Sông Tam Kỳ bắt nguồn từ phía nam của tỉnh Quảng Nam - Đà Nẵng, nơi ranh giới giữa hai tỉnh Quảng Nam và Quảng Ngãi với đỉnh núi Chúa cao 1362m và chính dãy núi này phân chia lưu vực sông Thu Bồn và lưu vực sông Tam Kỳ. Sông Tam Kỳ chảy theo hướng Tây Nam - Đông Bắc sau chuyển hướng Tây Bắc - Đông Nam và chảy vào sông Trường Giang rồi đổ ra biển tại cửa Lở và cửa An Hoà. Nhìn chung, dòng sông ngắn chảy quanh co khúc khuỷu, độ uốn khúc lớn, lòng sông tương đối hẹp và thường xuyên thay đổi, ở vùng núi có đoạn thu hẹp lại, hai bờ dốc đứng, có đoạn mở rộng ra, hai bên bờ thấp tạo ra những bãi tràn lớn.
Trong đề tài cấp tỉnh Quảng Nam do Viện Địa lý, Viện Hàn Lâm KHCN Việt Nam làm đơn vị chủ trì từ 01/2017 đến 12/2018, Viện Cơ học là đơn vị tham gia thực hiện việc tính toán thuỷ động lực học và xâm nhập mặn bằng các mô hình 1D và 2D. Các số liệu địa hình và thực đo (chỉ có năm 2001 và 2017) được lấy từ đề tài này và sử dụng để thử nghiệm cho hệ thống dự báo bằng mạng thần kinh nhân tạo hồi tiếp.
Phần phạm vi tính toán bao gồm hạ lưu của sông Tam Kỳ, sông Bàn Thạch và 1 phần sông Trường Giang và các sông hợp lại đổ ra biển tại cửa Lở và cửa An Hòa. Phần diện tích nghiên cứu bao gồm trung tâm thành phố Tam Kỳ huyện Núi Thành và một phần diện tích huyện Phú Ninh.
Đặc điểm lũ ở các sông tỉnh Quảng Nam cũng như các sông thuộc miền Trung Việt Nam, khả năng tập trung nước rất nhanh, biên độ mực nước cao, gây ra lũ có đặc điểm lên nhanh và rút nhanh, gây khó khăn trong công việc dự báo và phòng tránh lũ. Do đó, việc ứng dụng dự báo bằng mạng thần kinh nhân tạo - có ưu điểm tính toán nhanh chóng - là cần thiết cho lưu vực này vì các mô hình thuỷ lực truyền thống thường mất nhiều thời gian tính toán để đưa ra kết quả.
Hình 3.15: Phạm vi nghiên cứu của lưu vực sông Tam Kỳ
Hình 3.16: Bản đồ lưu vực sông Tam Kỳ
Các tín hiệu đầu vào của mô hình bao gồm 3 biên trên tại Bàn Thạch, Tam Tiến, Phú Ninh và 2 biên dưới là 2 cửa biển: Cửa Lở và Cửa An Hoà, từ đó để tính toán được mực nước tại trạm Tam Anh.
Dưới đây là kết quả đường quá trình mực nước thực đo và dự báo tại trạm Tam Anh:
Hình 3.17: Đồ thị mực nước thực đo và dự báo tại trạm Tam Anh năm 2001
Hình 3.18: Đồ thị mực nước thực đo và dự báo tại trạm Tam Anh năm 2017 Nhận xét: Dù tập dữ liệu không nhiều nhưng mô hình sau huấn luyện đã dự báo tốt cho bộ số liệu năm 2001 và chuỗi giá trị tính toán bắt được khá tốt chuỗi giá trị thực đo với dao động mực nước biến đổi theo chu kỳ thuỷ triều – khi mô hình mạng nơron truyền thẳng gặp khó khăn với bài toán này. Đối với năm 2017, các giá trị thuỷ văn đo
-0.4 -0.2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 11/7/2001 0:00 11/13/2001 0:00 11/19/2001 0:00 11/25/2001 0:00 Mực n ước ( m ) Thời gian Thực đo Dự báo -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 3/6/2017 0:00 3/11/2017 0:00 3/16/2017 0:00 3/21/2017 0:00 Mực nư ớc (m ) Thời gian Thực đo Dự báo
đạc có được từ đề tài là thiếu (được bổ sung từ giá trị trung bình ước lượng thu thập) và ngắt quãng (các thời điểm đo thủ công không liên tục), nên dẫn đến việc dự báo mực nước là không đạt, cần bổ xung các dữ liệu đo và thực hiện thay đổi cấu trúc cũng như huấn luyện lại mạng để kết quả có độ tin cậy, ứng dụng được dự báo trong thực tiễn.
