Mô hình hóa hệ thức hợp ứng dụng mạng nơron

ĐẠI HỌC THÁI NGUYÊN
TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP





LUẬN VĂN THẠC SỸ KỸ THUẬT
NGÀNH: TỰ ĐỘNG HÓA






MÔ HÌNH HÓA HỆ PHỨC HỢP
ỨNG DỤNG MẠNG NƠRON







TÔ THẾ DIỆN

THÁI NGUYÊN 2011

ĐẠI HỌC THÁI NGUYÊN
TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP





LUẬN VĂN THẠC SỸ KỸ THUẬT






MÔ HÌNH HÓA HỆ PHỨC HỢP
ỨNG DỤNG MẠNG NƠRON

Ngành : TỰ ĐỘNG HÓA
Mã Số :
Học Viên : TÔ THẾ DIỆN
HD Khoa học: TS. NGUYỄN ĐỨC THĂNG












THÁI NGUYÊN 2011

ĐẠI HỌC THÁI NGUYÊN CỘNG HÕA XÃ HỘI CHỦ NGHĨA VIỆT NAM
TRƯỜNG ĐHKT CÔNG NGHIỆP ĐỘC LẬP - TỰ DO - HẠNH PHÖC



THUYẾT MINH
LUẬN VĂN THẠC SỸ KỸ THUẬT



ĐỀ TÀI
MÔ HÌNH HÓA HỆ PHỨC HỢP

ỨNG DỤNG MẠNG NƠRON



Học Viên : TÔ THẾ DIỆN
Lớp : CHK12 -TĐH
Chuyên ngành : TỰ ĐỘNG HÓA
HD Khoa học : TS. NGUYỄN ĐỨC THĂNG
Ngày giao đề tài :
Ngày hoàn thành đề tài :

Người hướng dẫn khoa học Học viên



TS. Nguyễn Đức Thăng Tô Thế Diện

Duyệt Ban Giám Hiệu Khoa Sau Đại học







Số hóa bởi Trung tâm Học liệu – ĐHTN
- 1 -
LỜI CAM ĐOAN
Tôi xin cam đoan luận văn này là công trình nghiên cứu do tôi tổng hợp và
thực hiện.

Tác giả luận văn


Tô Thế Diện

















Số hóa bởi Trung tâm Học liệu – ĐHTN
- 2 -
LỜI CẢM ƠN
Trong thời gian được học tập tại Trường Đại học Kỹ thuật Công nghiệp Thái

Nguyên và hoàn thành khóa học bằng luận văn Thạc sĩ này, tôi luôn nhận được sự
dạy bảo, quan tâm cùng với những lời góp ý chân thành từ các Thầy Cô, đồng
nghiệp, gia đình và bạn bè.
Xin chân thành biết ơn:
Tiến sỹ Nguyễn Đức Thăng, Thầy giáo hướng dẫn, đã hỗ trợ em rất nhiều về
mặt chuyên môn và tạo mọi điều kiện cho em hoàn thành luận văn này.
Anh Nguyễn Khoa Việt Trường đã giúp đỡ tôi rất nhiều trong kỹ thuật lập
trình trên ngôn ngữ Matlab.
Tất cả các Thầy Cô giáo Trường Đại học Kỹ thuật Công nghiệp Thái Nguyên
đã tận tình hướng dẫn, truyền đạt kiến thức trong suốt thời gian tôi học tập tại đây.
Tất cả bạn bè, đồng nghiệp xung quanh tôi đã giúp đỡ tôi rất nhiều trong quá
trình tìm kiếm số liệu để hoàn thành tốt luận văn.
Cuối cùng tôi không thể không nhắc đến gia đình thân yêu của tôi, gia đình là
nguồn động viên tinh thần lớn nhất cho tôi trong suốt thời gian học tập.
Xin chân thành cảm ơn!
Thái Nguyên, ngày 15 tháng 09 năm 2011
Học viên

Tô Thế Diện









Số hóa bởi Trung tâm Học liệu – ĐHTN
- 3 -

MỤC LỤC
Trang
Mục lục 3
Danh mục các ký hiệu, các chữ viết tắt 7
Danh mục các hình vẽ - đồ thị 8
Danh mục các bảng, biểu 10
Bảng giải thích tóm tắt một số thuật ngữ 11
Chƣơng 1. Giới thiệu chung 13
1.1. Tính cấp thiết của đề tài 13
1.2. Ý nghĩa khoa học và thực tiễn của đề tài 14
1.3. Mục đích của đề tài 14
1.4. Nội dung thực hiện 15
1.5. Phương pháp nghiên cứu 15
Chƣơng 2. Tổng quan về hệ phức hợp 16
2.1. Định nghĩa 16
2.2. Các tính năng của hệ phức hợp 18
2.3. Phân loại hệ thống phức hợp 19
2.3.1. Hệ thống hỗn loạn 19
2.3.2. Hệ thống thích nghi phức hợp 20
2.3.3. Hệ thống phi tuyến. 20
2.4. Mô hình hóa hệ phức hợp 20
2.4.1. Mô hình hóa là gì 20
2.4.2. Mô hình hóa hệ phức hợp. 21
Chƣơng 3. Tổng quan về mạng nơron nhân tạo. 24
3.1. Lịch sử phát triển của mạng nơron nhân tạo 24
3.2. Các tính chất của mạng nơron nhân tạo 25
3.3. Mô hình mạng nơron. 25
3.3.1. Mô hình mạng nơron sinh học 25
3.3.1.1. Chức năng, tổ chức và hoạt động của bộ não con người 25

