Transcript Giá trị mờ

Kiến thức chuyên gia trong quan
trắc, cảnh báo môi trường, dịch
bệnh thủy sản –
Ứng dụng logic mờ
ThS. Lê Văn Lợi
1
Use of Fuzzy Controller Principles in
Expert Knowledge Based Engine
 Env., disease and related topics
 Problem Statement of Expert System
 Review of fuzzy control
 Components of the Knowledge Base
 Expert Knowledge Contributor Interface
 Implementation
2
Dữ liệu môi trường?
- Tham số
 Để hiểu được môi trường, người ta cần các
chỉ thị (Indicators) về môi trường.
 Tham số đo môi trường (nhiệt độ, pH,
COD, CO2, ...) có thể được coi như các chỉ
thị.
 Chỉ thị nào và bao nhiêu chỉ thị: tùy thuộc
vấn đề cần quan tâm.
3
Dữ liệu môi trường?
- Phương thức
 Mức độ chính xác của số liệu đo phụ thuộc vào
phương thức đo (máy gì, mới hay cũ, độ chính xác
đến bao nhiêu, có bị ảnh hưởng bới nhiệt độ và độ
ẩm hay không, bao nhiêu lâu thì phải chỉnh...) ?
 Đo thủ công, đo theo phương pháp dùng hệ tự
động hóa, lấy mẫu, xét nghiệm?
 Sai số của hệ thống tự động, của máy xét nghiệm?
4
Dữ liệu môi trường?
- Người đo
 Người đo (và nhập) không làm tăng hoặc giảm độ
chính xác
 Người đo quyết định đến mức độ xác thực của dữ
liệu nhập vào: người đo có đọc đúng thước đo hay
không, có nhập dữ liệu vào như số liệu đọc được
hay không?
 Người đo là cơ chế duy nhất đảm bảo chế độ trách
nhiệm, do đó quyết định đến việc dữ liệu nhập vào
có độ tin cậy cao hay không?
5
Dữ liệu môi trường?
- Thời gian đo
 Thời gian đo có mối quan hệ mật thiết với
tham số đo
 Ví dụ: nhiệt độ ban đêm, sáng và trưa hoàn
toàn khác nhau trong một chu kỳ thời tiết
"không đổi"
 Thời gian đo có ý nghĩa đến môi trường,
đặc biệt là môi trường nước
6
Dữ liệu môi trường?
- Địa điểm đo
 Địa điểm đo có ý nghĩa đối với việc lấy mẫu (tính
đại diện), có ý nghĩa so sánh
 Địa điểm đo còn có ý nghĩa đối với vùng khí hậu,
đặc điểm sinh thái, đặc điểm thời tiết
 Địa điểm đo còn có ý nghĩa ghi chép sự biến đổi
của đất, thủy sinh, hóa sinh và nhiều các yếu tố
khác.
7
Cảnh báo?
 Cảnh báo thực chất là một suy diễn từ các
số liệu môi trường
T>x
pH  y
Mô tơ
suy diễn
Cảnh báo
Môi trường
CO mức z
8
Đo tham số ?
- Giá trị rõ (crisp value)
 Giá trị rõ là các giá trị thông thường, ví dụ:
35 độ C, 6.7 độ pH, 2% độ chua
 Giá trị rõ = số + đơn vị đo.
 Giá trị rõ là các giá trị đọc được thông qua
một thiết bị đo
9
Đo tham số ?
- Giá trị mờ (fuzzy value)
 Giá trị mờ là các giá trị không rõ: nước rất
đục, có nhiều cặn lơ lửng, nước có quá
nhiều rêu, cá nuôi xuất hiện nhiều đốm vàng
đỏ, khí có ít bọt, …
 Giá trị mờ = Nhãn mờ.
 Giá trị mờ thường được xác định qua quan
sát và lấy mẫu xét nghiệm
10
Giải quyết vấn đề giá trị mờ
- Logic mờ (fuzzy logic)
 Áp dụng logic mờ cho các giá trị mờ có lẽ
là phù hợp nhất
 Giá trị mờ = Nhãn mờ (fuzzy label).
 Giá trị nhập = nhãn (ví dụ: Rất đục)
11
Giải quyết vấn đề giá trị mờ
- Đặt nhãn mờ
 Đặt nhãn mờ không phải là một việc đơn
giản, đòi hỏi người quản trị phải ít nhiều
hiểu về logic mờ
 Nhãn = hàm của nhãn (hình tam giác, hình
thang, hình chuông, ...)
 Các phép toán trên nhãn khác với các phép
toán thông thường
12
Giải quyết vấn đề giá trị mờ
- Quản lý nhãn
 Nhãn thông thường được quản lý như một danh
mục có thứ tự - nói theo ngôn ngữ toán là tập hợp
các giá trị rời rạc có sắp xếp.
 Các tham số có giá trị mờ sẽ trỏ đến một danh
mục nhãn mờ
 Các nhãn được gộp thành các thẻ để tránh lẫn lộn
13
Giải quyết vấn đề giá trị mờ
- Chuẩn hóa
 Chưa thấy có tiền lệ nào đệ trình việc chuẩn
hóa các tham số đo có giá trị mờ lên mức
quốc gia, ngành.
