ - độ ẩm được đặt ở 2 địa điểm khác nhau với
mục đích là thu thập thông số môi trường diễn ra tại các địa điểm lắp đặt cảm biến.
Mơ hình dự báo là Neural Network truyền thẳng nhiều lớp và sử dụng thuật tốn Back
Propagation với các thơng số mơ hình được lựa chọn và thực nhiệm nhiều lần cùng
với cơ sở dữ liệu đã thu thập để tìm ra mơ hình có sai số thấp nhất giữa dự đốn và
thực tế.

Phương pháp nghiên cứu
Trong luận văn này học viên thực hiện các phương pháp nghiên cứu sau để hoàn
thành đề tài đặt ra:
-

Tham khảo các tài liệu trong và ngoài nước về lý thuyết và mơ hình của mạng
cảm biến khơng dây.

-

Nghiên cứu các phần cứng dùng để thu thập các thơng số mơi trường và triển
khai mơ hình mạng cảm biến không dây.

2


-

Tham khảo các tài liệu trong và ngoài nước về lý thuyết và mơ hình các thuật
tốn để phục vụ cho việc dự báo thời tiết.

-

Tìm hiểu tính tương quan giữa các thơng số trong các thuật tốn.

-

Nghiên cứu ứng dụng mạng ANN truyền thẳng nhiều lớp vào hệ thống dự báo.

-


Phân tích, so sánh và đánh giá kết quả từ mơ hình thực tế.

Tổng quan tình hình nghiên cứu
Dự báo thời tiết là một công việc vô cùng phức tạp và địi hỏi rất nhiều cơng đoạn
phải được thực hiện một cách chuyên nghiệp. Mặc dù khoa học dự báo thời tiết ra đời
đã ra đời từ rất lâu nhưng hiện nay chất lượng công tác dự báo thời tiết vẫn đang
không ngừng được các nhà khoa học nghiên cứu và cải thiện. Các phương pháp đang
được ứng dụng hiện nay bao gồm: Synop, thống kê, phân tích ảnh mây vệ tinh, Radar
thời tiết, mơ hình số trị, ... [4]. Tuy nhiên trong luận văn này học viên đã nghiên cứu
một mơ hình thuật tốn máy học để ứng dụng cho dự đoán thời tiết. Máy học đang
trở thành xu thế mới trên thế giới hiện này vì tính chính xác và ứng dụng đa dạng của
nó để giải quyết các vấn đề thực tiễn trong đời sống và dự đoán thời tiết cũng là một
trong những ứng dụng của máy học. Các thuật toán máy học đang được sử dụng rộng
rãi để giải quyết các bài toán dự đoán ở khắp nơi trên thế giới. Được biết đến và ứng
dụng nhiều phải kể đến những thuật toán như Neural Network, Support Vector
Machine, Naive Bayes Classifier, Linear Regression, Logistic Regression,…[5].
Trong đó thuật tốn Neural Network đang được sử dụng rất phổ biến trong dự đốn
ơ nhiễm mơi trường, dự đốn thời tiết, dự đốn mơi trường gây hại cho cây trồng, ...
Có rất nhiều nghiên cứu đã khai thác về vấn đề này và cho chúng ta thấy được sự đa
dạng về ứng dụng của các thuật toán để giải quyết các bài toán trong thực tế:
 Thomas Truong, Anh Dinh, Khan Wahid (2017), đã có những nghiên cứu với
đề tài: Hệ thống thu thập dữ liệu môi trường IoT để phát hiện nấm trong
các vườn cây trồng. Họ thiết kế hệ thống Internet of Things (IoT) bao gồm
thiết bị có khả năng gửi dữ liệu mơi trường thời gian thực đến đám mây để lưu
trữ và thuật toán học máy có khả năng dự đốn điều kiện mơi trường để phát

