TextBody
Huy chương 2

Dự báo mực nước sông Cấm, thành phố Hải Phòng bằng mô hình mạng Nơ-ron LSTM

18/07/2022

Sông Cấm là sông lớn thuộc địa phận Hải Phòng, giữ vị trí trọng yếu về kinh tế, quốc phòng và văn hóa không chỉ của Hải Phòng mà của miền Bắc nước ta. Gần đây nhiều khu đô thị lớn, hiện đại được xây dựng bên bờ sông Cấm. Vì vậy, dự báo chính xác mực nước sông Cấm sẽ góp phần quan trọng trong việc phòng chống ngập lụt, đảm bảo an toàn đời sống nhân dân và phát triển kinh tế, xã hội. Theo đó, tác giả bài báo này đã thiết lập một mô hình Long Short-Term Memory Neural Network (LSTM), một dạng đặc biệt của Mạng nơ-ron hồi quy (Recurrent Neural Network - RNN) để dự báo mực nước sông Cấm tại trạm Cửa Cấm, Hải Phòng. Mô hình dự báo chỉ cần dữ liệu đầu vào là mực nước thực đo tại các trạm thủy văn và hải văn trong khu vực nghiên cứu. Lượng mưa tại các trạm: Cao Kênh, Kiến An, Phù Liễn, Cửa Cấm có hệ số tương quan thấp nên các chuỗi số liệu này không được sử dụng cho mô hình. Hệ số Nash (Nash Sutcliffe Efficiency), Sai số bình phương trung bình (Root Mean Squared Error), Sai số tuyệt đối trung bình (Mean Absolute Error) đã được sử dụng để đánh giá sai số trị số dự báo. Kết quả dự báo có độ chính xác cao, chất lượng dự báo là đủ độ tin cậy. Do đó, có thể áp dụng mô hình này để dự báo mực nước sông Cấm và các sông khác ở Hải Phòng.

1. GIỚI THIỆU CHUNG *

2. PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU

2.1. Mạng nơ-ron LSTM và các dữ liệu đầu vào mô hình

2.2. Thiết kế mô hình LSTM

2.3. Phương pháp đánh giá sai số

3. KẾT QUẢ NGHIÊN CỨU

3.1. Kết quả kiểm định mô hình

3.2. Kết quả dự báo thử nghiệm

4. KẾT LUẬN

TÀI LIỆU THAM KHẢO

[1] Lê Xuân Hiền, Hồ Việt Hùng (2018). “Ứng dụng mạng Long Short-Term Memory (LSTM) để dự báo mực nước tại trạm Quang Phục và Cửa Cấm, Hải Phòng, Việt Nam”. Tạp chí Thủy lợi và môi trường số 62 (tháng 9/2018), Đại học Thủy lợi. Trang 9-16.

[2] Hồ Việt Hùng, Lê Xuân Hiền, Giha Lee (2018). “xây dựng mô hình mạng nơ-ron hồi quy dựa trên phần mềm mã nguồn mở để dự báo lưu lượng dòng chảy”. Tuyển tập Hội nghị Khoa học thường niên năm 2018, Đại học Thủy lợi. Trang 560-562.

[3] Hồ Việt Hùng, Lê Xuân Hiền, Giha Lee (2018). “Ứng dụng mạng thần kinh nhân tạo dự báo lưu lượng dòng chảy sông Hồng tại Sơn Tây dựa trên dữ liệu ở thượng lưu”. Hội nghị Khoa học thường niên năm 2018, Hội Cơ học Thủy khí.

[4] Hồ Việt Hùng (2019). “Ứng dụng học máy (machine learning) trong việc dự báo lưu lượng dòng chảy và đỉnh lũ sông Hồng”. Tuyển tập Hội nghị Khoa học Cơ học Thủy khí toàn quốc lần thứ 22, trang 381-390.

[5] Hồ Việt Tuấn, Hồ Việt Hùng (2019). “Sử dụng mạng nơ-ron nhân tạo dự báo mực nước sông chịu ảnh hưởng của thủy triều”. Tạp chí Khoa học và công nghệ Thủy lợi, Viện Khoa học Thủy lợi Việt Nam, số 52, trang 108-116.

[6] Xuan-Hien Le, Hung Viet Ho, Giha Lee, Sungho Jung (2019). “Application of Long Short-Term Memory (LSTM) Neural Network for Flood Forecasting”. Water, MDPI, 11, 1387; doi:10.3390/w11071387. https://doi.org/10.3390/w11071387

[7] Asaad Y. Shamseldin (2010). “Artificial neural network model for river flow forecasting in a developing country”. Journal of Hydroinformatics, 12.1.

[8] Chen, J.F., Hsieh, H.N., and Do, Q.H. (2014). “Forecasting Hoabinh Reservoir’s Incoming Flow: An Application of Neural Networks with the Cuckoo Search Algorithm”. Information. 5, 570-586.

[9] Le, X.H., Ho, V.H., Lee, G.H., and Jung, S.H. (2018) “A Deep Neural Network Application for Forecasting the Inflow into the Hoabinh Reservoir in Vietnam”. Proceeding of International Symposium on Lowland Technology. pp. 151-159.

[10] Sung, J.Y., Lee, J., Chung, I.M., and Heo, J.H. (2017). “Hourly water level forecasting at tributary affected by main river condition”. KSCE Journal of Civil Engineering. 9, pp.644-653.

[11] Veintimilla-Reyes J, Cisneros F, Vanegas P. (2016). “Artificial neural networks applied to flow prediction: A use case for the Tomebamba River”. Procedia Engineering 162: pp. 153-161.

[12] Thông tư số 42/2017/TT-BTNMT, ngày 23/10/2017 Quy định kỹ thuật đánh giá chất lượng dự báo, cảnh báo thủy văn.

________________________________________________________________________

Chi tiết bài báo xem tại đây: Dự báo mực nước sông Cấm, thành phố Hải Phòng bằng mô hình mạng Nơ-ron LSTM

Hồ Việt Hùng
Trường Đại học Thủy lợi

TẠP CHÍ KH&CN THỦY LỢI

Ý kiến góp ý: