LỜI CAM ĐOAN Tôi xin cam đoan đề tài khoa học “Ứng dụng phương pháp hồi quy Bayes vào việc dự báo thời tiết” cơng trình nghiên cứu thân Các số liệu kết nghiên cứu luận văn trung thực, trích dẫn từ tài liệu tham khảo trình bày luận văn giáo viên hướng dẫn khoa học thông qua nội dung đồng ý cho bảo vệ trước hội đồng khoa học Người viết luận văn Nguyễn Thị Thu Hòa MỤC LỤC Trang phụ bìa Lời cam đoan Mục lục Danh mục từ viết tắt Danh mục hình vẽ Danh mục bảng LỜI MỞ ĐẦU CHƯƠNG I TỔNG QUAN VỀ KHAI PHÁ DỮ LIỆU 1.1 Khái niệm khai phá liệu (Data mining) .3 1.2 Kiến trúc hệ thống khai phá liệu .3 1.3 Các giai đoạn trình khai phá liệu 1.4 Chức khai phá liệu 1.4.1 Phân lớp (classification) 1.4.2 Hồi quy (regression) .8 1.4.3 Phân cụm (clustering) .8 1.4.4 Tổng hợp (summarization) .8 1.4.5 Phân tích phát triển độ lệch (evolution and deviation analysis) 1.5 Một số thuật toán khai phá liệu 1.5.1 Phân lớp định 1.5.2 Phương pháp gom nhóm K – Means 26 1.6 Một số ứng dụng khai phá liệu 27 1.7 Khai phá liệu số phần mềm ứng dụng 28 1.7.1 Phần mềm Weka 28 1.7.2 Chương trình dự báo thời tiết eWeather .29 CHƯƠNG II GIỚI THIỆU CHUNG VỀ DỰ BÁO THỜI TIẾT VÀ CƠ SỞ LÝ THUYẾT ĐỂ DỰ BÁO THỜI TIẾT 33 2.1 Khái niệm thời tiết phương pháp dự báo thời tiết .33 2.1.1 Thời tiết khí hậu .33 2.1.2 Các phương pháp dự báo thời tiết 33 2.2 Bản đồ thời tiết 38 2.2.1 Bản đồ SyNốp .39 2.2.2 2.3 Bản đồ Faximin .40 Các nhân tố ảnh hưởng đến thời tiết 41 2.3.1 Nhiệt độ khơng khí trung bình 41 2.3.2 Độ ẩm khơng khí trung bình 41 2.3.3 Mây .42 2.3.4 Mưa .42 2.4 Cơ sở lý thuyết 43 2.4.1 Một số khái niệm .43 2.4.2 Phát biểu định lý Bayes 46 2.4.3 Mạng Bayes (Bayesian Network) 46 2.4.4 Cách xây dựng mạng Bayes 48 2.4.5 Phân lớp Naive Bayes 49 Chương III ỨNG DỤNG BAYESIAN ĐỂ XÂY DỰNG CHƯƠNG TRÌNH DỰ BÁO THỜI TIẾT 52 3.1 Đặt vấn đề .52 3.2 Phân tích tốn 52 3.3 Hệ thống chương trình 53 3.3.1 Dữ liệu thu thập 53 3.3.2 Giao diện chương trình .53 3.4 Một số kết dự báo thời tiết .56 3.5 So sánh kết dự đoán kết thực tế 588 KẾT LUẬN 59 TÀI LIỆU THAM KHẢO PHỤ LỤC DANH MỤC CÁC TỪ VIẾT TẮT Ac: Altocumulus As: Altostratus ASP: Active Server Pages Cb: Cumulonimbus Cc: Cirrocumulus Cs: Cirrostratus CSDL: Cơ sở liệu (Databases) DAG: Directed Acyclic Graph DHTNĐ: Dải hội tụ nhiệt đới GIF: Graphics Interchange Format HTM: Hierarchical Temporal Memory HTML: HyperText Markup Language ID3: Iterative Dichotomiser version IP: Internet Protocol JPEG: Joint Photographic Experts Group KDD: Knowledge Discovery in Databases KPDL: Khai phá liệu KTTV: Khí tượng thủy văn MDL: Minimum Description Length ML: Maximum Likelihood NB: Naive Bayes NBC: Naive Bayes Classifier Ns: Nimbostratus PDF: Portable Document Format POP3: Post Office Protocol version RAMS – VNU: The Regional Atmospheric Modeling System SLIQ: Superived Learning In Quest SMTP: Simple Mail Transfer Protocol SPRINT: Scalable PaRallelization