Đang tải... (xem toàn văn)
Bài viết đã trình bày tóm tắt “Nghiên cứu dự báo mực nước hạn dài cho một số trạm trên dòng chính sông Mekong bằng Mạng Nơ ron Tiến hóa - EANN”. Kết quả nghiên cứu thử nghiệm cho 3 trạm Tân Châu, Châu Đốc và Chieng Sean có mức đảm bảo phương án trên 75% ở mức khá tốt đối với dự báo hạn dài.
Tuyển tập Hội nghị Khoa học thường niên năm 2021 ISBN: 978-604-82-5957-0 DỰ BÁO MỰC NƯỚC HẠN DÀI TRÊN DÒNG CHÍNH SƠNG MEKONG BẰNG MẠNG NORON TIẾN HĨA - EANN Hồng Thanh Tùng1, Nguyễn Hồng Sơn1, Ngơ Lê An1 Trường Đại học Thủy lợi, email: httung@tlu.edu.vn ĐẶT VẤN ĐỀ Sông Mekong sông quốc tế chảy qua nước Trung Quốc, Miến Điện, Lào, Thái Lan, Campuchia Việt Nam Phần diện tích lưu vực lãnh thổ Việt Nam gọi Đồng Sông Cửu Long (ĐBSCL) đồng sông lớn Việt Nam, vựa lúa đóng góp lớn đến an ninh lương thực xuất gạo Việt Nam giới Tuy nhiên ĐBSCL hạ nguồn sông Mekong chịu tác động lớn cơng trình thủy lợi, thủy điện bên nên dòng chảy ĐBSCL có xu thay đổi mạnh giảm dần mùa lũ lẫn mùa kiệt năm gần làm cho sản xuất nông nghiệp, nuôi trồng đánh bắt thủy hải sản bị ảnh hưởng mạnh Chính để hạn chế ảnh hưởng để chủ động thích nghi với thay đổi dòng chảy ĐBSCL phát triển kinh tế xã hội việc dự báo dịng chảy hạn dài số trạm dịng sơng Mekong cần thiết Ở Việt Nam, dự báo hạn dài quan tâm từ năm 60 xem nhiệm vụ chủ yếu Tổng Cục Khí tượng Thủy văn Một số phương pháp dự báo hạn dài nước nghiên cứu ứng dụng vào dự báo dòng chảy 10 ngày, tháng, mùa, năm số trạm số hệ thống sơng Việt Nam Có thể tổng hợp phương pháp dự báo hạn vừa, hạn dài vào nhóm [1]: - Nhóm 1: Mơ hình tương quan với hồn lưu khí quyển, khí hậu; Tổng Cục KTTV sử dụng phương pháp Nhóm 2: Các mơ hình nhận thức xây dựng dựa vào sở vật lý mối quan hệ dòng chảy nhân tố ảnh hưởng Mặc dù có hạn chế thời gian dự kiến dự báo với phát triển mơ hình khí hậu tồn cầu với cơng nghệ, kỹ thuật xử lý mới, nhóm có nhiều triển vọng ứng dụng [theo Ngô Lê An nnk (2021)] Nhóm 3: Các phương pháp nhận dạng tương tự phương pháp thống kê xác suất, mạng trí tuệ nhân tạo (AI) Trong phương pháp thống kê khách quan sử dụng dự báo hạn dài dịng chảy sơng Phương pháp nhận dạng tương tự AI dùng nhiều dạng khác nhau, từ đơn giản, với hai nhân tố dự báo, đến phức tạp với hàng trăm nhân tố, hàng chục loại số liệu khác Phương pháp nghiên cứu ứng dụng dự báo hạn vừa, dự báo tháng phân phối dòng chảy tháng năm Bài báo trình bày tóm tắt “Nghiên cứu dự báo mực nước hạn dài cho số trạm dịng sơng Mekong Mạng Nơ ron Tiến hóa - EANN” Mạng EANN dạng lai ghép mạng Nơ ron thần kinh với thuật toán quét ngược (BPNN Back Propagation Neural Network) áp dụng nhiều thủy văn với thuật toán giải đoán gen (GA - Genetic Algorithms) Khi áp dụng mạng BPNN người dùng phải chạy nhiều trường hợp để tìm mạng nơ ron tốt (tìm số lớp ẩn, số nút lớp ẩn) nên thời gian chạy mơ hình lâu, đặc biệt với u cầu cập nhật số liệu liên tục dự báo tác nghiệp Với việc áp dụng mạng EANN, thuật toán GA giúp việc tối ưu mạng nơ ron 567 Tuyển tập Hội nghị Khoa học thường niên năm 2021 ISBN: 978-604-82-5957-0 BPNN nhanh nhiều, thích hợp cho việc dự báo tác nghiệp PHƯƠNG PHÁP NGHIÊN CỨU 2.1 Số liệu sử dụng nghiên cứu Dữ liệu KTTV (mưa, mực nước) vùng hạ nguồn châu thổ sông Mekong thời đoạn ngày, từ 1/1980 đến 12/2019 Số liệu thu thập từ Ủy Ban sông Mekong Quốc tế 2.2 Phương pháp nghiên cứu Sơ đồ minh họa bước xây dựng mơ hình EANN dự báo mực nước số trạm dịng sơng Mekong Trong sơ đồ này, việc lựa chọn số liệu để phân tích quan trọng, đặc biệt với phương pháp mạng trí tuệ nhân tạo (AI) có nhiều biến đầu vào mà khơng biết số liệu có ảnh hưởng lớn đến biến đầu (biến cần dự báo) Nhóm nghiên cứu sử dụng thuật toán “Stepwise” để thực việc Thuật toán cho phép đưa vào đưa biến để đánh giá mức độ ảnh hưởng/đóng góp biến với biến cần dự báo Khi biến đưa vào, mơ hình phân tích đánh giá tiêu thống kê (ví dụ Fisher (F), Student (T), hệ số tương quan bội (R2) tiêu đạt giữ lại, khơng đạt loại KẾT QUẢ NGHIÊN CỨU Từ số liệu thu thập, tiến hành phân tích ma trận tương quan sử dụng thuật tốn Stepwise, nghiên cứu lựa chọn biến tốt đưa vào xây dựng mơ hình EANN Tất biến mưa, biến mực nước trạm dịng sơng q xa trạm cần dự báo bị loại, mơ hình dự báo hạn dài thời hạn tháng nên tương quan biến với biến cần dự báo nhỏ bị thuật tốn loại Các biến tham gia vào mơ hình EANN cịn lại biến mực nước trung bình tháng thứ i, i-1, i-2, i-3 trạm cần dự báo, mực nước trung bình trạm bên trạm cần dự báo phía thượng nguồn tháng thứ i mực nước trung bình ngày cuối tháng thứ i trạm cần dự báo Số liệu dùng để đào tạo mạng (training) từ tháng 1/1980 đến tháng 12/2005; số liệu dùng để kiểm tra mạng (testing) từ 1/2006 đến tháng 12/2014 Số liệu dùng để kiểm tra chéo (cross validation) chọn 20 năm bao gồm liệt Số liệu dùng để dự báo thử nghiệm từ tháng 1/2015 đến tháng 12/2019 Kết đào tạo mạng Tân Châu, Châu Đốc Chieng Sean có hệ số tương quan (R) tương ứng 0.94, 0.93 0.86; sai số tuyệt đối trung bình (MAE) tương ứng 0.27, 0.27 0.36 Kết kiểm tra mạng cho kết tốt với R 0.93, 0.93 0.85; MAE 0.27, 0.27 0.36 Bảng Hình 2, 3, minh họa kết dự báo thử nghiệm cho trạm Tân