KẾT LUẬN VÀ KIẾN NGHỊ
Đề tài định hướng nội dung nghiên cứu vào mạng nơron nhân tạo hồi tiếp, xây dựng cơ sở dữ liệu lớn, kết hợp giữa ứng dụng công nghệ WebGIS với mạng nơron nhân tạo hồi tiếp ứng dụng vào bài toán dự báo thủy lực, thủy văn, môi trường,...
Các đóng góp khoa học của đề tài
• Hệ thống hóa các nội dung cơ bản về mạng nơron nhân tạo hồi tiếp, cơ sở dữ liệu thuỷ văn và hệ thống thông tin địa lý trực tuyến WebGIS.
• Kết quả huấn luyện và dự báo trạm Hà Nội của lưu vực đồng bằng châu thổ sông Hồng có độ chính xác đạt Tốt (NSE > 0,9),
• Kết quả dự báo cho mực nước trạm Ba Thá trên lưu vực sông Tích Bùi cho thấy mô hình mạng nơron hồi tiếp LSTMs xây dựng đã bước đầu dự báo được bài toán với các chuỗi dữ liệu có đầu vào liên kết với đầu ra theo thời gian (mô hình mạng nơron truyền thẳng chưa làm được), tuy nhiên kết quả chỉ mới chỉ ở mức khá, còn sai số tại các giá trị chân và đỉnh lũ, cần tiếp tục nghiên cứu thêm cải tiến về mô hình,
• Mô hình sau huấn luyện đã được kiểm định và chuỗi giá trị tính toán bắt được khá tốt chuỗi giá trị thực đo với dao động mực nước biến đổi theo chu kỳ thuỷ triều – khi mô hình mạng nơron truyền thẳng gặp khó khăn với bài toán này tại lưu vực sông Tam Kỳ.
• Nội dung của đề tài đã được đăng tại tuyển tập công trình khoa học “Hội nghị Cơ học kỹ thuật toàn quốc kỷ niệm 40 năm thành lập Viện Cơ học” có chỉ số ISBN:978-604-913-937-6.
Hướng phát triển
• Áp dụng phương thức dự báo cho toàn bộ 16 lưu vực lớn và các lưu vực nhỏ tuỳ theo nhu cầu, đối với mỗi lưu vực, áp dụng dự báo cho nhiều trạm quan trắc cùng lúc.
• Tiến hành song song sử dụng mô hình thuỷ lực, thuỷ văn truyền thống để dự báo, các kết quả được đánh giá cùng kết quả mô hình mạng thần kinh nhân tạo, kết hợp cùng với hệ tri thức chuyên gia nhằm đưa ra các dự báo mang tính tổng hợp, chính xác hơn.
• Ngoài yếu tố mực nước, hệ thống sẽ mở rộng để dự báo các yếu tố khác như mưa, lưu lượng,…
TÀI LIỆU THAM KHẢO
[1] Nguyễn Chính Kiên,Thử nghiệm ứng dụng mạng neuron nhân tạo trong dự báo thủy văn và thủy lực, Hội nghị Cơ học toàn quốc lần thứ X, Hà Nội, (12-2017). [2] Đặng Văn Đức, Hệ thống thông tin địa lý (GIS), Nhà xuất bản khoa học và kỹ thuật,
Hà Nội, (2001).
[3] Jurgen Schmidhuber, Deep Learning in Nơron Networks: An Overview,
Switzerland, (2014).
[4] Alex Graves, Generating Sequences With Recurrent Nơron Networks, University of Toronto, (2014).
[5] http://colah.github.io/posts/2015-08-Understanding-LSTMs/ [6] https://apaszke.github.io/lstm-explained.html (adsbygoogle = window.adsbygoogle || []).push({});
[7] https://gisvn.edu.vn/webgis [8] http://quangnam.gov.vn