INduction of decision Tree SQL: Structure Query Language Ti (Ci): Cirrus TTXVN: Thông xã Việt Nam VB: Visual Basic WML: Wireless Markup Language XML: Extensible Markup Language DANH MỤC CÁC HÌNH VẼ Hình 1.1 Khai phá tri thức sở liệu điển hình .3 Hình 1.2 Mơ hình mơ tả q trình khai phá liệu .5 Hình 2.1 Mây Vũ tích (Cumulonimbus – Cb) 37 Hình 2.2 Mây Trung tích (Altocumulus - Ac) 37 Hình 2.3 Mây Vũ tầng (Nimbostratus – Ns) 37 Hình 2.4 Mây Ti tích (Cirrocumulus - Cc) 37 Hình 2.5 Mây tầng tích (Stratocumulus – Sc) 38 Hình 2.6 Mây Ti (Ci) - (Cirrus) 38 Hình 2.7 Mây trung tầng (Altostratus – As) 38 Hình 2.8 Bản đồ SyNốp 39 Hình 2.9 Mơ hình xốy thuận 40 Hình 2.10 Mơ hình xốy nghịch 40 Hình 2.11 Bản đồ thời tiết xoáy thuận 40 Hình 3.1 Giao diện giới thiệu chương trình 54 Hình 3.2 Giao diện nhập liệu dự đoán 55 Hình 3.3 Giao diện kết chương trình sau dự đốn 55 Hình 3.4 Giao diện dự đốn thời tiết ngày tháng 12 56 Hình 3.5 Giao diện dự đốn thời tiết ngày tháng 10 56 Hình 3.6 Giao diện dự đốn thời tiết ngày tháng 57 Hình 3.7 Giao diện dự đốn thời tiết ngày tháng .57 Hình 3.8 Biểu đồ so sánh kết dự đoán kết thực tế………………… 58 DANH MỤC CÁC BẢNG Bảng 1.1 Bảng liệu thời tiết 12 Bảng 2.1 Bảng xác suất đồng thời 44 LỜI MỞ ĐẦU Trong năm gần đây, phát triển mạnh mẽ công nghệ thông tin làm cho khả thu thập lưu trữ thông tin hệ thống thơng tin tăng nhanh cách chóng mặt Sự bùng nổ dẫn tới yêu cầu cấp thiết cần có kĩ thuật cơng cụ để chuyển đổi lượng liệu khổng lồ thành tri thức có ích Từ đó, kĩ thuật khai phá liệu trở thành lĩnh vực thời công nghệ thông tin giới Quá trình khai phá liệu giúp người sử dụng thu thông tin hữu ích nhiều lĩnh vực Việc khai phá liệu tỏ đặc biệt hiệu từ số liệu cụ thể, cung cấp thơng tin bổ ích cho người dựa sở khoa học đáng tin cậy Với ưu điểm đó, khai phá liệu áp dụng cách rộng rãi nhiều lĩnh vực đời sống khác Hiện nay, khoa học công nghệ phát triển vũ bão, việc khai phá liệu vấn đề nhiều nhà quản lí đầu tư quan tâm lợi ích mà mang lại Nó có khả cung cấp thông tin tiềm ẩn sở liệu lớn mà người làm Luận văn với đề tài “Ứng dụng phương pháp hồi quy Bayes vào việc dự báo thời tiết” khảo sát lĩnh vực khai phá liệu dùng mạng Bayes Luận văn tập trung vào phương pháp hồi quy Bayes để sâu vào việc khai phá liệu từ thông tin thu thập để dự báo thời tiết cho ngày tới Nội dung luận văn trình bày chương với nội dung sau: Chương I Tổng quan khai phá liệu: Giới thiệu tổng quan trình khai phá liệu, kiến trúc hệ thống khai phá liệu, nhiệm vụ chính, phương pháp khai phá liệu số giải thuật khai phá liệu Chương II Giới thiệu chung dự báo thời tiết sở lý thuyết để dự báo thời tiết: Giới thiệu chung dự báo thời tiết, yếu tố ảnh hưởng đến thời tiết phương pháp dự báo thời tiết; đồng thời giới thiệu định lý Bayes, tổng quan mạng Bayes, cách xây dựng mạng Bayes thuật toán phân lớp Naive Bayes Chương III Ứng dụng mạng Bayes để xây dựng chương trình dự báo thời tiết Mặc dù nỗ lực, song thời gian kinh nghiệm nghiên cứu khoa học hạn chế nên khơng thể tránh khỏi thiếu sót Em mong nhận góp ý thầy cô bạn bè đồng nghiệp để hiểu biết ngày hồn thiện Qua luận văn em xin chân thành cảm ơn: TS Hoàng Thị Lan Giao – Khoa Công nghệ thông tin, trường Đại học Khoa học Huế tận tình giúp đỡ, động viên, hướng dẫn em nghiên cứu hoàn thành luận văn Em xin chân thành cảm ơn thầy cô giáo bạn khoa công nghệ thông tin có góp ý hữu ích q trình thực luận văn Bên cạnh đó, em vơ cảm ơn giúp đỡ nhiệt tình động viên khích lệ người thân gia đình em, bạn bè đồng nghiệp suốt trình thực luận văn Biên Hòa, tháng năm 2013 Người viết luận văn Nguyễn Thị Thu Hòa CHƯƠNG I TỔNG QUAN VỀ KHAI PHÁ DỮ LIỆU 1.1 Khái niệm khai phá liệu (Data mining) Khai phá liệu[13] q trình khai thác (rút trích) thơng tin tiềm ẩn có tính dự đốn, thơng tin có nhiều ý nghĩa, hữu ích từ sở liệu lớn, coi bước trình khám phá tri thức (Knowledge Discovery in Databases – KDD) Khai phá liệu giai đoạn quan trọng tiến trình khám phá tri thức từ sở liệu, tri thức có nhiều ý nghĩa, sở hỗ trợ việc định khoa học kinh doanh Khai phá liệu giai đoạn thiết yếu, bước quan trọng tốn nhiều thời gian tồn q trình khám phá tri thức, bước áp dụng kỹ thuật khai phá để khai thác, trích xuất thơng tin có ích, mẫu điển hình, mối liên hệ đặc biệt có nhiều giá trị, mang nhiều ý nghĩa từ liệu 1.2 Kiến trúc hệ thống khai phá liệu Khai phá liệu q trình rút trích thơng tin bổ ích từ kho liệu lớn, q trình khai phá tri thức từ sở liệu Kiến trúc hệ thống khai phá liệu[13] có thành phần sau: Nguồn[13] Hình 1.1 Khám phá tri thức sở liệu điển hình 57 Từ kết dự đốn hình 3.5, ta đưa kết luận sau: thời tiết ngày hơm nhiệt độ trung bình thấp: 25.340C, độ ẩm cao, trời nhiều mây có mưa nhỏ Nguồn[tác giả] Hình 3.6 Giao diện dự đốn thời tiết ngày tháng [tác giả] Từ kết dự đốn hình 3.6, ta đưa kết luận sau: thời tiết ngày hơm có nhiệt độ mức trung bình: 26.620C, độ ẩm thấp, trời nhiều mây khơng mưa Nguồn[tác giả] Hình 3.7 Giao diện dự đốn thời tiết ngày tháng 58 Từ kết hình 3.7, ta đưa kết luận sau: thời tiết ngày hôm có nhiệt độ mức trung bình: khoảng 26.670C, độ ẩm cao, trời nhiều mây có mưa nhỏ 3.5 So sánh kết dự đoán kết thực tế Nguồn[Tác giả] Hình 3.8 Biểu đồ so sánh kết dự đoán kết thực tế Dựa vào biểu đồ so sánh ta thấy sai số yếu tố nhiệt độ, độ ẩm, lượng mây so với thực tế không đáng kể; có lượng mưa sai số nhiều so với thực tế phân lớp cịn q dẫn đến kết chưa xác Hướng khắc phục phân lớp nhỏ nhiều để đưa kết dự báo xác 59 KẾT LUẬN Trong năm gần đây, mơ hình mạng Bayes trở thành công cụ phổ biến để biểu diễn tri thức không chắn lập luận Đây cách tiếp cận sử dụng lý thuyết xác suất chặt chẽ gần gũi với tư người Ngoài ra, mạng Bayes cịn mơ hình có tính tổng qt độ xác cao dự đốn, ứng dụng vào nhiều lĩnh vực khác đời sống xã hội Trong luận văn này, việc nghiên cứu tổng quan