 Tuy nhiên, ở cấp cơ sở nên lập các từ điển
và thống nhất sử dụng trong toàn đơn vị
14
Quay trở lại vấn đề cảnh báo
- Mô tơ suy diễn là gì?
 Mô tơ suy diễn thực chất là một hệ chuyên
gia (expert system)
T>x
pH  y
Mô tơ
suy diễn
Cảnh báo
Môi trường
CO mức z
15
Quay trở lại vấn đề cảnh báo
- Hệ chuyên gia là gì?
 Hệ chuyên gia hiểu theo nghĩa đơn giản là tập hợp
kiến thức của các chuyên gia. Hệ chuyên gia là vấn
đề lớn: mô hình nào, làm thế nào để lấy được kiến
thức chuyên gia?
Mô tơ
suy diễn
16
Đặt vấn đề (1)
CSDL
tri thức
A
B
Mô tơ
suy diễn
Giao diện
tiếp nhận
tri thức
Kết quả
 Machine Learning Process
 Knowledge Interpretation
 Knowledge Application
17
Đặt vấn đề (2)
 Machine Learning Process
CSDL
tri thức
Giao diện
tiếp nhận
tri thức
Knowledge
Base
Knowledge
Contributor
Interface
18
Đặt vấn đề (3)
 Knowledge Interpretation
CSDL
tri thức
Mô tơ
suy diễn
Knowledge
Base
Inference
Engine
19
Đặt vấn đề (4)
 Knowledge Application
A
B
Mô tơ
suy diễn
Kết quả
Inference
Engine
Result
A
B
20
Review of Fuzzy Control (1)
The goal of a control system is to produce a desired set of
outputs for a given set of inputs
Traditional solution:to have the controller execute
a mathematical formula that expresses the output as a
function of the inputs.
Problem:difficult or even impossible to work out a
mathematical model.
21
Review of Fuzzy Control (2)
Overview
22
Review of Fuzzy Control (3)
The crisp input (to distinguish it from the fuzzy
input) is fuzzified using input membership
functions. The result of this step is called fuzzy
input.
23
Review of Fuzzy Control (4)
The next step is rule evaluation, taking as
arguments the fuzzy input and fuzzy rules.
The result of this step is fuzzy output.
24
Review of Fuzzy Control (5)
The fuzzy output is defuzzified giving the final
output (also called crisp output to differentiate it
from fuzzy output).
25
Review of Fuzzy Control (6)
Some important notes on fuzzy control:
The behavior of a fuzzy controller system depends
on the definitions of input membership functions,
output membership functions and fuzzy rules.
Fuzzy rules play a vital role in fuzzy controllers.
The problem is how to make experts contribute
their knowledge to the system.
26
Components of the
Knowledge Base (1)
1. Fuzzy Rules
Fuzzy rules are stored in the following
syntax:
If antecedent1 AND antecedent2 ..... Then
Consequent
2. Other things
 Input & output membership functions
 Object composers and decomposers
27
Components of the
Knowledge Base (2)
Fuzzy Rules:
 Taken from experts’ experience &
knowledge (through the contributor
interface).
Input & output membership functions:
 Maintained by system administrators.
28
Giao diện tiếp nhận kiến thức
chuyên gia
Các chuyên gia cần được tập huấn:
Họ phải hiểu kiến thức của họ được sử dụng
như thế nào – tức là hiểu Fuzzy Logic Control
Họ phải biết nhập “kiến thức” của họ vào một
thành phần trong mô tơ suy diễn
29
Giao diện tiếp nhận kiến thức
chuyên gia (t)
Cần có chuyên viên quản trị điều khiển mờ:
Họ phải có kiến thức Fuzzy Logic Control: MF,
nhãn mờ, biến mờ, input, output, các tiền đề,
các hệ quả, các qui tắc mờ.
Họ phải biết điều chỉnh các nhãn, các biến để
đưa mô tơ suy diễn về điểm tối ưu. Đây là một
điểm rất quan trọng của hệ chuyên gia.
Cấu hình để thể hiện kết quả dự báo trên bản đồ
số hóa môi trường – dịch bệnh
30
Tổ chức thực hiện
Phát các biểu mẫu và gửi đến các chuyên gia
trong ngành về môi trường nước ngọt, nước lợ,
nước mặn, bệnh thú y thủy sản và điều kiện
nuôi trồng (xem phụ lục):
Có 5 mẫu ứng với 5 vùng khí hậu, kinh tế chủ
yếu của Việt Nam.
Các chuyên gia nên chọn từ các RIA, các
trường, các cơ sở nghiên cứu và các tổ chức
môi trường trong nước và quốc tế.
31
Tổ chức thực hiện (t)
Tuân thủ theo 10 bước để đạt kết quả (xem phụ
lục):
Các bước 1 và 2 nên chuẩn bị kỹ trước.
Các bước 3-7 cần sử dụng chuyên gia hiểu biết
về logic mờ.
Các bước 8-10 là bước thực thi cần được thử
nghiệm nhiều lần, phản hồi kết quả để điều
chỉnh các bước 3-7.
32