Châu, Châu Đốc Chieng Sean từ tháng 1/2015 đến tháng 12/2019: Hình Dự báo thử nghiệm Tân Châu Hình Các bước xây dựng mơ hình EANN 568 Tuyển tập Hội nghị Khoa học thường niên năm 2021 ISBN: 978-604-82-5957-0 Bảng Kết đánh giá dự báo số vị trí dịng sơng Mekong Chỉ số đánh giá Tân Châu Chieng Châu Đốc Sean MSE (sai số tồn phương trung bình) 0.14 NMSE (sai số tuyệt đối trung bình hiệu chỉnh) 0.18 0.25 0.12 0.24 0.34 MAE (sai số tuyệt đối trung bình) 0.27 0.27 Min Abs Error (sai số nhỏ nhất) 0.02 0.01 Max Abs Error (sai số lớn nhất) 1.70 1.54 R (hệ số tương quan) 0.93 0.91 0.82 Mức đảm bảo phương án 78% 78% 75% Mơ hình mạng EANN xây dựng để dự báo mực nước trung bình tháng cho trạm đánh giá tốt với mức đảm bảo phương án 75% Mơ hình có ưu điểm mơ hình mạng trí tuệ nhân tạo khác khả cập nhật số liệu liên tục sau tự tối ưu mạng nhanh nên sử dụng công cụ dự báo tác nghiệp KẾT LUẬN 0.38 Bài báo trình bày tóm tắt “Nghiên cứu dự báo mực nước hạn dài cho số trạm dịng sơng Mekong Mạng Nơ ron Tiến hóa - EANN” Kết nghiên cứu thử nghiệm cho trạm Tân Châu, Châu Đốc Chieng Sean có mức đảm bảo phương án 75% mức tốt dự báo hạn dài Mạng EANN lại có nhiều ưu điểm thời gian chạy mơ hình để dự báo, đặc biệt khả cập nhật liệu liên tục để dự báo nên thích hợp cho việc đưa vào dự báo tác nghiệp Trong thời gian tới, nhóm nghiên cứu tiếp tục đưa biến triều vào phân tích mơ hình để dự báo lưu lượng trạm bị ảnh hưởng thủy triều Tân Châu Châu Đốc 0.01 1.19 TÀI LIỆU THAM KHẢO Hình Dự báo thử nghiệm Châu Đốc Hình Dự báo thử nghiệm Chieng Sean [1] Tổng kết đề tài NCKH cấp Nhà nước “Nghiên cứu sở khoa học phục vụ giám sát tài nguyên nước mặt cảnh báo hạn hán Đồng sông Cửu Long điều kiện thiếu số liệu quan trắc lưu vực sơng Mekong ngồi lãnh thổ Việt Nam” [2] Ngô Lê An nnk (2021) Nghiên cứu mơ dịng chảy thời đoạn tháng cho lưu vực sông Mekong đến Kratie sử dụng liệu Aphrodite Tạp chí Khoa học Kỹ thuật Thủy lợi Môi trường số 72 (3/2021) 569 ... tối ưu mạng nhanh nên sử dụng công cụ dự báo tác nghiệp KẾT LUẬN 0.38 Bài báo trình bày tóm tắt “Nghiên cứu dự báo mực nước hạn dài cho số trạm dịng sơng Mekong Mạng Nơ ron Tiến hóa - EANN? ?? Kết... hình dự báo hạn dài thời hạn tháng nên tương quan biến với biến cần dự báo nhỏ bị thuật tốn loại Các biến tham gia vào mơ hình EANN cịn lại biến mực nước trung bình tháng thứ i, i-1, i-2, i-3 trạm... án 75% mức tốt dự báo hạn dài Mạng EANN lại có nhiều ưu điểm thời gian chạy mơ hình để dự báo, đặc biệt khả cập nhật liệu liên tục để dự báo nên thích hợp cho việc đưa vào dự báo tác nghiệp Trong