phương pháp xây dựng định để đưa luật hỗ trợ định, luận văn cịn tìm hiểu chi tiết phương pháp dự báo dựa vào lý thuyết Bayes để xây dựng chương trình dự báo thời tiết Với mục đích vậy, luận văn đạt số kết sau: - Phân lớp liệu, phát yếu tố liên quan đến thời tiết, từ tạo sở cho nhà chuyên môn sâu nghiên cứu, đánh giá tầm quan trọng yếu tố thực tế - Xây dựng chương trình dự báo thời tiết dựa yếu tố chính: nhiệt độ, độ ẩm, lượng mây lượng mưa Tuy nhiên, chương trình dự báo thời tiết địa phương yếu tố đầu vào hạn chế Hướng phát triển: - Mở rộng số yếu tố liên quan đến dự báo thời tiết để đưa dự báo xác - Phát triển ứng dụng tự động, xây dựng hệ thống tự động cập nhật liệu trợ giúp hệ thống thiết bị chun dụng cung cấp thơng tin dự báo thời tiết cách xác, nhanh chóng đầy đủ TÀI LIỆU THAM KHẢO Tiếng Việt [1] Công ty Minh Việt – JSC, Giới thiệu dịch vụ thời tiết eWeather – http://www.thoitiet.net [2] Đặng Thị Hồng Thủy, Khí tượng nơng nghiệp, NXB Đại học Quốc Gia Hà Nội, 2003 [3] Phần mềm Weka – http://www.cs.waikato.ac.nz/ml/weka/ [4] Trạm khí tượng thủy văn Long Khánh (2012) – đường Nguyễn Văn Bé, huyện Long Khánh, tỉnh Đồng Nai [5] Trần Cơng Minh, Khí hậu khí tượng đại cương, Chương 4: Chế độ nhiệt khí quyển, NXB Đại học Quốc gia Hà Nội, 2007 [6] Trần Công Nam, Giáo trình khí tượng hải dương học, Học viện Hải Quân, 2009 [7] Trần Tân Tiến, Phương pháp số dự báo thời tiết, NXB Đại học Quốc Gia Hà Nội, 2007 [8] Trung tâm dự báo khí tượng thủy văn Đồng Nai (2013) – số 1, tổ 1, khu phố 3, phường Tân Hiệp, thành phố Biên Hòa, tỉnh Đồng Nai Tiếng Anh [9] Anurang Srivastava, Eui – Hong Han, Vipin Kumar, Vieet Singh, Parallel Formulations of Decision – Tree Classification Algorithm, kluwer academic Publisher, 1999 [10] Charles River Analytics, Inc (2004), About Bayesian Belief Networks [11] Heping Pan, D.MacMichael, Marta Lendjel (1998), Inference Algorithms in Bayesian Networks and The Probanet System – http://citeseer.ist.psu.edu/pan98inference.html [12] Hồ Tú Bảo, Introduction to Knowledge Discovery and Data Mining, IOIT, 2001 [13] Jiawei Han and Micheline Kamber, Data Mining: Concepts and Techniques, 2nd Edition, Morgan Kaufmann Publishers, 2006 [14] J.R.Quinlan, Improve Used of Continuous Attribute in C4.5, in Joural of Artificial Intelligence Research (1996) 77 – 90 [15] J.Ross Quinlan, X Wu, V Kumar, … Top 10 Algorithms in Data Mining, Chapman & Hall/ CRC, ©Taylor & Francis Group, LLC, 2009 [16] Mehmed Kantardzic, Data Mining: Concepts, Models, Methods, and Algorithms, 2003 by John Wiley & Sons [17] Mehta M., Rissanen J., and Agrawal R., MDL – based decision tree pruning, In Int’l Conference on Knowledge Discovery in Databases and Data Mining (KDD – 95), Monteral, Canada,1995 [18] Mehta M., Agrawal A., and Rissanen J., SLIQ: A fast scalable classifier for data mining, In EDBT 96, Avignon, France, 1996 [19] Murphy, K (2001), A brief introduction to graphical models and Bayesian Networks, October 14, 2001 [20] Rastogi R., Shim K., Mining Optimized Gain Rules for Numeric Attributes, Technical Report, Bell Laboratories, Englewood, NJ: Murray Hill, 1998 [21] Rechard Kufrin, Generating C4.5 Production Rules in Parallel, In Proceeding of Fourteenth National Conference of Artificial Intelligence, Providence RI, 1997 [22] Shafer John, Agrawal Rakesh, and Mehta Manish, SPRINT: A scalable parallel classifier for data mining, In Proc Of the VLDB conference, Bombay, India, 1996 [23] Usama M., Fayyard (1996), Bayesian networks for knowledge discovery, Advances in knowledge discovery and data mining, AAAI Press, 273 – 30 PHỤ LỤC Bảng liệu đầu vào để dự báo thời tiết Nguồn[4] T h n g N g y Nhiệt độ (t) Độ ẩm (t) 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 26.2 25.4 25.4 24.6 24.9 25.5 25.0 24.1 24.3 23.8 24.5 25.3 25.4 25.9 26.3 25.7 25.6 25.7 27.1 26.9 26.0 24.7 25.9 25.7 25.3 25.3 25.3 25.0 27.2 26.2 25.4 25.7 26.8 25.1 26.8 26.7 77 76 73 79 76 78 75 73 68 76 76 75 76 75 77 82 81 81 75 73 69 71 73 74 81 75 72 77 72 77 78 74 67 77 67 69 Lượng Lượng Nhiệt mây mưa độ (t) (t) (s) 27 30 30 30 20 35 35 34 33 33 25 36 17 32 24 30 10 22 20 20 36 17 30 32 30 39 30 14 30 22 28 18 26 19 0 0 0 0 0 0 0 16 0 0 0 0 71 0 0 0 0 0 25.4 25.4 24.6 24.9 25.5 25.0 24.1 24.3 23.8 24.5 25.3 25.4 25.9 26.3 25.7 25.6 25.7 27.1 26.9 26.0 24.7 25.9 25.7 25.3 25.3 25.3 25.0 27.2 26.2 25.4 25.7 26.8 25.1 26.8 26.7 26.4 Độ ẩm (s) 76 73 79 76 78 75 73 68 76 76 75 76 75 77 82 81 81 75 73 69 71 73 74 81 75 72 77 72 77 78 74 67 77 67 69 76 Lượng Lượng mây mưa (s) (s) 30 30 30 20 35 35 34 33 33 25 36 17 32 24 30 10 22 20 20 36 17 30 32 30 39 30 14 30 22 28 18 26 19 22 0 0 0 0 0 0 16 0 0 0 0 71 0 0 0 0 0 0 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 10 11 12 13 14 15 16 17 18 19 20 21 22 26.4 25.6 26.8 25.9 25.8 26.3 26.5 25.9 24.9 26.0 26.7 25.3 25.6 24.8 25.5 26.2 26.3 26.7 27.0 27.3 27.5 27.2 26.6 27.7 27.8 28.5 28.2 27.9 28.1 27.9 27.6 27.8 27.4 28.7 28.1 28.5 28.8 28.5 27.9 28.1 28.0 27.5 26.7 26.9 26.2 26.9 76 81 72 70 71 66 69 69 77 75 78 89 79 69 73 84 84 79 78 80 76 71 69 66 70 63 65 67 72 76 77 78 76 66 66 59 62 63 71 71 69 72 80 83 85 79 22 22 30 20 16 20 32 25 30 36 40 24 28 30 28 40 30 27 21 15 11 20 17 17 30 40 31 23 26 26 30 25 27 27 21 27 11 29 26 32 29 16 0 0 0 0 0 207 0 161 0 0 0 0 0 0 0 0 0 0 0 0 200 47 385 25.6 26.8 25.9 25.8 26.3 26.5 25.9 24.9 26.0 26.7 25.3 25.6 24.8 25.5 26.2 26.3 26.7 27.0 27.3 27.5 27.2 26.6 27.7 27.8 28.5 28.2 27.9 28.1 27.9 27.6 27.8 27.4 28.7 28.1 28.5 28.8 28.5 27.9 28.1 28.0 27.5 26.7 26.9 26.2 26.9 26.8 81 72 70 71 66 69 69 77 75 78 89 79 69 73 84 84 79 78 80 76 71 69 66 70 63 65 67 72 76 77 78 76 66 66 59 62 63 71 71 69 72 80 83 85 79 83 22 30 20 16 20 32 25 30 36 40 24 28 30 28 40 30 27 21 15 11 20 17 17 30 40 31 23 26 26 30 25 