3



hiện và ngăn chặn nấm. Dữ liệu môi trường bao gồm độ ẩm khơng khí, tốc độ
gió và lượng mưa được xử lý bởi một máy tính từ xa để phân tích và quản lý.
Thuật tốn học máy SVMr được phát triển để xử lý dữ liệu thô và dự báo nhiệt
độ, độ ẩm khơng khí tương đối và tốc độ gió để hỗ trợ dự đốn sự hiện diện
và lan truyền các bệnh nấm có hại ở các vườn cây trồng tại địa phương. Cùng
với đó, các dữ liệu về mơi trường và dự đốn mơi trường dễ dàng được tiếp
cận thông qua hệ thống IoT sẽ hỗ trợ các nông dân quản lý tốt hơn và ngăn
ngừa lây lan bệnh nấm tại vườn cây của mình. [6]
Đây là một đề tài sử dụng được sự hiệu quả của mạng cảm biến để thu thập dữ liệu
và dùng máy học để xử lý những thông tin, thực hiện dự đốn. Bên cạnh đó những
nghiên cứu về việc dự đốn được sử dụng rất nhiều trong vấn đề thiên tai, lũ lụt. Có
thể kể đến một đề tài như sau đã sử dụng mạng cảm biến kết hợp với mô hình Neural
Network để giải quyết bài tốn dự đốn lũ lụt:
 Prof.(Dr.) J.K.Roy, Dola Gupta, Sanjay Goswami (2015), đã có những nghiên
cứu với đề tài: Hệ thống cảnh báo lũ được cải tiến sử dụng mạng cảm biến
và mạng nơron nhân tạo. Trong đó, tác giả đã thiết kế hệ thống dựa vào hoạt
động của bề mặt nước để kiểm soát lũ và giảm thiểu tác động của lũ lụt theo
thời gian thực. Mơ hình được xem xét ở đây giả định cho một hệ thống cảnh
báo lũ lụt phức tạp. Các tham số đầu vào được giới hạn về mặt lý thuyết và dự
đốn được mơ phỏng bằng ANN. Kết quả của nghiên cứu đã đưa ra cảnh báo
sớm cũng như tình hình lũ lụt để hỗ trợ cho quản lý thiên tai và chống lại hậu
quả của lũ lụt. [7]
Ngoài những ứng dụng về dự báo lũ lụt, dự báo những thông số thời tiết hằng ngày
trong thời gian gần với mơ hình mạng Neural Network cũng đã được áp dụng từ rất
lâu:
 Mohsen Hayati, Zahra Mohebi (2007), đã có những nghiên cứu với đề tài: Ứng
dụng của mạng thần kinh nhân tạo để dự báo nhiệt độ. Trong đó, các tác
giả đã nghiên cứu mạng thần kinh nhân tạo dựa trên mơ hình mạng lan truyền

4



thẳng nhiều lớp (MLP) đã được huấn luyện và kiểm thử bằng thơng số khí
tượng trong vịng 10 năm từ 1996 đến 2006. Kết quả huấn luyện và kiểm thử
cho thấy rằng mạng lan truyền thẳng nhiều lớp có sai số dự đốn nhỏ và có thể
coi là một phương pháp tốt để mơ hình hóa các hệ thống dự báo nhiệt độ ngắn
hạn. [8]
Ngoài những ứng dụng về dự báo, các thuật tốn máy học cịn có thể sử dụng để lọc
dữ liệu và giảm thiểu dữ liệu lưu trữ không cần thiết:
 L.P. Dinesh Kumar, S.Shakena Grace, Akshaya Krishnan, V. M. Manikandan,
R. Chinraj, M. R. Sumalatha (2012), đã có những nghiên cứu với đề tài: Lọc
dữ liệu trong mạng cảm biến không dây sử dụng mạng nơron để lưu trữ
trong đám mây. Trong đó, các tác giả đã thiết kế mơ hình mạng cảm biến
khơng dây được tích hợp với môi trường đám mây để hỗ trợ lưu trữ và xử lý
dữ liệu dễ dàng hơn. Khái niệm về gateways được giới thiệu để kết nối mạng
cảm biến không dây và đám mây. Sensor gateway thu thập thông tin từ các nút
cảm biến, nén và truyền đến cloud gateway, sau đó sẽ được giải mã và lưu trữ
tại cloud server. Bài báo sử dụng mạng nơron để lọc các giá trị bất thường tại
sensor gateway trong quá trình thu thập. Mơ hình được đề xuất sẽ giúp giảm
mức tiêu thụ năng lượng vì phần lớn quá trình xử lý dữ liệu được thực hiện tại
các gateway, đồng thời tài nguyên lưu trữ sẽ được sử dụng hiệu quả do dữ liệu
được lưu trữ lên đám mây giảm đáng kể sau khi loại bỏ được những dữ liệu
không cần thiết. [9]
Sau khi tìm hiểu các nghiên cứu gần đây, học viên thấy rằng các thuật toán máy học
đang được ứng dụng để xử lý rất nhiều vấn đề trong thực tế với nhiều lĩnh vực khác
nhau. Việc nghiên cứu để ứng dụng thuật toán máy học cho hệ thống dự báo mà luận
văn đang hướng đến là hoàn toàn có cơ sở dựa trên những nghiên cứu đã nêu trên.
Nội dung luận văn
Chương 1. Tổng quan


5


Chương này trình bày khái quát về dự báo thời tiết và các ứng dụng của dự báo thời
tiết trong cuộc sống. Giới thiệu mơ hình cảm biến khơng dây và thuật toán dự đoán
mà luận văn sẽ sử dụng. Nội dung chương cũng đề cập đến lý do chọn đề tài, mục
tiêu, giới hạn và phương pháp nghiên cứu sẽ sử dụng trong luận văn.
Chương 2. Cơ sở lý thuyết
Trong chương này, các khái niệm về mạng cảm biến khơng dây, các mơ hình và
phương pháp xây dựng chúng sẽ được trình bày. Giới thiệu về mạng Neural Network
và ưu điểm của mạng trong việc dự đoán mưa sẽ được trình bày trong chương này.
Chương 3. Xây dựng hệ thống
Trong chương này, thiết kế hệ thống mạng cảm biến không dây để thu thập các thông
số môi trường bao gồm lựa chọn phần cứng và thiết kế mơ hình sẽ được trình bày.
Bên cạnh đó, chương này cũng sẽ trình bày cách mà hệ thống thu thập dữ liệu cũng
như phương thức triển khai thuật toán dự đoán với thông số môi trường đã thu thập
được, đồng thời cách thức lựa chọn các thơng số của mơ hình cũng sẽ được giới thiệu
trong chương này.
Chương 4. Thực nghiệm và đánh giá
Trong chương này, việc thực nghiệm với hệ thống đã được xây dựng ở chương 3 sẽ
trình bày. Các bước thực thi trong thu thập dữ liệu và huấn luyện mơ hình mạng ANN
dự đốn trong hệ thống cũng sẽ được phân tích làm rõ. Bên cạnh đó các kết quả thực
nhiệm thực tế mà mơ hình đạt được cũng sẽ được đánh giá và phân tích. Việc kiểm
thử và so sánh độ chính xác trong dự đốn của mơ hình ANN với các mơ hình thuật
tốn khác sẽ được trình bày và nhận xét trong chương này.
Chương 5. Kết luận
Chương này sẽ tiến hành đánh giá các kết quả đạt được của hệ thống. Từ đó, so sánh
với mục tiêu ban đầu đề ra và kết luận. Bên cạnh đó, chương này cũng sẽ trình bày
hướng phát triển đề tài trong tương lai.


6


Chương 2.

CƠ SỞ LÝ THUYẾT
Mạng cảm biến không dây
2.1.1. Khái niệm
Mạng cảm biến không dây là hệ thống các nút cảm biến kết nối với nhau bằng sóng
vơ tuyến và từ đó hình thành một mạng lưới liên kết, trong đó các nút này thường là
các thiết bị nhỏ gọn, giá thành thấp và có khả năng thu thập các thông số môi trường
xung quanh khu vực lắp đặt. Các điểm cảm biến này được lắp đặt số lượng lớn và
phân bố một cách khơng có hệ thống trên một diện tích rộng, có thời gian hoạt động
lâu dài và sử dụng nguồn năng lượng hạn chế.
2.1.2. Nút cảm biến
Một nút cảm biến được cấu tạo bởi 4 thành phần cơ bản sau : bộ xử lý, bộ cảm biến,
bộ thu phát không dây và nguồn cung cấp. Tuỳ theo mục đích ứng dụng, nút cảm biến
cịn có thể có các thành phần bổ sung như hệ thống định vị và thiết bị di động [10].