Số hóa bởi Trung tâm Học liệu – ĐHTN
- 4 -
3.3.1.2. Mạng nơron sinh học 27
3.3.2. Mạng nơron nhân tạo 28
3.3.2.1. Khái niệm 28
3.3.2.2. Phân loại mạng nơron nhân tạo 32
3.3.2.3. Phương thức làm việc của mạng nơron nhân tạo 34
3.3.2.4. Các luật học 35
3.3.3. Mô hình toán học mạng nơron truyền thẳng và mạng nơron hồi quy 39
3.3.3.1. Mạng nơron truyền thẳng 39
3.3.3.2. Mạng nơron hồi quy 41
3.4. Phạm vi ứng dụng của mạng nơron 43
3.4.1. Những bài toán thích hợp 43
3.4.1.1. Mô hình hóa 43
3.4.1.2. Phân loại 44
3.4.1.3. Liên kết và kỹ thuật dịch chuyển cửa sổ 44
3.4.2. Các lĩnh vực ứng dụng của mạng nơron 45
3.4.3. Ưu nhược điểm của mạng nơron 46
3.5. Quá trình huấn luyện mạng nơron nhiều lớp 47
3.5.1. Quá trình thực hiện 47
3.5.2. Quy tắc chuỗi 48
3.5.3. Độ chính xác của lan truyền ngược 49
3.6. So sánh khả năng của mạng nơron với mạch logic 50
Chƣơng 4. Hệ thống xử lý nƣớc thải 52
4.1. Các thông số đánh giá ô nhiễm và yêu cầu xử lý 53
4.1.1. Các thông số đánh giá ô nhiễm nước thải 53
4.1.2. Yêu cầu xử lý 54
4.2. Quy trình của một hệ thống xử lý nước thải 55
4.2.1. Xử lý sơ cấp 56
4.2.2. Xử lý sinh học trong điều kiện kỵ khí 57

4.2.3. Xử lý bằng phân hủy Ozon 58

Số hóa bởi Trung tâm Học liệu – ĐHTN
- 5 -
4.2.4. Tuyển nổi thứ cấp và lắng thứ cấp 60
4.2.5. Xử lý và tái sử dụng bùn 60
4.3. Công nghệ xử lý nước thải công nghiệp 61
4.3.1. Đặc trưng của nước thải công nghiệp 61
4.3.2. Thuyết minh quy trình công nghệ 62
Chƣơng 5. Mô hình hóa hệ thống xử lý nƣớc thải sử dụng mạng nơron 64
5.1. Mô hình hóa quá trình xử lý nước thải. 64
5.2. Mạng nơ ron nhân tạo và mô hình thống kê kinh điển. 67
5.2.1. Sự tương đồng 67
5.2.2. Sự khác nhau 68
5.2.2.1. Về mục tiêu. 68
5.2.2.2. Phương pháp tiếp cận mô hình. 68
5.3. Ứng dụng trong kỹ thuật môi trường. 69
5.4. Phát triển mô hình 70
5.4.1. Phương pháp luận. 70
5.4.1.1. Thu thập dữ liệu và xử lý dữ liệu. 70
5.4.1.2. Xây dựng mô hình 71
5.4.1.3. Luyện mạng. 72
5.4.1.4. Kiểm chứng mạng 73
5.4.1.5. Khai thác mô hình. 73
5.4.2. Xây dựng chương trình máy tính. 74
5.5. Ứng dụng mô hình cho trạm xử lý nước thải. 77
5.5.1. Tổng quát chung 78
5.5.2. Trạm xử lý nước thải của nhà máy NatSteelVina.Thái Nguyên 81
5.5.2.1. Giới thiệu về hệ thống xử lý nước thải. 81
5.5.2.2. Thu thập số liệu. 82

5.5.2.3. Xử lý số liệu. 82
5.5.2.4. Luyện và mô phỏng. 83
5.6. Một số vấn đề về tự động hóa xử lý nước thải 88

Số hóa bởi Trung tâm Học liệu – ĐHTN
- 6 -
5.6.1. Mục đích áp dụng tự động hóa xử lý nước thải 88
5.6.2. Yêu cầu và cơ sở xây dựng hệ thống tự động hoá. 89
Kết luận và kiến nghị 93
Tài liệu tham khảo 94
Phụ lục 97
Số liệu đầu vào đầu ra của trạm xử lý nước thải nhà máy NatSteelVina 97
Hướng dẫn chương trình NeuralSim. 103

Số hóa bởi Trung tâm Học liệu – ĐHTN
- 7 -
DANH MỤC CÁC KÝ HIỆU VIẾT TẮT

Ký hiệu
Ý nghĩa
MIMO
Hệ nhiều đầu vào - nhiều đầu ra.
SISO
Một đầu vào - một đầu ra
MAE
Mean Absoluted Errors: Sai số tuyệt đối trung bình.
RMSE
Root Mean Squared Errors: Sai số bình phương trung bình gốc.
COD
Chemical Oxygen Demand: Nhu cầu oxy hóa học.
DO
Lượng oxy hòa tan
BOD
Biochemical oxygen Demand: Nhu cầu oxy sinh hóa
NSVinaip
NatSteel Vina Input
NSVinaop
NatSteel Vina Output

Số hóa bởi Trung tâm Học liệu – ĐHTN
- 8 -
DANH MỤC CÁC HÌNH VẼ - ĐỒ THỊ
Trang
Hình 2.1. Bản đồ trực quan tổ chức khoa học hệ thống phức hợp 16
Hình 3.1. Não bộ người. 25
Hình 3.2. Mô hình mạng nơron sinh học 27
Hình 3.3. Mô hình nơron nhân tạo 29
Hình 3.4. Hàm Ramp 31
Hình 3.5. Hàm bước nhảy 31
Hình 3.6. Hàm giới hạn cứng 32
Hình 3.7. Hàm Sigmid hai cực 32

Hình 3.8. Mạng truyền thẳng một lớp 33
Hình 3.9. Mạng truyền thẳng nhiều lớp 33
Hình 3.10. Nơron tự phản hồi 33
Hình 3.11. Mạng phản hồi một lớp 34
Hình 3.12. Mạng phản hồi nhiều lớp 34
Hình 3.13. Cấu trúc huấn luyện mạng nơron 35
Hình 3.14. Mô hình học có giám sát và học củng cố 36
Hình 3.15. Học không có giám sát 37
Hình 3.16. Sơ đồ cấu trúc chung của quá trình học 38
Hình 3.17. Mô hình mạng truyền thẳng 1 lớp 39
Hình 3.18. Mạng nơron nhiều lớp truyền thẳng 40
Hình 3.19. Mạng nơron hồi quy một lớp 41
Hinh 3.20. Mạng nơron hồi quy nhiều lớp 41
Hình 4.1. Quy trình của một hệ thống xử lý nước thải 55
Hình 4.2. Quy trình công nghệ xử lý nước thải 61
Hình 5.1. Sơ đồ hóa của 1 khâu đại diện trong hệ thống xử lý nước thải 64
Hình 5.2. Phân loại các công cụ mô hình hóa. 65
Hình 5.3. Hướng lựa chọn các kỹ thuật mô hình hóa cho các hệ thống 66
Hình 5.4. Các bước phát triển mô hình 70

Số hóa bởi Trung tâm Học liệu – ĐHTN
- 9 -
Hình 5.5. Giao diện ứng dụng mạng nơron 75
Hình 5.6. Phân chia số liệu đã thu thập được 76
Hình 5.7. Sơ đồ mạng nơron 3 lớp 79
Hình 5.8. Sơ đồ công nghệ hệ thống xử lý nước thải 82
Hình 5.9. Diễn biến sai số MAE cực tiểu theo số lần lặp của NatSteel Vina. 83
Hình 5.10. Tối ưu hóa quá trình luyện mạng của NatSteel Vina 84
Hình 5.11. Tối ưu hóa quá trình kiểm chứng mạng của NatSteel Vina 85
Hình 5.12. Quá trình luyện mạng của “LM15Trained” của NatSteel Vina. 86

Hình 5.13. Quá trình kiểm chứng mạng của “LM15Sim” của NatSteel Vina. 87
Hình 5.14. Lưu đồ điều chỉnh DO 90




















Số hóa bởi Trung tâm Học liệu – ĐHTN
- 10 -
DANH MỤC CÁC BẢNG

Trang
Bảng 4.1. Phân bố và dạng của nước trên trái đất 52
Bảng 5.1. Các thuật ngữ của mạng nơron và mô hình thống kê 67
Bảng 5.2. Số liệu dùng để luyện mạng của nhà máy NatSteel Vina. 97

Bảng 5.3. Số liệu dùng để kiểm chứng mạng của nhà máy NatSteel Vina. 101























Số hóa bởi Trung tâm Học liệu – ĐHTN
- 11 -
BẢNG GIẢI THÍCH TÓM TẮT MỘT SỐ THUẬT NGỮ

Thuật ngữ
Ý nghĩa

Mạng nơron
Gọi đầy đủ là mạng nơron nhân tạo, là một thuật ngữ của trí
thông minh nhân tạo. Nó gồm một mạng tính toán được liên
kết từ rất nhiều đơn vị tính toán đơn giản gọi là nơron đơn vị.
Học
Quá trình tiếp nhận, phân tích và vận dụng
Thông số đầu
vào
Các thông số đầu vào và thông số vận hành của hệ thống.
Thông số đầu
ra
Các số liệu đầu ra của hệ thống, biểu thị chất lượng đầu ra của
nước sau khi xử lý.
Dữ liệu luyện
mạng
Là một phần của số liệu thu thập được, thường chiếm 70%
tổng số liệu thu thập, sử dụng cho quá trình luyện mạng.
Dữ liệu đánh
giá độ chính
xác của mạng
Là một phần của số liệu thu thập được, thường chiếm 30%
tổng số liệu thu thập, dùng để kiểm chứng khả năng tổng quát
hóa của mô hình cũng như khả năng dự báo của chúng.
Hàm kích
hoạt
Là hàm cơ bản của một nơron đơn vị, có khả năng xấp xỉ
những hàm phi tuyến phức tạp của mạng nơron.
Trọng số
Có vai trò như các tham số trong các mô hình đa thức, là nơi
mà mạng nơron lưu giữ thông tin về mối liên hệ giữa đầu vào

và đầu ra của hệ thống mà nó học được trong quá trình luyện.
Luyện mạng
Là quá trình điều chỉnh các trọng số sao cho nó có thể mô tả
được tốt nhất mối quan hệ giữa đầu vào và đầu ra với một sai
số cho trước.
Thế hệ luyện
Số lần lặp lại của quá trình luyện để điều chỉnh các trọng số
của mạng.
Kiểm chứng
mạng
Là quá trình kiểm tra khả năng dự báo của mạng đã được luyện
với một tập dữ liệu hoàn toàn độc lập.