27 27 21 27 11 29 26 32 29 16 21 0 0 0 0 0 207 0 161 0 0 0 0 0 0 0 0 0 0 0 0 200 47 385 5 23 24 25 26 27 28 29 30 31 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 26.8 27.7 27.3 26.9 26.7 26.8 27.0 27.1 25.8 23.0 24.5 26.4 27.0 26.9 27.4 27.4 27.6 27.3 27.1 28.3 27.9 28.3 28.2 28.5 28.6 29.0 29.0 28.3 28.6 27.8 26.5 27.4 27.7 27.7 26.6 27.1 26.8 26.1 27.1 28.5 28.3 28.6 27.9 28.3 27.6 25.0 83 75 72 74 75 71 74 79 90 98 93 83 77 80 80 76 78 73 75 74 78 75 75 77 76 76 77 79 76 83 86 85 85 82 84 81 90 86 83 82 83 83 78 81 84 94 21 29 23 14 38 40 40 40 35 40 40 27 17 25 24 27 13 19 26 26 18 23 14 26 16 24 11 18 36 28 24 22 32 38 40 33 23 30 32 16 13 19 24 30 35 40 0 0 0 47 2028 100 0 0 0 0 0 0 0 0 348 253 252 56 45 25 0 0 0 910 27.7 27.3 26.9 26.7 26.8 27.0 27.1 25.8 23.0 24.5 26.4 27.0 26.9 27.4 27.4 27.6 27.3 27.1 28.3 27.9 28.3 28.2 28.5 28.6 29.0 29.0 28.3 28.6 27.8 26.5 27.4 27.7 27.7 26.6 27.1 26.8 26.1 27.1 28.5 28.3 28.6 27.9 28.3 27.6 25.0 25.9 75 72 74 75 71 74 79 90 98 93 83 77 80 80 76 78 73 75 74 78 75 75 77 76 76 77 79 76 83 86 85 85 82 84 81 90 86 83 82 83 83 78 81 84 94 87 29 23 14 38 40 40 40 35 40 40 27 17 25 24 27 13 19 26 26 18 23 14 26 16 24 11 18 36 28 24 22 32 38 40 33 23 30 32 16 13 19 24 30 35 40 26 0 0 0 47 2028 100 0 0 0 0 0 0 0 0 348 253 252 56 45 25 0 0 0 910 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 10 11 12 13 14 15 16 17 18 19 20 21 22 25.9 26.4 26.9 28.3 27.2 26.3 26.4 25.7 24.3 26.4 27.1 28.2 28.2 28.0 28.4 27.4 25.1 24.9 26.3 25.9 26.9 26.7 27.4 27.8 27.0 27.7 27.5 27.2 25.9 25.2 26.8 26.3 25.2 26.0 25.8 26.4 27.3 27.4 26.9 26.3 25.1 24.9 27.4 27.5 27.4 26.3 87 86 83 83 84 89 87 87 95 89 85 83 82 84 85 84 93 97 89 90 84 87 87 86 87 83 85 85 95 96 89 90 92 89 91 89 81 84 86 89 91 95 83 82 86 84 26 16 20 20 34 36 33 28 37 28 21 13 19 21 33 37 32 39 35 25 19 23 33 33 40 40 35 25 38 40 32 34 35 37 25 26 22 25 35 40 37 37 33 40 32 28 18 0 78 23 134 141 126 11 0 0 94 150 231 215 63 425 0 158 232 299 23 18 177 178 59 120 0 24 108 212 145 0 35 26.4 26.9 28.3 27.2 26.3 26.4 25.7 24.3 26.4 27.1 28.2 28.2 28.0 28.4 27.4 25.1 24.9 26.3 25.9 26.9 26.7 27.4 27.8 27.0 27.7 27.5 27.2 25.9 25.2 26.8 26.3 25.2 26.0 25.8 26.4 27.3 27.4 26.9 26.3 25.1 24.9 27.4 27.5 27.4 26.3 26.5 86 83 83 84 89 87 87 95 89 85 83 82 84 85 84 93 97 89 90 84 87 87 86 87 83 85 85 95 96 89 90 92 89 91 89 81 84 86 89 91 95 83 82 86 84 87 16 20 20 34 36 33 28 37 28 21 13 19 21 33 37 32 39 35 25 19 23 33 33 40 40 35 25 38 40 32 34 35 37 25 26 22 25 35 40 37 37 33 40 32 28 25 18 0 78 23 134 141 126 11 0 0 94 150 231 215 63 425 0 158 232 299 23 18 177 178 59 120 0 24 108 212 145 0 35 52 23 24 25 26 27 28 29 30 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 26.5 27.1 27.8 28.1 26.2 25.4 25.2 24.6 24.0 25.1 25.0 24.9 26.8 27.2 26.0 26.0 26.3 26.6 25.8 25.3 23.9 26.2 27.3 27.5 25.3 25.7 25.8 25.4 27.4 26.7 27.4 25.9 