Hình 2.1 Thành phần nút cảm biến [10]

7


 Bộ xử lý có khả năng lưu trữ và phân tích các thơng số cảm biển sau khi
được thu thập, quản lý các tác vụ hoạt động và giao tiếp với các nút khác để
trao đổi thông tin, thực hiện nhiệm vụ.
 Bộ cảm biến thường gồm hai thành phần là đầu đo cảm biến với chức năng
cảm nhận và cập nhật những thay đổi của các thông số môi trường. Thành
phần thứ hai là bộ chuyển đổi tương tự có khả năng chuyển đổi các tín hiệu

tương tự được thu nhận từ đầu đo sang tín hiệu số, sau đó mới được đưa tới
bộ xử lý.
 Bộ thu phát có khả năng đảm bảo kết nối và bảo tồn thơng tin giữa nút cảm
biến trong mạng với kết nối khơng dây như vơ tuyến, hồng ngoại hoặc tín
hiệu quang.
 Bộ nguồn cung cấp năng lượng cho nút cảm biến. Vì yêu cầu thiết kế nhỏ
gọn nên pin hoặc ắc quy thường được lựa chọn làm bộ nguồn cho nút cảm
biển.
Ngồi ra những thành phần phụ khác có thể được bổ sung phụ thuộc vào mục đích
của ứng dụng. Bộ định vị sẽ được triển khai khi mạng cảm biến u cầu có độ chính
xác cao về vị trí. Các bộ phận di động sẽ được lắp đặt để đáp ứng với các yêu cầu như
theo dõi chuyển động của vật thể. Tất cả những thành phần này cần phải có kích cỡ
phù hợp để tích hợp cùng với các thành phần khác. Ngồi kích cỡ ra các nút cảm ứng
còn một số yêu cầu nghiêm ngặt khác, như là khả năng tiêu thụ năng lượng thấp, hoạt
động ở mật độ cao và có khả năng tự hoạt động, giá thành thấp khi triển khai với số
lượng lớn, và thích ứng với mơi trường đặc biệt [10].
2.1.3. Đặc điểm của cấu trúc mạng cảm biến
Đặc điểm của mạng cảm biến là bao gồm một số lượng lớn các nút cảm biến, các nút
cảm biến đòi hỏi khả năng tiêu thụ năng lượng ở mức thấp và giới hạn lưu trữ do hạn
chế về tài nguyên. Vì vậy, cấu trúc mạng mới có nhiều đặc điểm khác biệt so với các
mạng truyền thống trước đây. Sau đây là một số đặc điểm nổi bật trong mạng cảm
biến [6]:

8


 Kích thước vật lý nhỏ gọn.
 Khả năng xử lý, lưu trữ và tương tác với các thiết bị cơ sở bị chi phối bởi
công suất tiêu thụ.
 Các nút cảm biến hoạt động đồng thời với độ tập trung cao.

 Hạn chế trong khả năng liên kết vật lý và phân cấp điều khiển.
 Đa dạng trong thiết kế và sử dụng.
 Hoạt động tin cậy.
Cấu trúc cơ bản của mạng cảm biến không dây được thể hiện qua hình 2.2.