Số hóa bởi Trung tâm Học liệu – ĐHTN
- 12 -
Hàm sai số
Là cách tính cộng gộp lỗi của các đơn vị trong mạng, đây cũng
là tiêu chí của quá trình luyện mạng.
Sai số
Là sai số giữa giá trị tính toán bằng mô hình và giá trị đo đạc
trong thực tế.
Mô phỏng
Là cách gọi khác của kiểm chứng mạng, là quá trình tính toán
các giá trị đầu ra bằng các thông số đầu vào với mạng đã luyện
được.
Tối ưu hóa
mạng
Là quá trình lặp liên tục để chọn được mạng có cấu trúc và
chứa các trọng số tốt nhất để mô phỏng các tập số liệu kiểm

chứng.




















Số hóa bởi Trung tâm Học liệu – ĐHTN
- 13 -
CHƢƠNG I
GIỚI THIỆU CHUNG
1.1. TÍNH CẤP THIẾT CỦA ĐỀ TÀI
Sự phát triển không ngừng của khoa học công nghệ làm xuất hiện các đối
tượng điều khiển có độ phức tạp ngày càng tăng. Khoa học phức hợp (Complexity
science) là môn khoa học nghiên cứu về các hệ thống phức hợp. Nói đơn giản, một
hệ thống là phức hợp nếu nó chứa nhiều thành phần con tương tác với nhau và nếu

hệ thống đó lại biểu hiện những tính chất, những lối hành xử (behavior) mà chúng
ta không thể suy ra một cách hiển nhiên từ tương tác của những thành phần cấu
thành nó. Yêu cầu thực tế đặt ra là phải điều khiển các hệ thống động ngày càng
phức tạp trong điều kiện ngày càng quan tâm tới các yếu tố bất định cũng như đòi
hỏi chất lượng điều khiển ngày càng cao. Các vấn đề trên không thể được đáp ứng
một cách trọn vẹn và đồng thời nếu chỉ dùng các lý thuyết điều khiển kinh điển sẵn
có. Đây chính là động lực cho sự ra đời của hàng loạt các lý thuyết điều khiển hiện
đại, hứa hẹn một hướng giải quyết triệt để các bài toán điều khiển phi tuyến phức
tạp[3].
Trong thời gian gần đây, mạng nơron đã thâm nhập vào nhiều lĩnh vực khác
nhau chẳng hạn như: trong y học phân tích và phát hiện tế bào ung thư, phân tích và
hiển thị điện tâm đồ, chuẩn đoán bệnh, xử lý hình ảnh y học; trong công tác dự báo
mô phỏng các hệ thống vĩ mô; các bài toán nhận dạng {[7],[9],[2]}; trong phân tích
dự báo tài chính[23], kinh tế, thị trường chứng khoán,…Các nghiên cứu về mạng
nơron được bắt đầu từ những năm 40 nhưng mãi đến những năm 80 thì mới được
nghiên cứu với quy mô rộng rãi và trở thành công cụ hữu ích. Mạng nơron bắt
chước cơ chế “học” của bộ não người, mạng nơron “học” các hành vi của hệ thống
từ các dữ liệu đầu vào và đầu ra của hệ thống đó. Mạng nơron có khả năng tổng
quát hóa tốt. Chính khả năng “học” và khả năng tổng quát hóa tốt này cho phép
mạng nơron mô tả có hiệu quả các mối quan hệ phi tuyến phức tạp, các vấn đề thay
đổi theo thời gian và đặc biệt là trong điều kiện nhiễu. Các hệ thống phức hợp
thường được đặc trưng bởi một số các biến lớn, các tính chất không chắc chắn, phi

Số hóa bởi Trung tâm Học liệu – ĐHTN
- 14 -
tuyến. Do đó mạng nơron sẽ giải quyết được những hạn chế còn tồn tại trong các lý
thuyết điều khiển kinh điển.
Hiện nay, vấn đề xử lý nước thải đã xây dựng một số lý thuyết tính toán song
còn ở mức độ đơn giản, điều kiện tính toán thường là lý tưởng hóa và kết quả thu
được chỉ mang tính chất gần đúng, ước lượng mà chưa sát với kết quả thực. Lý do

là bản chất của quá trình rất phức tạp, hiệu quả của mỗi khâu xử lý phụ thuộc vào
rất nhiều yếu tố mà không thể xét hết được. Thêm vào đó là chất lượng nước thải và
điều kiện môi trường chứa đựng những thông số rất khó kiểm soát. Hay nói cách
khác, bài toán xử lý nước thải được xem là một hàm phức hợp của các thông số đầu
ra với các thông số đầu vào và các thông số vận hành, chưa có một mô hình toán
học mô tả đầy đủ các mối liên hệ đó[11]. Trong trường hợp này, ứng dụng nơron
nhân tạo mô hình hóa hệ thống xử lý nước thải là một (trong những khả năng)
hướng đi cần thiết.
Đây cũng là lý do tác giả lựa chọn đề tài nghiên cứu này với hy vọng bước đầu
đưa ứng dụng mạng nơron nhân tạo vào mô hình hóa hệ phức hợp và cụ thể là bài
toán xử lý nước thải. Nghiên cứu cũng hy vọng phát triển một hướng đi mới cho mô
hình hóa trong kỹ thuật ứng dụng tại Việt Nam.
1.2. Ý NGHĨA KHOA HỌC VÀ THỰC TIỄN CỦA ĐỀ TÀI
 Ý nghĩa khoa học: Kết quả nghiên cứu của đề tài sẽ góp phần bổ sung
phương pháp giải quyết cũng như cách tiếp cận bài toán mô hình hóa và điều khiển
hệ phức hợp.
 Ý nghĩa thực tiễn: Kết quả nghiên cứu của đề tài là cơ sở để giải quyết một
số bài toán điều khiển hệ phức hợp cụ thể ứng dụng mạng nơron. Các mô hình ứng
dụng để dự báo đầu ra cho các hệ thống xử lý nước thải hiện nay hầu hết là của
nước ngoài với giá thành rất cao. Do đó, việc sử dụng công cụ này thành công sẽ
giảm bớt chi phí rất đáng kể.
1.3. MỤC ĐÍCH CỦA ĐỀ TÀI
Đề tài được thực hiện với các mục tiêu xác định như sau:
 Tìm hiểu và tiếp cận về hệ phức hợp

Số hóa bởi Trung tâm Học liệu – ĐHTN
- 15 -
 Nghiên cứu khả năng ứng dụng của mạng nơron nhân tạo xây dựng mô hình
và mô phỏng hệ phức hợp và cụ thể ở đây là bài toán xử lý nước thải.
1.4. NỘI DUNG THỰC HIỆN

Với các mục tiêu trên, luận văn thực hiện những nội dung sau:
 Chương 1. Giới thiệu chung
 Chương 2. Tổng quan về hệ phức hợp: Chương này sẽ giới thiệu một cách
tổng quát hệ phức hợp, qua đó nêu được vị trí và tầm quan trọng của mạng nơron
nhân tạo.
 Chương 3. Tổng quan về mạng nơron nhân tạo: Trong phạm vi có hạn, luận
văn sẽ trình bày một cách cô đọng nhất phần lý thuyết cơ bản cũng như các thuật
toán của mạng nơron.
 Chương 4. Giới thiệu về hệ thống xử lý nước thải: Trong chương này, tác
giả sẽ đề cập đến quy trình cũng như công nghệ xử lý nước thải hiện nay.
 Chương 5. Giải bài toán phức hợp cụ thể đó là ứng dụng mạng nơron mô
hình hóa hệ thống xử lý nước thải: Chương này trình bày quá trình xây dựng
chương trình ứng dụng mạng nơron trên nền ngôn ngữ Matlab để tính toán đầu ra
cho hệ thống xử lý nước thải.
 Cuối cùng là kết luận và kiến nghị.
1.5. Phƣơng pháp nghiên cứu
 Nghiên cứu lý thuyết: Nghiên cứu sách, giáo trình, bài báo, báo cáo khoa
học, luận văn và các tài liệu liên quan.
 Tìm hiểu các công cụ mô phỏng
 Kiểm nghiệm và đánh giá kết quả dựa trên mô hình mô phỏng.







Số hóa bởi Trung tâm Học liệu – ĐHTN
- 16 -
CHƢƠNG II

TỔNG QUAN VỀ HỆ PHỨC HỢP
2.1. ĐỊNH NGHĨA
Khoa học phức hợp (Complexity science) là môn khoa học nghiên cứu về các
hệ thống phức hợp. Nói đơn giản, một hệ thống phức hợp là hệ thống chứa nhiều
thành phần con tương tác với nhau và nó biểu hiện những tính chất, những lối hành
xử mà chúng ta không thể suy ra một cách hiển nhiên từ tương tác của những thành
phần cấu thành nó[3].

Hình 2.1. Bản đồ trực quan tổ chức khoa học hệ thống phức hợp
Những hệ thống động học nằm ngoài trạng thái cân bằng và có tính phi tuyến
(phi tuyến có nghĩa là đầu ra không tỷ lệ thuận với đầu vào, ví dụ hàm x là tuyến
tính còn hàm
2
x
là phi tuyến) mới là những hệ thống quan trọng trong vũ trụ.
Những hệ thống phức hợp như: kinh tế, thị trường chứng khoán, khí hậu thời tiết, xã
hội các sinh vật, động đất, giao thông, các sinh vật và xã hội của chúng, môi trường,
các dòng chảy cuộn xoáy, dịch bệnh, hệ miễn dịch, động học các dòng sông, trượt
đất, các sắc tố trên bộ lông động vật, nhịp đập của tim…Như vậy, có thể sẽ không
có một lý thuyết đơn giản cho các hệ thống phức hợp. Tuy nhiên, chúng ta có thể