26.4 26.9 26.5 24.3 25.7 26.1 25.3 25.5 25.1 26.0 26.9 27.6 27.6 27.0 87 80 78 79 85 88 89 94 93 90 89 93 88 84 88 86 87 84 90 90 96 88 83 86 92 88 87 91 83 88 82 88 81 85 90 98 84 84 86 89 88 93 85 84 83 84 25 16 27 11 27 37 40 40 39 34 38 38 32 34 36 37 38 38 38 38 40 20 24 28 38 27 33 36 28 35 35 31 22 37 34 40 35 32 27 40 37 36 33 38 26 30 52 0 250 273 45 305 441 182 440 497 645 21 65 304 259 120 0 26 795 158 96 62 56 52 556 44 104 54 29 23 145 40 27.1 27.8 28.1 26.2 25.4 25.2 24.6 24.0 25.1 25.0 24.9 26.8 27.2 26.0 26.0 26.3 26.6 25.8 25.3 23.9 26.2 27.3 27.5 25.3 25.7 25.8 25.4 27.4 26.7 27.4 25.9 26.4 26.9 26.5 24.3 25.7 26.1 25.3 25.5 25.1 26.0 26.9 27.6 27.6 27.0 27.2 80 78 79 85 88 89 94 93 90 89 93 88 84 88 86 87 84 90 90 96 88 83 86 92 88 87 91 83 88 82 88 81 85 90 98 84 84 86 89 88 93 85 84 83 84 83 16 27 11 27 37 40 40 39 34 38 38 32 34 36 37 38 38 38 38 40 20 24 28 38 27 33 36 28 35 35 31 22 37 34 40 35 32 27 40 37 36 33 38 26 30 35 0 250 273 45 305 441 182 440 497 645 21 65 304 259 120 0 26 795 158 96 62 56 52 556 44 104 54 29 23 145 40 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 10 11 12 13 14 15 16 17 18 19 20 21 22 27.2 26.9 27.7 27.5 27.4 27.9 27.2 26.8 27.0 25.6 26.0 27.0 27.9 26.4 26.1 26.2 26.8 25.4 25.9 24.7 26.6 26.0 26.8 27.2 24.7 24.5 26.6 24.7 25.9 25.8 26.1 27.1 26.2 25.1 24.0 25.2 24.7 25.7 25.6 25.2 25.4 25.8 26.0 25.0 25.3 26.1 83 89 85 81 87 80 84 86 87 92 89 85 84 87 89 86 88 92 89 95 89 88 85 86 95 95 87 96 91 92 86 84 88 91 96 91 92 91 93 90 89 86 88 91 91 89 35 36 38 21 28 21 23 33 33 37 37 31 40 40 39 32 40 40 39 38 27 32 32 38 38 40 26 40 35 39 40 37 32 38 38 40 39 38 37 37 40 21 30 34 38 37 30 0 44 80 297 42 522 12 64 301 210 118 0 0 536 45 718 264 110 140 70 572 76 200 284 435 87 315 141 81 170 34 26.9 27.7 27.5 27.4 27.9 27.2 26.8 27.0 25.6 26.0 27.0 27.9 26.4 26.1 26.2 26.8 25.4 25.9 24.7 26.6 26.0 26.8 27.2 24.7 24.5 26.6 24.7 25.9 25.8 26.1 27.1 26.2 25.1 24.0 25.2 24.7 25.7 25.6 25.2 25.4 25.8 26.0 25.0 25.3 26.1 25.7 89 85 81 87 80 84 86 87 92 89 85 84 87 89 86 88 92 89 95 89 88 85 86 95 95 87 96 91 92 86 84 88 91 96 91 92 91 93 90 89 86 88 91 91 89 94 36 38 21 28 21 23 33 33 37 37 31 40 40 39 32 40 40 39 38 27 32 32 38 38 40 26 40 35 39 40 37 32 38 38 40 39 38 37 37 40 21 30 34 38 37 39 30 0 44 80 297 42 522 12 64 301 210 118 0 0 536 45 718 264 110 140 70 572 76 200 284 435 87 315 141 81 170 34 12 10 11 23 24 25 26 27 28 29 30 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 25.7 25.5 25.2 24.9 24.9 24.2 25.2 25.1 25.9 25.9 25.0 26.1 25.6 26.2 27.3 27.0 25.4 25.3 24.3 25.6 25.0 25.2 25.1 26.0 26.0 25.3 25.4 26.1 25.8 25.7 25.9 26.3 26.7 26.7 25.9 25.3 24.4 22.7 23.2 26.5 26.4 26.1 26.2 26.4 26.6 26.9 94 95 95 93 94 98 90 92 89 90 94 89 91 88 86 86 90 91 96 91 92 91 90 86 87 87 91 88 89 84 86 88 88 87 89 91 86 94 93 81 83 81 84 87 85 80 39 39 30 27 38 40 38 40 