Hình 2.2 Cấu trúc cơ bản của mạng cảm biến không dây [10]
Các nút cảm biến được triển khai trong một trường cảm biến. Mỗi nút cảm biến được
phát tán trong mạng có khả năng thu thập thơng số liệu, định tuyến số liệu về bộ thu
nhận để chuyển tới người dùng và định tuyến các bản tin mang theo yêu cầu từ nút
thu phát đến các nút cảm biến. Bộ thu nhận có thể liên lạc trực tiếp với trạm điều
hành của người dùng hoặc gián tiếp thông qua Internet hay vệ tinh. Việc thiết kế mạng
cảm biến phụ thuộc vào nhiều yếu tố như sau [10]:
 Khả năng chịu lỗi
 Khả năng mở rộng
 Giá thành sản xuất
 Tích hợp phần cứng
 Mơi trường hoạt động

9


 Các phương tiện truyền dẫn
 Cấu hình mạng cảm nhận
 Sự tiêu thụ năng lượng
2.1.4. Kiến trúc và giao thức của mạng cảm biến không dây
Kiến trúc giao thức áp dụng cho mạng cảm nhận được trình bày trong hình 2.3. Kiến
trúc này bao gồm các lớp và các mặt phẳng quản lý. Các mặt phẳng quản lý này giúp
cho các nút có thể làm việc hiệu quả cùng nhau, định tuyến dữ liệu trong mạng cảm
biến di động và chia sẻ tài nguyên giữa các nút cảm biến [11].


Hình 2.3 Kiến trúc mạng cảm biến khơng dây [11]
Lớp vật lý: có nhiệm vụ lựa chọn tần số cho mạng. Đồng thời tạo ra tần số sóng
mang và phát hiện tín hiệu, điếu chế và mã hố tín hiệu.
Lớp liên kết số liệu: có nhiệm vụ phát hiện các khung dữ liệu và cách truy cập đường
truyền, ghép các luồng dữ liệu. Vì mơi trường có nhiễu và các nút cảm biến có thể di
động, giao thức điều khiển truy nhập môi trường (MAC) phải xét đến vấn đề cơng
suất và khả năng tối ưu hố việc va chạm với thông tin từ các nút lân cận.
Lớp mạng: tập trung vào việc chọn đường số liệu được cung cấp bởi lớp truyền tải.

10


Lớp truyền tải: giúp duy trì luồng số liệu nếu ứng dụng mạng cảm biến yêu cầu.
Lớp truyền tải chỉ cần thiết khi hệ thống cần được truy cập thông qua mạng Internet
và các mạng bên ngoài khác.
Lớp ứng dụng: tuỳ theo yêu cầu cảm biến, các loại phần mềm ứng dụng khác nhau
có thể được phát triển và triển khai ở lớp ứng dụng.
Mặt phẳng quản lý nguồn: quản lý việc tiêu thụ năng lượng của một nút cảm biến.
Mặt phẳng quản lý tính di động: có nhiệm vụ xác định và theo dõi hoạt động của
các nút cảm biến lân cận.
Mặt phẳng quản lý tác vụ: Có nhiệm vụ cân bằng và sắp xếp nhiệm vụ cảm biến
giữa các nút trong một vùng cụ thể do đó các nút cảm biến có thể làm việc cùng với
nhau hiệu quả về mặt năng lượng, có thể định tuyến số liệu trong một mạng cảm biến
di động và chia sẻ tài nguyên giữa các nút cảm biến.
2.1.5. Ưu điểm, nhược điểm của mạng cảm biến không dây
Ưu điểm [10]:
 Khả năng tự do kết nối và di động
 Không hạn chế về khơng gian triển khai và vị trí kết nối.
 Dễ dàng lắp đặt và triển khai.
 Không cần sử dụng cáp.