Số hóa bởi Trung tâm Học liệu – ĐHTN
- 17 -
phân loại chúng và xếp chúng thành nhóm để nghiên cứu.(nhờ những công cụ tương
tự)
Việc nghiên cứu các hệ thống phức hợp đòi hỏi một sự tổng hợp liên ngành.
Những công cụ vật lý sẽ hữu ích cho việc nghiên cứu các hệ sinh học, xã hội và
ngược lại.
Đặc trƣng quan trọng nhất của hệ phức hợp là gì?
Đó là hiện tượng đột sinh. Hiện tượng đột sinh là hiện tượng xuất hiện những

quy luật, những hình thái, những trật tự mới từ hiệu ứng tập thể của các tương tác
giữa các thành phần trong hệ thống. Như vậy, các hiện tượng đột sinh không phải là
một tính chất nội tại của các thành phần con mà là những tính chất của hệ thống
được xét một cách toàn cục.
- Minh họa thứ nhất là nhiệt độ và các định luật về chất khí - các khái niệm
này vô nghĩa nếu ta chỉ xét một phần tử, chúng chỉ có ý nghĩa đối với một hệ nhiều
phần tử.
- Minh họa thứ hai là tổ chức quần thể loài kiến. Mỗi con kiến chỉ hành động
theo những quy tắc nhất định nhưng toàn thể xã hội loài kiến lại hành động theo
những quy tắc đột sinh biểu hiện một trật tự cao. Hiện nay, các nhà khoa học xã hội
và tin học đang nghiên cứu hiện tượng tự tổ chức của xã hội loài kiến mong tìm ra
những áp dụng khả dĩ cho xã hội chúng ta.
- Một minh họa thứ ba là hiện tượng ùn tắc giao thông. Mỗi cá nhân tham gia
giao thông có một kế hoạch riêng cho hành trình của mình, song nhiều cá nhân tham
gia giao thông lại dẫn đến ùn tắc là một hiện tượng đột sinh không phụ thuộc vào kế
hoạch của từng cá nhân.
Những ví dụ tinh tế hơn là “ý thức”, “sáng tạo”, hiện tượng đột sinh của hệ tế
bào thần kinh. Người ta thường nói: toàn cục lớn hơn tổng cơ học các thành phần để
biểu diễn hiện tượng đột sinh. Vũ trụ chứa nhiều tầng lớp phức hợp liên quan đến
nhau: thiên hà, thái dương hệ, các hành tinh, hệ sinh thái, sinh vật, tế bào, nguyên
tử. Ta có những định luật riêng cho các tầng lớp phức hợp, các định luật đó là phổ
quát đối với mỗi tầng phức hợp.

Số hóa bởi Trung tâm Học liệu – ĐHTN
- 18 -
Tất cả các ví dụ về hệ thống phức hợp ở trên thể hiện một số đặc điểm chung:
1. Chúng bao gồm một số lượng lớn các đại lượng tương tác.
2. Hệ phức hợp thường là hệ phân cấp, hơn nữa thường có nhiều cấp.
3. Hệ phức hợp thường là hệ động, nghĩa là thay đổi theo thời gian t theo nghĩa
tổng quát nhất, không chỉ là thay đổi trạng thái mà thay đổi cả phần tử, cấu trúc,

hành vi và mục tiêu của nó.
4. Hành vi của chúng không nổi lên kết quả từ sự tồn tại của một trung tâm
điều khiển.
2.2. CÁC TÍNH NĂNG CỦA HỆ THỐNG PHỨC HỢP
Hệ thống phức hợp có thể có những tính năng sau:
 Khó xác định ranh giới:
Xác định ranh giới của một hệ thống phức hợp có thể gặp khó khăn. Người
quan sát sẽ đưa ra quyết định cuối cùng.
 Hệ thống phức hợp có thể đƣợc mở:
Hệ thống phức hợp thường là các hệ thống mở - nghĩa là chúng tồn tại trong
một đường dốc nhiệt động lực học và tiêu tán năng lượng. Nói cách khác, mặc dù
hệ thống phức hợp thường xuyên cách xa trạng thái cân bằng năng lượng nhưng vẫn
có thể được mô hình một cách ổn định.
 Hệ thống phức hợp có thể đƣợc lồng vào nhau:
Các thành phần trong một hệ thống phức hợp có thể là những hệ thống phức
hợp của chính bản thân chúng. Ví dụ, một nền kinh tế được thực hiện từ các tổ
chức, các tổ chức thì được thực hiện bởi con người và con người được tạo thành từ
các tế bào - tất cả đều là những hệ thống phức hợp.
 Hệ thống phức hợp có thể có bộ nhớ:
Lịch sử của một hệ thống phức hợp có thể rất quan trọng. Bởi vì hệ thống
phức hợp là những hệ thống động học, chúng thay đổi theo thời gian và trạng thái
trước có thể có ảnh hưởng đến trạng thái hiện tại. Thông thường, các hệ thống phức
hợp thường biểu hiện hiện tượng trễ .


