Báo cáo Trí tuệ nhân tạo (AI) trong bài toán hỗ trợ dự báo, cảnh báo KTTV

Báo cáo Trí tuệ nhân tạo (AI) tốn hỗ trợ dự báo, cảnh báo KTTV Đơn vị thực hiện: Trung tâm Thơng tin Dữ liệu Khí tượng thủy văn Nội dung Mơ hình thiết kế hệ thống Các mơ hình học máy nghiên cứu Đánh giá phương pháp nghiên cứu Kiến trúc hệ thống  Kiến trúc hệ thống: Kiến trúc hệ thống Kiến trúc hệ thống Kiến trúc hệ thống Kiến trúc hệ thống Các mơ hình học máy nghiên cứu 2.1.Mơ hình deep learning dựa vào cấu trúc khơng-thời gian 2.2.Phương pháp hồi quy tuyến tính hai bước (LDA) 2.3.Mạng thần kinh nhân tạo (ANN) lớp ẩn Các mơ hình học máy nghiên cứu  Mơ hình deep learning dựa vào cấu trúc khơng-thời gian 2.1 Mơ hình deep learning dựa vào cấu trúc không-thời gian     Bước 1: Sử dụng khối liệu gồm liệu thực tất vị trí tương ứng với l thời điểm trước Bước 2: Sử dụng khối gồm liệu thực tất vị trí tương ứng với l - thời điểm trước đó, liệu dự đoán thời điểm vừa xây dựng bước Bước 3: Sử dụng khối gồm liệu thực tất vị trí tương ứng với l - thời điểm trước đó, liệu dự đốn thời điểm vừa xây dựng bước đầu Bước h: Sử dụng khối liệu thực tất vị trí tương ứng với l - h + liệu thực, liệu dự đoán h -1 thời điểm vừa xây dựng h - bước đầu 10 2.1 Mơ hình deep learning dựa vào cấu trúc khơng-thời gian  Các bước khác có phân bố liệu đầu vào khác cần xây dựng mơ hình cho bước Tuy lựa chọn chu kỳ h mà dự đốn liệu chu kỳ h thời điểm 11 2.2 Phương pháp hồi quy tuyến tính hai bước (LDA) 12 2.2 Phương pháp hồi quy tuyến tính hai bước (LDA) Phương pháp xây dựng mơ hình dự báo cho h thời điểm cách: - Sử dụng khối liệu gồm liệu thực tất vị trí tương ứng với l thời điểm đến thời điểm t để dự đoán thời điểm t + - Sử dụng khối gồm liệu thực tất vị trí tương ứng với l - thời điểm trước thời điểm t, liệu dự đoán thời điểm t + vừa xây dựng bước để dự đoán cho thời điểm t + - Sử dụng khối gồm liệu thực tất vị trí tương ứng với l - thời điểm trước thời điểm t, liệu dự đoán thời điểm t + 1, t + vừa xây dựng bước đầu để dự đoán cho thời điểm t + - Cứ tiếp tục sử dụng khối liệu thực tất vị trí tương ứng với l - h + liệu thực trước thời điểm t, liệu dự đoán h -1 thời điểm t + 1, t + 2, , t + h - vừa xây dựng h - bước đầu để dự đoán cho thời điểm t + h  13 2.2 Phương pháp hồi quy tuyến tính hai bước (LDA)  Các thời điểm khác có phân bố liệu đầu vào khác cần xây dựng mơ hình cho bước Tuy lựa chọn chu kỳ h mà dự đoán liệu chu kỳ h thời điểm 14 2.3.Mạng thần kinh nhân tạo (ANN) lớp ẩn ANN for Storm Surge Forecasting: Kim, Sooyoul, et al "A real-time forecast model using artificial neural network for afterrunner storm surges on the Totori Coast, Japan." Ocean Engineering 122 (2016): 44-53.15 Đánh giá phương pháp nghiên cứu    Bộ số liệu chuẩn METAR tốc độ gió 57 sân bay bờ biển phía đông bao gồm Massachusetts, Connecticut, New York, New Hampshire (06 tháng 01 năm 2014 đến 20 tháng 02 năm 2014); 6h có giá trị Bộ số liệu chuẩn hải văn (tốc độ gió, hướn gió, áp suất mực nước biển, giảm áp suất bão), 1h có giá trị:  8/9/2003 – 14/09/2003; 14/08/2004 – 21/08/2004; 2/9/2004-9/9/2004 Bộ số liệu chuẩn KTTV Việt Nam: 3h có giá trị 16 Đánh giá phương pháp nghiên cứu  Mơ hình deep learning dựa vào cấu trúc không-thời gian: 17 Đánh giá phương pháp nghiên cứu   Mơ hình deep learning dựa vào cấu trúc không-thời gian: Với tham số l, h mơ hình tối ưu l = 12, h = 6, nghĩa sử dụng liệu gió nửa ngày trước để dự đốn tốc độ gió vịng tiếng 18 Đánh giá phương pháp nghiên cứu   Mơ hình deep learning dựa vào cấu trúc khôngthời gian: Dữ liệu METAR:   MAE (m/s) RMSE (m/s) NRMSE (%) Một trạm 1.99 2.60 15.46 Tất 57 trạm (ACK) 1.63 2.19 13.08 Trung bình 57 trạm 1.18 1.62 16.28 19 Đánh giá phương pháp nghiên cứu  Mơ hình deep learning dựa vào cấu trúc khôngthời gian:  Dữ liệu gió KTTV: liệu huấn luyện từ 01/10/2016 đến 01/11/2018 Dự báo vòng 18 tiếng  20 Đánh giá phương pháp nghiên cứu    Mô hình deep learning dựa vào cấu trúc khơngthời gian: Dữ liệu gió KTTV: liệu huấn luyện từ 01/10/2016 đến 01/11/2018 Dự báo vòng 18 tiếng TRẠM HA GIANG CAO BANG TUYEN QUANG HOA BINH NAM DINH HA DONG PHU LIEN LANG SON BAI CHAY TIEN YEN MONG CAI BACH LONG VI MEA 0.54997 0.72578 0.80966 0.41817 0.66503 0.82289 0.67345 0.81995 0.90625 0.70778 1.01815 1.70335 RMSE 0.90259 1.11464 1.27094 0.82476 0.84455 1.07257 0.86372 1.23932 1.23149 0.88284 1.33816 2.35655 21 Đánh giá phương pháp nghiên cứu  Phương pháp hồi quy tuyến tính hai bước Thời gian dự báo (LDA):l STT h MAE (57 trạm) MAE (13 trạm VN) (h) 10 11 12 13 114 12 18 24 48 72 24 24 24 40 80 80 80 6 6 6 12 24 24 40 80 120 240 6 6 6 12 24 24 40 80 120 240 1.1 1.09 1.08 1.07 1.07 1.09 1.17 1.23                             0.80 0.88 0.91 0.96 0.95 0.96 22 Đánh giá phương pháp nghiên cứu  Mạng thần kinh nhân tạo (ANN) lớp ẩn: Áp dụng cho toán hải văn 23 Trân trọng cảm ơn 24