Sử dụng mạng nơ-ron nhân tạo dự báo mực nước sông chịu ảnh hưởng của thủy triều

Mạng nơ-ron hồi quy (Recurrent Neural Network - RNN) được sử dụng rộng rãi trong nhiều lĩnh vực khác nhau, trong đó có thủy lợi. Các mô hình RNN được ứng dụng để dự báo mực nước sông, lưu lượng đến hồ chứa… Trong bài báo này, các tác giả đã thiết lập một mô hình Long Short-Term Memory network (LSTM), một dạng đặc biệt của RNN, để dự báo mực nước ở hạ lưu cống - âu thuyền Cầu Cất thuộc hệ thống thủy lợi Bắc Hưng Hải. Dữ liệu đầu vào của mô hình chỉ là mực nước ở hạ lưu cống Cầu Cất trong quá khứ, kết quả dự báo là mực nước ở đó cho 6 giờ, 12 giờ, 18 giờ và 24 giờ trong tương lai. Mô hình mà các tác giả đề xuất cho kết quả có độ chính xác cao và ổn định, hệ số Nash dao động từ 95.3% đến 91.6% tương ứng với các trường hợp dự báo. Vì vậy, có thể ứng dụng mô hình này để dự báo mực nước tại các cống vùng triều, giúp cho việc vận hành cống an toàn, hiệu quả.

1. GIỚI THIỆU CHUNG*

2. PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU ĐẦU VÀO

2.1. Mạng nơ-ron hồi quy (RNN) và mạng LSTM

2.2. Phương pháp đánh giá

2.3. Dữ liệu đầu vào của mô hình

2.4. Thiết kế mô hình

3. KẾT QUẢ NGHIÊN CỨU

3.1. Kết quả kiểm định mô hình

3.2. Kết quả dự báo mực nước trong tương lai gần

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.

[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.

[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] Trương Xuân Nam, Nguyễn Thanh Tùng (2016). “Deep learning: Ứng dụng cho dự báo lưu lượng nước đến hồ chứa Hòa Bình”. Tuyển tập Hội nghị Khoa học thường niên năm 2016, Đại học Thủy lợi.

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

[6] 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.

[7] 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.

[8] Website: http://bachunghai.com/default.aspx?user=0&pro=qlct-xemthongsokythuat

Chi tiết bài báo xem tại đây: Sử dụng mạng nơ-ron nhân tạo dự báo mực nước sông chịu ảnh hưởng của thủy triều

Hồ Việt Tuấn
Công ty TNHH Framgia Việt Nam
Hồ Việt Hùng
Trường Đại học Thủy Lợi

TẠP CHÍ KH&CN THỦY LỢI