Số hóa bởi Trung tâm Học liệu – ĐHTN
- 19 -
 Có thể tạo ra những hiện tƣợng nổi:
Hệ thống phức hợp có thể biểu hiện những hành vi đặc trưng, điều này nhằm
để khẳng định rằng: trong khi các kết quả có thể được xác định đầy đủ bằng hoạt

động của các thành phần cơ bản trong hệ thống thì chúng có thể có các thuộc tính
mà chỉ được nghiên cứu ở một mức độ cao hơn. Ví dụ, đàn mối trong một gò đất có
sinh lý học, hóa sinh và phát triển sinh học, chúng luôn ở trong một mức độ phân
tích nhưng hành vi xã hội của chúng và việc xây dựng gò đất là một sản phẩm được
tạo ra từ sự tích lũy của mối và cần được phân tích ở một mức độ khác nhau.
 Mối quan hệ không tuyến tính:
Trên thực tế, điều này có nghĩa là một sự thay đổi nhỏ có thể gây ra ảnh hưởng
lớn, tác động có tỷ lệ tương ứng hoặc thậm chí không có tác động nào. Trong các hệ
thống tuyến tính, hiệu ứng luôn luôn tỷ lệ thuận với nguyên nhân.
 Mối quan hệ có chứa vòng lặp thông tin phản hồi:
Cả hai ý kiến phản hồi âm và khuếch đại luôn luôn được tìm thấy trong các hệ
thống phức hợp. Những tác động từ hành vi của một phần tử được phản hồi theo
cách mà các yếu tố chính nó thay đổi.
2.3. PHÂN LOẠI HỆ THỐNG PHỨC HỢP
2.3.1. Hệ thống Chaotic
Đối với một hệ thống động được phân loại như hệ thống Chaotic thì hầu hết
các nhà khoa học sẽ phải đồng ý rằng nó có các thuộc tính sau[24]:
a. Nó nhất định (phải) nhạy cảm với các điều kiện đầu.
b. Nó nhất định sẽ có sự pha trộn về cấu trúc.
c. Tập quỹ đạo mang tính chu kỳ của nó nhất định (phải) dày đặc.
Thích nghi với các điều kiện đầu có nghĩa là mỗi điểm trong 1 hệ thống như
vậy được xấp xỉ một cách tùy ý bởi các điểm sát cạnh nó sẽ cho các quỹ đạo trong
tương lai có sự khác nhau đáng kể. Như vậy, một nhiễu nhỏ bất kỳ của quỹ đạo hiện
tại cũng có thể dẫn tới một hành vi khác biệt đáng kể trong tương lai.



Số hóa bởi Trung tâm Học liệu – ĐHTN
- 20 -
2.3.2. Hệ thống thích nghi phức hợp

Hệ thống thích nghi phức hợp (CAS – Complex Adaptive Systems) là trường
hợp đặc biệt của các hệ thống phức tạp. Chúng rất phức tạp ở chỗ chúng đa dạng và
được tạo thành từ nhiều yếu tố liên kết nội bộ và thích nghi ở chỗ chúng có khả
năng thay đổi và học hỏi từ những kinh nghiệm. Ví dụ: Hệ thống thích nghi phức
hợp bao gồm: thị trường chứng khoán, xã hội, sinh quyển và hệ sinh thái, não và hệ
thống miễn dịch, tế bào và phát triển phôi thai, các doanh nghiệp sản xuất và bất kỳ
nhóm xã hội của con người dựa trên sự nỗ lực về văn hóa và hệ thống xã hội như
các đảng phái chính trị hoặc cộng đồng.
2.3.3. Hệ thống phi tuyến
Các hành vi của các hệ thống phi tuyến là không tùy thuộc vào nguyên tắc của
sự chồng chất trong khi các hệ thống tuyến tính phụ thuộc vào sự chồng chất. Như
vậy, một hệ thống phi tuyến là nó có hành vi không thể được thực hiện như một
tổng hợp của các hành vi bộ phận (hoặc bội số của chúng).
2.4. MÔ HÌNH HÓA HỆ THỐNG PHỨC HỢP
2.4.1. Mô hình hóa là gì?
Một trong những phương pháp quan trọng nhất để nghiên cứu hệ thống là
phương pháp mô hình hóa, nhất là đối với những hệ thống mà người ta không thể
tiến hành thực nghiệm trên chúng. Phương pháp mô hình hóa là không nghiên cứu
trực tiếp đối tượng mà thông qua việc nghiên cứu một đối tượng khác “tương tự”
hay là “hình ảnh” của nó mà có thể sử dụng được các công cụ khoa học. Kết quả
nghiên cứu trên mô hình được áp dụng vào cho đối tượng thực tế. [3]
Mô hình là sự mô tả toán học đơn giản của hệ thống. Trong thực tế hệ thống,
nhiều tính năng có thể là quan trọng. Tuy nhiên, không phải tất cả trong số chúng
đều được thể hiện trong mô hình. Chỉ có vài tính năng có liên quan được cho là
đóng một vai trò thiết yếu trong việc giải thích các quan sát hiện tượng nên được
giữ lại. Cần phân biệt được đâu là mô hình đâu là mô phỏng. Một mô hình đơn giản,
nếu nó bắt các yếu tố chính của một hệ thống phức hợp thì có thể gợi ra những câu
hỏi có liên quan cao.