 Tiết kiệm thời gian lắp đặt cáp.
 Dễ dàng mở rộng
Những thách thức và trở ngại [10]:
 Lưu trữ dữ liệu
 Vấn đề về năng lượng
 Khả năng chịu lỗi
 Định vị
 Khả năng mở rộng

11


 An ninh
2.1.6. Sự khác nhau giữa WSN và mạng truyền thống
Qua phân tích và tìm hiểu ta có thể thấy được sự khác biệt cơ bản của WSN và
mạng truyền thống như sau [12]:
 Số lượng các nút cảm biến trong một mạng cảm biến lớn hơn nhiều lần so với
những nút cảm biến ad-hoc
 Các nút cảm biến thường được triển khai với mật độ lớn hơn so với các mạng
truyền thống.
 Những nút cảm biến dễ hư hỏng sau thời gian dài lắp đặt.
 Topo mạng cảm biến thay đổi rất thường xuyên.
 Mạng cảm biến chủ yếu sử dụng truyền thông quảng bá khác với đa số các
mạng ad hoc là điểm - điểm.
 Những nút cảm biến có giới hạn về năng lượng, khả năng tính tốn và tài
ngun bộ nhớ.
 Những nút cảm biến có thể định danh tồn cầu (global ID).
 Nhiệm vụ được chia sẻ giữa các nút lân cận nhau trong mạng.
Công nghệ truyền thông không dây Zigbee
2.2.1. Tổng quan

Công nghệ ZigBee được xây dựng dựa trên tiêu chuẩn 802.15.4 của tổ chức IEEE.
Tiêu chuẩn 802.15.4 này sử dụng tín hiệu radio có tần sóng ngắn.
Nhờ chức năng điều khiển từ xa không dây, truyền dữ liệu ổn định, tiêu thụ năng
lượng cực thấp, công nghệ mở đã giúp công nghệ ZigBee trở nên hấp dẫn sử dụng
cho các ứng dụng, đặc biệt là ứng dụng trong nhà thông minh hiện nay.
Thực tế cho thấy hệ thống có thể hoạt động trong mơi trường có dữ liệu dày đặc, hay
trong vùng mà có nhiều đường truyền khác làm nhiễu thì hệ thống vẫn đảm bảo hoạt
động liên tục đó là nhờ sự đánh giá chất lượng, sự phát hiện năng lượng tiếp nhận và
đánh giá kênh rõ ràng.

12


Cơng nghệ đa truy cập nhận biết sóng mang CSMA được sử dụng để xác định thời
điểm truyền, và tránh được những va chạm trong đường truyền [12].
2.2.2. Đặc điểm
Đặc điểm của công nghệ ZigBee là tốc độ truyền tin thấp, tiêu hao ít năng lượng,
chi phí thấp, và là giao thức mạng không dây hướng tới các ứng dụng điều khiển từ
xa và tự động hóa.
Mục tiêu của cơng nghệ ZigBee là nhắm tới việc truyền tin với mức tiêu hao năng
lượng nhỏ và công suất thấp cho những thiết bị chỉ có thời gian hoạt động từ vài tháng
đến vài năm mà không yêu cầu cao về tốc độ truyền tin.
Các thiết bị không dây sử dụng công nghệ ZigBee có thể dễ dàng truyền tin trong
khoảng cách 10-75m tùy thuộc và môi trường truyền và mức công suất phát được yêu
cầu với mỗi ứng dụng. Các dữ liệu được truyền theo gói, gói tối đa là 128bytes cho
phép tải xuống tối đa 104 bytes. Tốc độ dữ liệu là 250kbps ở dải tần 2.4GHz (toàn
cầu), 40kbps ở dải tần 915MHz (Mỹ và Nhật) và 20kbps ở dải tần 868MHz (Châu
Âu) [12].
Tiêu chuẩn này hỗ trợ địa chỉ 64bit cũng như địa chỉ ngắn 16bit. Loại địa chỉ 64bit
chỉ xác định được mỗi thiết bị có cùng 1 địa chỉ IP duy nhất. Khi mạng được thiết

lập, những địa chỉ ngắn có thể được sử dụng và cho phép hơn 65000 nút được liên
kết [12].
2.2.3. Cấu trúc các tầng của Zigbee
Ngoài 2 tầng vật lý và tầng MAC xác định bởi tiêu chuẩn IEEE 802.15.4, tiêu chuẩn
ZigBee còn có thêm các tầng trên của hệ thống bao gồm: tầng mạng, tầng hỗ trợ ứng
dụng, tầng đối tượng thiết bị và các đối tượng ứng dụng [13].

13