BÁO CÁO NGHIÊN CỨU KHOA HỌC

MODULE DỰ BÁO, CẢNH BÁO SỚM

1.1 Mục đích nghiên cứu

Xây dựng mô hình ứng dụng trí tuệ nhân tạo cho phép dự báo, cảnh báo sớm các tham
số môi trường với độ chính xác có thể chấp nhận được.

Thiết kế, xây dựng các chức năng quản trị hệ thống dự báo, xây dựng API cho các
phân hệ ứng dụng có liên quan bao gồm WebApp và MobileApp

1.2 Kiến trúc hệ thống

1.2.1 Yêu cầu chức năng

 Dự báo sớm biến động môi trường trên cơ sở dữ liệu hiện có.
 Cung cấp dữ liệu chuẩn cho các phân hệ ứng dụng.
 Có khả năng bảo mật thông tin các dữ liệu xử lý

1.2.2 Yêu cầu phi chức năng

 Có khả năng mã hoá thông tin

 Tốc độ phản hồi nhanh
 Thông tin dự báo có độ chính xác tốt, có thể chấp nhận được

1
1.2.3 Kiến trúc mô hình

Figure 1: Mô hình triển khai ứng dụng

Mô hình triển khai ứng dụng dự báo được cho trên Hình 1, với công cụ gồm có
Tensorflow (TF) Serving và Flask REST API framework.

TensorFlow Serving là công cụ cho phép triển khai các mô hình học máy đã được train
thành sản phẩm thực tế một cách dễ dàng và nhanh chóng. Mô hình ứng dụng có các
điểm chính như sau:

 Khi nhận được API request từ các phân hệ ứng dụng, dữ liệu sẽ được đảm bảo
xử lý với các kỹ thuật pre-processing trên các thư viện high-level có sẵn tại
Flask Sever, sau đó được đưa tới TF Serving để lấy dữ liệu ra.
 Khi xây dựng nhiều ứng dụng mô hình học máy, sẽ có thể tạo nhiều TF Serving
server. Flask sever có nhiệm vụ định tuyến TF Serving server phù hợp với các
request nhận được
 Mô hình được lưu sẵn trên memory nhằm xoá bỏ thời gian trễ do các hoạt động
I/O tại server

2
 Figure 2: Kiến trúc mô hình

Mô hình dự báo được xây dựng với các hyper-parametter được như sau:

 Số hidden layer: 4 lớp LSTM với 3 timestep gồm 645,766 weights để trích chọn
các đặc trưng của bộ dữ liệu tham số.
 Các lớp Dropout được đưa xen kẽ vào mạng nhằm giảm khả năng overfitting
xảy ra tại tập train
 Đầu ra được fully-connected với 6 giá trị đại diện cho đầu ra cần dự báo.
 Bộ tối ưu trọng số: Adam Optimizer với beta1=0.9 và beta2=0.999 nhằm tăng
tốc độ hội tụ trong quá trình train.