Số hóa bởi Trung tâm Học liệu – ĐHTN

- 21 -
2.4.2. Mô hình hóa hệ phức hợp
Các mô hình phức hợp của hệ thống động luôn là một đề tài nghiên cứu đầy
thách thức vì trong thực tế các mô hình không thể miêu tả chính xác được bản chất
hệ thống. Một hệ thống thực sự thường là phi tuyến với một kích thước vô hạn,
nhiễu, các nhiễu loạn bên ngoài và các đặc tính có thể thay đổi theo thời gian.
Không thể mô tả những đặc điểm động này bằng các phương trình toán học và đạt
được mức độ chính xác cao cho cùng một đầu vào/đầu ra của mô hình với các hệ
thống thực tế trên toàn bộ phổ tần số. Do đó, mô hình hóa không chỉ là áp dụng toán
học mà liên quan đến một sự hiểu biết về hệ thống và chức năng của nó. Mô hình có
thể được phát triển bằng cách sử dụng quy luật vật lý cũng như các thí nghiệm và
xử lý dữ liệu. Một mô hình được phát triển thì nó phải được sử dụng dữ liệu thực tế
về phổ tần số quan tâm.[21]
Các mô hình phức hợp có thể được phát triển trong sự nỗ lực nhằm để hiểu về
hệ thống, cho các mục đích chuẩn đoán hoặc sẽ được sử dụng để thiết kế hệ thống
điều khiển. Chúng ta thường thấy mô hình của hệ thống là rất phức tạp bởi vì nếu sử
dụng các công cụ điều khiển kinh điển để thiết kế một chương trình điều khiển đáp
ứng yêu cầu đề ra là điều khó có thể thực hiện. Những lựa chọn trong trường hợp
này nhằm để phát triển các mô hình đơn giản mô tả đặc tính động của hệ thống trên
phạm vi tần số quan tâm được xây dựng trên công cụ điều khiển sẵn có hoặc để phát
triển những công cụ điều khiển mới áp dụng cho hệ thống phức hợp được xem xét.
Sự lựa chọn đầu tiên là dựa trên đặc tính của các phương pháp tiếp cận truyền thống
để thiết kế hệ thống điều khiển khi điện tử và công cụ tính toán không được tiên tiến
như ngày nay. Ví dụ: Một mô hình bậc cao có thể dẫn đến một bộ điều khiển phức
tạp, nó không thể thực hiện được do thiếu bộ nhớ máy tính thích hợp và tốc độ tính
toán. Trong trường hợp này, mô hình này sẽ được đơn giản hóa bằng cách giảm bậc
của nó nhằm để có một thiết kế điều khiển đơn giản có thể được phát triển và triển
khai thực hiện bằng cách sử dụng công cụ tính toán sẵn có.[21]
Sự phát triển mạnh mẽ của máy tính và vi điện tử đồng thời với việc giảm chi
phí thực hiện điều này sẽ mở đường cho việc thiết kế hệ thống điều khiển phức tạp

Số hóa bởi Trung tâm Học liệu – ĐHTN
- 22 -
dựa trên mô hình hệ thống phức tạp hơn nhiều. Ngoài ra, việc thực hiện không còn
bị giới hạn bởi các hạn chế tính toán trong quá khứ, những vấn đề điều khiển và các
phạm vi mới nổi lên, mang lại những thách thức mới và nhu cầu mới, kỹ thuật điều
khiển phi truyền thống. Các mô hình truyền thống của một hệ thống thực tế là một
hệ thống tuyến tính bất biến theo thời gian như hình thức sau:

DuCxY
BuAxX


.
(2.1)
Hoặc hàm truyền dưới dạng đầu vào/đầu ra:

usGY )(
(2.2)
Các mô hình này thỏa mãn nhu cầu của một lớp rộng các vấn đề

điều khiển.
Lý do là nhiều hệ thống điện được thiết kế để hoạt động như tuyến tính, bất biến
theo thời gian trong dải tần số quan tâm.
Mô hình hóa và hệ thống điều khiển phức hợp đã trở thành một lĩnh vực mới
được quan tâm nghiên cứu, giảng dạy và ứng dụng. Các hệ thống phức hợp bao
gồm các hệ thống trong đó có nhiều hệ thống con và các yếu tố cấu thành tương tác
với nhau cũng như môi trường của chúng trong sự hiện diện của hiện tượng không
ổn định và không thể dự đoán. Nhưng từ nay, sự xuất hiện của mô hình sẽ biểu diễn
mối tương tác trong hệ thống một cách thỏa đáng và phát triển theo thời gian. Hệ

thống rơi vào thể loại này bao gồm: hệ thống sinh học, giao thông và mạng máy
tính, các hệ thống robot, xe máy không người lái, cảm biến mạng, các hệ thống
nhúng, hệ thống sản xuất. Hầu hết các vấn đề điều khiển phát sinh trong các ứng
dụng phi truyền thống như hệ phức hợp không thể giảm nhiều như các hệ thống cơ
khí hoặc điện truyền thống
.
Vì vậy, đó là một nhu cầu mạnh mẽ cho các kỹ thuật
mô hình mới và thiết kế hệ thống điều khiển để xử lý với nhiều đầu vào đầu ra liên
quan đến các hệ thống phức hợp, cũng như để đáp ứng những thách thức của hệ
thống mới và yêu cầu thực hiện bằng cách tận dụng những tiến bộ đáng kể trong các
cảm biến, công nghệ thông tin, máy tính và tốc độ tính toán. Tính sẵn có của các
công nghệ mở ra con đường để áp dụng lý thuyết hệ thống, trong đó bao gồm việc