Nghiên cứu ứng dụng mạng thần kinh nhân tạo (ANN) trong dự báo lưu lượng nước đến hồ chứa cửa đạt

Dự báo lưu lượng nước đến hồ chứa có ý nghĩa rất quan trọng trong việc vận hành an toàn hồ chứa và phân phối nước hợp lý cho các nhu cầu sử dụng nước . Do vậy, đã có nhiều nghiên cứu nâng cao độ tin cậy của việc dự báo lượng nước đến phục vụ cho công tác quản lý, vận hành hồ chứa.

Do đó mục tiêu chính của nghiên cứu này là ứng dụng mạng thần kinh nhân tạo truyền thẳng nhiều lớp (ANN) sử dụng thuật toán lan truyền ngược để dự báo lưu lượng nước đến hồ chứa Cửa Đạt trước 3 ngày trên cơ sở phân tích, đánh giá hai kịch bản: (1) Dự báo lưu lượng đến hồ chỉ xét đến yếu tố lưu lượng dòng chảy và (2) xét đến yếu tố lưu lượng dòng chảy và yếu tố lượng mưa. Kết quả cho thấy, khi có xét thêm yếu tố lượng mưa cho độ chính xác cao hơn. Cụ thể, với dữ liệu của trạm Cửa Đạt, sai số quân phương RMSE giảm từ 75.04091 m3/s xuống còn 56.35318 m3/s và chỉ số xác định R2 nâng cao từ 0.68 lên 0.72, tương tự với trạm Cẩm Thủy, sai số RMSE cũng giảm xuống và chỉ số xác định R2 tăng lên. Kết quả nghiên cứu cung cấp một phương pháp hữu ích trong bài toán dự báo, đặc biệt có ý nghĩa trong công tác quản lý nguồn nước và góp phần quan trọng trong việc xây dựng các phương án quản lý vận hành hồ chứa được chủ động hơn.

1. ĐẶT VẤN ĐỀ

Biến đổi khí hậu (BĐKH) đã tác động đến sự thay đổi lưu lượng tại các vùng, lưu vực trên thế giới nói chung và Việt Nam nói riêng, trong đó lượng mưa có ảnh hưởng trực tiếp đến diễn biến dòng chảy, tác động tới công tác quản lý vận hành hồ chứa trên cả nước, đây là một thách thức ngày càng lớn trong điều kiện biến đổi khí hậu [1,13], đòi hỏi cần phải giải quyết bài toán về dự báo trước lưu lượng đến hồ để xây dựng quy trình vận hành hồ hợp lý có ý nghĩa rất quan trọng trong công tác quản lý vận hành hệ thống thủy lợi nói chung và vận hành hồ chứa nói riêng.

Các nghiên cứu về biến đổi khí hậu đã chỉ ra rằng trong ba thập niên tới, lượng mưa ở các lưu vực nhỏ tại Hàn Quốc sẽ tăng từ 6.6% đến 9.3% và nhiệt độ không khí có xu hướng tăng thêm từ 0.80C đến 3.20C (Bae. D.H et al., 2011). Đối với Việt Nam, trong năm thập niên qua (1958 – 2007) nhiệt độ trung bình đã tăng lên vào khoảng 0.50C-0.70C (MORE., 2009). Các nghiên cứu cũng chỉ ra sự biến đổi của các yếu tố và hiện tượng khí hậu cực đoan, như nhiệt độ cực đại (Tx), trên toàn Việt Nam nhìn chung có xu thế tăng, điển hình là vùng Tây Bắc và vùng Bắc Trung Bộ; Lượng mưa ngày cực đại tăng lên ở hầu hết các vùng khí hậu, nhất là trong những năm gần đây; Số ngày mưa lớn cũng có xu thế tăng lên tương ứng và biến động mạnh, nhất là ở khu vực Miền. Theo dự báo, nhiệt độ không khí trung bình của Việt Nam sẽ tăng lên đáng kể, có thể lên tới 0.3ºC/thập kỷ trong nửa đầu thế kỷ 21; Lượng mưa cũng có xu thế tăng lên trên hầu hết các vùng khí hậu, đặc biệt là dải ven biển Miền Trung (Thanh, et al., 2013). Những tác động của BĐKH không chỉ ảnh hưởng đến hoạt động kinh tế, xã hội mà sản xuất lương thực cũng đang và sẽ gặp nhiều rủi ro vì những tác động của hiện tượng biến đổi khí hậu (Dasgupta S., et al., 2007; HLC, 2008).

Hồ chứa nước Cửa Đạt có nhiệm vụ cấp nước tưới cho nông nghiệp và kết hợp phát điện,  khi thiết kế chưa đề cập đến yếu tố biến đổi khí hậu nên những năm gần đây biến đổi khí hậu đã ảnh hưởng xấu đến việc vận hành hồ chứa. Bên cạnh đó, theo đà phát triển của xã hội thì nhu cầu nước sẽ thay đổi, theo xu hướng tăng, dẫn đến sự thay đổi trong vận hành, phân phối nước. Vì vậy, yêu cầu đặt ra là cần dự báo được lượng nước đến hồ phục vụ cho việc vận hành, phân phối nước an toàn và hiệu quả. Bài viết này sẽ giới thiệu kết quả dự báo lưu lượng nước đến hồ chứa Cửa Đạt trên cơ sở ứng dụng mạng thần kinh nhân tạo truyền thẳng nhiều lớp (ANN) sử dụng thuật toán lan truyền ngược.

2. ĐỐI TƯỢNG NGHIÊN CỨU

2.1. Hồ Cửa Đạt

2.2. Mạng thần kinh nhân tạo

2.3. Mạng thần kinh nhân tạo truyền thẳng nhiều lớp

2.4. Phương pháp học

2.5. Thuật toán lan truyền ngược sai số

3. NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU

4. KẾT LUẬN

TÀI LIỆU THAM KHẢO

[1]      Bae DH, Jung IW, Demeis PL (2011). Hydrologic uncertainties in climate change from IPCC AR4 GCM simulations of the Chungju basin. Journal of Hydrology, 401: 90-105.

[2]      Lê Văn Nghinh, Hoàng Thanh Tùng, Nguyễn Ngọc Hải, Nghiên cứu ứng dụng mạng nơ ron thần kinh vào dự báo lũ các sông ở tỉnh Bình Định và Quảng Trị.

[3]      Lê Văn Nghinh, Bùi Công Quang, Hoàng Thanh Tùng, Mô hình toán thuỷ văn. Nhà xuất bản xây dựng, 2006.

[4]      Cao Thăng. Hướng dẫn sử dụng phần mềm mạng nơ ron SPICE-MLP, 2011.

[5]      Nguyễn Đăng Hà, Nghiên cứu ứng dụng công nghệ thông tin để hiện đại hóa quản lý điều hành hồ chứa nước Cửa Đạt.

[6]      Nguyễn Khắc Hiếu, Nguyễn Thị Vân Anh, Dự báo lạm phát tại Việt Nam bằng mô hình mạng thần kinh nhân tạo, Đại học sư phạm kỹ thuật, tp. Hồ Chí Minh.

[7]      Quy trình vận hành điều tiết hồ chứa nước Cửa Đạt tỉnh Thanh Hóa, tháng 9 năm 2014.

[8]      Ibrahim Can, Cahit Yerdelen, Ercan Kahya1 (2007), Stochastic modeling of Karasu River (Turkey) using the methods of Artificial Neural Networks, Proceeding of the AGU Hydrology Days 2007, March 19 - March 21, 2007, Colorado State University, Fort Collins, Colorado, USA, 138-144.

[9]      Paulin Coulibaly, Francois Anctil, and Bernard Bobee, Multivariate Reservoir Inflow Forecasting Using Temporal Neural Networks, Journal of Hydrologic Engineering, 2001.

[10]    Oscar R. Dolling, Eduardo A. Varas, Artificial neural networks for stream flow prediction, Journal of Hydraaulic research, 2002.

[11]    Demetris F. Lekkas, Development and Comparison of Data-Based Flow Forecasting Methods, PhD Thesis, Department of Civil and Environmental Engineering, Imperial College of Science, Technology and Medicine, London, 2002.

[12]    Lekkas D.F., Onof C, Improved flow forecasting using artificial neural networks, 9th International Conference on Environmental and Technology, Rhodes Island, Greece, September 2005.

[13]    Ngô Đức Thành và CS, (2013). Biến đổi khí hậu Việt Nam. Tạp chí Khoa học Trái đất và Môi trường, Số 2 (2013) 42-55.