Dự báo mực nước sông Cần Thơ dựa vào đặc trưng dòng chảy và phương pháp tập hợp mô hình

7 3 0

Đang tải... (xem toàn văn)

1 / 7 trang

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang	7
Dung lượng	505,39 KB

Nội dung

Với mô hình LSTM, mực nước sông có thể được dự báo dựa vào mực nước của các thời điểm trước đó. Tuy nhiên, mực nước sông còn chịu ảnh hưởng bởi độ trễ của dòng chảy giữa các trạm và lượng mưa tại thời điểm thu thập dữ liệu để dự báo. Hệ thống dự báo mực nước dựa trên các phương pháp tập hợp mô hình và đặc trưng dòng chảy được thực nghiệm và đề xuất trong nghiên cứu này.

Ngày đăng: 26/05/2022, 09:14

HÌNH ẢNH LIÊN QUAN

Trong nghiên cứu trước đây, chúng tôi đã áp dụng mô hình Long short-term memory networks (LSTM) và dữ liệu quan trắc của 5 trạm trên sông Mê Kông để dự báo biến đổi mực nước tại Cần Thơ trong 6 giờ tiếp theo [6] - Dự báo mực nước sông Cần Thơ dựa vào đặc trưng dòng chảy và phương pháp tập hợp mô hình — **rong** nghiên cứu trước đây, chúng tôi đã áp dụng mô hình Long short-term memory networks (LSTM) và dữ liệu quan trắc của 5 trạm trên sông Mê Kông để dự báo biến đổi mực nước tại Cần Thơ trong 6 giờ tiếp theo [6] (Trang 2)

Bảng 1. Dữ liệu mực nước quan trắc tại 5 trạm trên sông Mê Kông - Dự báo mực nước sông Cần Thơ dựa vào đặc trưng dòng chảy và phương pháp tập hợp mô hình — **Bảng 1.** Dữ liệu mực nước quan trắc tại 5 trạm trên sông Mê Kông (Trang 3)

Theo vị trí địa lý của các trạm quan trắc như hình 1, giá trị mực nước tại trạm Cần Thơ sẽ chậm hơn giá trị mực n ước tại tạm Tân Châu, Châu Đốc và Vàm Nao - Dự báo mực nước sông Cần Thơ dựa vào đặc trưng dòng chảy và phương pháp tập hợp mô hình — **heo** vị trí địa lý của các trạm quan trắc như hình 1, giá trị mực nước tại trạm Cần Thơ sẽ chậm hơn giá trị mực n ước tại tạm Tân Châu, Châu Đốc và Vàm Nao (Trang 3)

B. Áp dụng phương pháp tập hợp mô hình dự đoán mực nước sông Cần Thơ - Dự báo mực nước sông Cần Thơ dựa vào đặc trưng dòng chảy và phương pháp tập hợp mô hình — p dụng phương pháp tập hợp mô hình dự đoán mực nước sông Cần Thơ (Trang 4)

Hình 4. Lượng mưa tại Cần Thơ các tháng trong năm 2016 - Dự báo mực nước sông Cần Thơ dựa vào đặc trưng dòng chảy và phương pháp tập hợp mô hình — **Hình 4.** Lượng mưa tại Cần Thơ các tháng trong năm 2016 (Trang 4)

Thực nghiệm sử dụng thư viện Scikit-learn để xây dựng mô hình dự báo với các thông số được thiết lập cho các mô hình như sau: với mô hình Bagging, mô hình cơ sở được sử dụng là SVR và số lượng mô hình cơ sở n = 70 - Dự báo mực nước sông Cần Thơ dựa vào đặc trưng dòng chảy và phương pháp tập hợp mô hình — h ực nghiệm sử dụng thư viện Scikit-learn để xây dựng mô hình dự báo với các thông số được thiết lập cho các mô hình như sau: với mô hình Bagging, mô hình cơ sở được sử dụng là SVR và số lượng mô hình cơ sở n = 70 (Trang 5)

Hình 6. Biểu đồ tổng hợp sai số dự báo mực nước RMSE sử dụng mô hình Stacking - Dự báo mực nước sông Cần Thơ dựa vào đặc trưng dòng chảy và phương pháp tập hợp mô hình — **Hình 6.** Biểu đồ tổng hợp sai số dự báo mực nước RMSE sử dụng mô hình Stacking (Trang 6)

Để đánh giá tính ổn định của mô hình đề xuất, mô hình Stacking được xây dựng dựa trên tập dữ liệu thu thập năm 2012-2015 đánh giá khả năng dự đoán trên tập dữ liệu thu thập năm 2020 - Dự báo mực nước sông Cần Thơ dựa vào đặc trưng dòng chảy và phương pháp tập hợp mô hình — nh giá tính ổn định của mô hình đề xuất, mô hình Stacking được xây dựng dựa trên tập dữ liệu thu thập năm 2012-2015 đánh giá khả năng dự đoán trên tập dữ liệu thu thập năm 2020 (Trang 6)

Bảng 5. Sai số mực nước dự báo giữa mô hình Stacking và LSTM với mực nước trạm Cần Thơ RMSE (cm) - Dự báo mực nước sông Cần Thơ dựa vào đặc trưng dòng chảy và phương pháp tập hợp mô hình — **Bảng 5.** Sai số mực nước dự báo giữa mô hình Stacking và LSTM với mực nước trạm Cần Thơ RMSE (cm) (Trang 7)

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN