Thiết kế sản phẩm dịch vụ

ỨNG DỤNG LOGIC MỜ ĐỂ DỰ BÁO LƯỢNG NƯỚC THEO MÙA Tóm tắt: Mỗi mùa xuân ở Alberta, Canada, lượng nước băng tan tiềm ẩn luôn được dự báo cho vài vùng trũng để đánh giá lượng nước cung cấp cho từng vùng. Các nhà quản lý nước cần dự báo này để đưa ra kế hoạch phân phối nước cho mùa hè sắp tới. Các vùng trũng như Middle Creek và Lodge Creek, ở phía Nam Alberta, là hai vùng mà yêu cầu loại dự báo mùa đông trễ. Theo lịch sử, dự báo dựa trên sự liên kết các phương trình hồi qui. Những kết quả sau đó được trình bày bởi một nhà dự báo và được hiệu chỉnh dựa trên kiến thức kinh nghiệm của nhà dự báo về vùng trũng. Thật không may, cách tiếp cận này đã hạn chế mức độ thành công trong quá khứ, với yêu cầu chính xác những dự báo này nên một sự lựa chọn phương pháp là cần thiết. Trong nghiên cứu này, việc ứng dụng các kỹ thuật mô hình logic mờ cho dự báo nước cung cấp được đầu tư. Logic mờ được ứng dụng thành công trong vài lĩnh vực mà ở đó mối quan hệ giữa nguyên nhân và hiệu quả (biến và kết quả) không được rõ ràng. Các biến mờ được sử dụng để thiết lập sự hiểu biết mà thể hiện bằng “ngôn ngữ học” với một sự phân tích nghiêm túc. Ví dụ, “tảng băng cao”, “tảng băng trung bình”, và “tảng băng thấp” là các biến. Bằng cách ứng dụng logic mờ, một dự báo cung cấp nước được thiết lập mà việc phân loại tiềm năng theo 3 vùng dự báo: ‘thấp’, ‘trung bình’ và ‘cao’. Việc dự báo băng tan vào mùa xuân từ các hệ mờ hoàn hảo được xem như là đáng tin cậy hơn các mô hình hồi qui trong việc dự báo khu vực băng tan thích hợp, đặc biệt trong điều kiện nhận biết mức băng tan thấp hay trung bình. Dựa trên các kết quả mẫu từ 2 vùng trũng, nó được kết kuận rằng logic mờ có một tiềm năng hứa hẹn cho các dự báo cung cấp nước đáng tin cậy. GIỚI THIỆU Bởi vì nhu cầu cao về tài nguyên nước, các nhà quản lý nước thường được yêu cầu đảm bảo một sự cung cấp nước liên tục để thỏa mãn những nhu cầu như tiêu dùng, nông nghiệp và môi trường. Việc dự báo cung cấp nước là một công cụ quản lý tài nguyên quan trọng ở những vùng mà tại đó những dòng suối từ các đỉnh núi bị lấn át bởi mùa xuân và mùa hè đến sớm, từ đó lượng nước này thường đặc trưng cho phần lớn lượng băng tan hàng năm đổ vào vùng trũng. Để giúp các nhà quản lý nước cả về chất lượng và số lượng nước, các dự báo cung cấp nước điển hình được chuẩn bị vào cuối mùa đông, một cách tương đối khi mà lượng băng tích lũy cực đại. Thông thường, lượng dự báo nước cung cấp được đưa ra trong một khoảng giá trị có khả năng với sự kết hợp không chắc chắn, giống như dự báo thời tiết. Roos (1988) phát hiện ra nhiều sự không chắc chắn ứng với dự báo cung cấp nước và tác động của nó. Bởi vì độ tin cậy của việc dự báo cung cấp nước tăng theo mùa, một dự báo cung cấp nước hiệu quả phải cân bằng nhu cầu lượng nước dự báo chính xác với thờiø hạn dự báo. Như mùa này, dự báo cung cấp nước được đưa ra theo các nhu cầu của nhà quản lý nước. Một vài có thể dự báo lượng băng tan một năm tăng lên, trong khi những cái còn lại hy sinh thời hạn hoàn thành vì độ chính xác cao hơn. Tiêu biểu, dự báo cung cấp nước được xây dựng từ dữ liệu khí tượng học và thủy học sẵn có trong quá khứ, chỉ chọn những tham số mà sẵn có trong thời hạn quá trình họat động. Các biến được chọn dựa trên sự tương quan của chúng với việc băng tan theo mùa, và do kinh nghiệm kỹ thuật phân tích hồi qui thường được sử dụng để xác định các phương trình dự báo. Các phương trình hồi qui thực hiện tốt nhất với các tập dữ liệu lớn tại đó cả mức vô cùng cao và vô cùng thấp đều được diễn tả. Đặc tính này làm chúng ít hơn lý tưởng cho việc dự báo cung cấp nước, ở đó dữ liệu thường bị giới hạn và nhu cầu về độ tin cậy dự báo lượng thấp là tới hạn. Hơn nữa, các phương trình hồi qui xác định cố định và phải được xây dựng rõ ràng với mỗi dự báo cung cấp nước. Mục đích của việc nghiên cứu này là để khám phá khả năng tiềm tàng của một cách tiếp cận xen kẽ với dự báo cung cấp nước này dựa trên logic mờ. Theo lý thuyết tập mờ (FST), logic mờ được ứng dụng trong nhiều lĩnh vực tại đó các mối quan hệ do kinh nghiệm không được xác định tốt hay không thực tế với mô hình. Với sự sáng lập của FST, để có được sự rõ ràng với sự không chắc chắn phi thống kê, được xây dựng đầu tiên bởi Zadeh (1965). Kể từ đó, những nhà nghiên cứu khác đã phát hiện ra ứng dụng của logic mờ cho những vấn đề đa dạng, bao gồm những ứng dụng kỹ thuật ( ví dụ, Siskos, 1982; Sakawa và Seo, 1985; Prade và Dubois, 1989) và một số văn bản tham khảo là biến (ví dụ, Dubois, 1980; Sakawa, 1993). Mặc dù tính chủ quan của việc thiết lập các biến mô tả, các ứng dụng mô hình logic mờ đã thành công rộng rãi trong lĩnh vực kỹ thuật xây dựng, đặc biệt trong nhiều hoàn cảnh có nhiều sự không chắc chắn trong các mối quan hệ giữa các biến vào và kết quả đầu ra. Ví dụ, Fontance (1997) khám phá ra ứng dụng của logic mờ trong việc điều chỉnh mực nước hồ chứa. Các kết quả sơ bộ từ Openshaw và See (2000) diễn tả rằng logic mờ có thể được sử dụng với sự kết nối các kỹ thuật phần mềm máy tính để tạo ra sự kiểm tra mức độ phức tạp và các hệ thống dự báo. Hundecha (2001) chứng minh rằng một cách tiếp cận logic mờ có thể được sử dụng để tái tạo thành phần thực sự các quá trình thủy học (ví dụ, băng tan, sự bay hơi) trong những lĩnh vực mà tại đó dữ liệu đủ là biến cho mô hình những quá trình vật lý. Trong bài này, khả năng có thể áp dụng được logic mờ cho dự báo cung cấp nước được đầu tư cho 2 vùng trũng ở các đồi núi Cypress, Alberta, một vùng với diện tích trải dài các tỉnh lẻ dự báo cung cấp nước vùng mà được biết đến như một vùng có vấn đề với các nhà dự báo. Với dữ liệu quá khứ hạn hẹp, việc phân tích hồi qui bội phi tuyến truyền thống cho kết quả chưa thỏa mãn với bài toán này, và quá trình vật lý mẫu với vùng trũng không khả thi theo một dữ liệu thời hạn thiếu. Trong cuộc nghiên cứu này, một hệ thống hoàn chỉnh logic mờ cho dự báo cung cấp nước lần đầu tiên được xây dựng cho vùng trũng ở Cypress bằng cách đánh giá dữ liệu với ngôn ngữ học và áp dụng logic mờ. Các kết quả mô hình sau đó được đánh giá tương đối với các dự báo từ các kỹ thuật hồi qui mẫu hiện tại. Cuối cùng, khả năng thay đổi các nguyên tắc quản lý việc tan băng với vùng gần kề được đầu tư.