37 36 36 39 25 39 36 37 40 40 38 39 36 32 30 30 35 40 39 37 35 33 24 33 31 40 36 32 35 39 24 37 25 37 34 24 28 12 52 48 27 188 1022 149 204 32 458 83 220 262 213 46 990 900 123 75 914 821 45 12 83 13 44 115 0 284 166 155 55 16 0 172 0 25.5 25.2 24.9 24.9 24.2 25.2 25.1 25.9 25.9 25.0 26.1 25.6 26.2 27.3 27.0 25.4 25.3 24.3 25.6 25.0 25.2 25.1 26.0 26.0 25.3 25.4 26.1 25.8 25.7 25.9 26.3 26.7 26.7 25.9 25.3 24.4 22.7 23.2 26.5 26.4 26.1 26.2 26.4 26.6 26.9 27.4 95 95 93 94 98 90 92 89 90 94 89 91 88 86 86 90 91 96 91 92 91 90 86 87 87 91 88 89 84 86 88 88 87 89 91 86 94 93 81 83 81 84 87 85 80 79 39 30 27 38 40 38 40 37 36 36 39 25 39 36 37 40 40 38 39 36 32 30 30 35 40 39 37 35 33 24 33 31 40 36 32 35 39 24 37 25 37 34 24 28 11 52 48 27 188 1022 149 204 32 458 83 220 262 213 46 990 900 123 75 914 821 45 12 83 13 44 115 0 284 166 155 55 16 0 172 0 12 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 10 11 12 13 14 15 16 17 18 19 20 21 22 23 27.4 27.3 27.4 28.0 27.3 26.6 24.2 24.4 26.0 27.2 27.0 26.9 26.6 27.0 27.1 26.5 27.1 27.2 26.7 27.1 26.7 26.1 26.6 26.1 26.0 26.0 26.2 25.3 26.0 25.9 25.6 25.7 25.6 26.1 26.1 26.2 27.1 26.9 26.7 27.5 26.8 26.4 26.2 26.9 26.3 26.0 79 80 79 79 80 81 89 91 89 84 82 82 84 80 83 83 82 74 76 77 75 78 74 72 75 81 79 80 84 85 82 81 81 80 77 78 77 76 74 68 73 73 73 75 75 74 11 24 17 23 28 36 39 39 33 22 29 22 24 36 14 35 30 38 32 32 29 21 34 28 35 33 29 30 17 24 26 17 38 38 20 13 11 24 30 35 40 33 0 0 0 21 43 0 0 11 72 0 0 0 0 0 0 0 0 0 0 0 0 0 0 27.3 27.4 28.0 27.3 26.6 24.2 24.4 26.0 27.2 27.0 26.9 26.6 27.0 27.1 26.5 27.1 27.2 26.7 27.1 26.7 26.1 26.6 26.1 26.0 26.0 26.2 25.3 26.0 25.9 25.6 25.7 25.6 26.1 26.1 26.2 27.1 26.9 26.7 27.5 26.8 26.4 26.2 26.9 26.3 26.0 24.6 80 79 79 80 81 89 91 89 84 82 82 84 80 83 83 82 74 76 77 75 78 74 72 75 81 79 80 84 85 82 81 81 80 77 78 77 76 74 68 73 73 73 75 75 74 76 24 17 23 28 36 39 39 33 22 29 22 24 36 14 35 30 38 32 32 29 21 34 28 35 33 29 30 17 24 26 17 38 38 20 13 11 24 30 35 40 33 39 0 0 21 43 0 0 11 72 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 24 25 26 27 28 29 30 31 24.6 25.3 26.4 26.2 26.8 26.3 26.5 25.7 76 74 76 78 79 86 81 76 39 40 40 38 38 37 32 21 0 0 75 0 25.3 26.4 26.2 26.8 26.3 26.5 25.7 26.2 74 76 78 79 86 81 76 77 40 40 38 38 37 32 21 27 0 0 75 0 ... với đề tài ? ?Ứng dụng phương pháp hồi quy Bayes vào việc dự báo thời tiết? ?? khảo sát lĩnh vực khai phá liệu dùng mạng Bayes Luận văn tập trung vào phương pháp hồi quy Bayes để sâu vào việc khai phá... GIỚI THIỆU CHUNG VỀ DỰ BÁO THỜI TIẾT VÀ CƠ SỞ LÝ THUYẾT ĐỂ DỰ BÁO THỜI TIẾT 2.1 Khái niệm thời tiết phương pháp dự báo thời tiết 2.1.1 Thời tiết khí hậu 2.1.1.1 Thời tiết Thời tiết[ 6] trạng thái... tiết eWeather .29 CHƯƠNG II GIỚI THIỆU CHUNG VỀ DỰ BÁO THỜI TIẾT VÀ CƠ SỞ LÝ THUYẾT ĐỂ DỰ BÁO THỜI TIẾT 33 2.1 Khái niệm thời tiết phương pháp dự báo thời tiết .33 2.1.1 Thời tiết