Kết hợp mô hình thủy văn khái niệm và mô hình học máy để nâng cao hiệu quả trong mô phỏng dòng chảy trên lưu vực sông Tiên Yên, Quảng Ninh

Abstract

Nghiên cứu này sử dụng mô hình kết hợp (Hybrid) giữa mô hình thủy văn khái niệm NAM và học tăng cường Gradient cực đại (XGBoost) để ước tính dòng chảy trên lưu vực sông Tiên Yên, Quảng Ninh, Việt Nam. Dữ liệu được sử dụng cho mô hình Hybrid (NAM-XGBoost) bao gồm tài liệu khí tượng (mưa, bốc hơi) tại trạm Bình Liêu và Tiên Yên (1975-2024), và lưu lượng quan trắc tại trạm Bình Liêu (1975-2019). Mô hình được hiệu chỉnh cho giai đoạn (1975-2005) (70% dữ liệu) và kiểm định cho giai đoạn 2006-2019 (30% dữ liệu). Kết quả tính toán cho thấy, mô hình Hybrid (NAM-XGBoost) tái hiện lại tốt lưu lượng quan trắc với các chỉ số (NSE>0.80, KGE>0.80, R2>0.80, RMSE<26 m3/s). Đây là kết quả vượt trội nếu so sánh với mô hình NAM thuần túy (NSE <0.65, KGE<0.60, R2<0.65, RMSE>36 m3/s). Bên cạnh đó, Hybrid cũng cho thấy khả năng mô phỏng dòng chảy lũ và dòng chảy kiệt tốt hơn so với NAM. Điều này chứng tỏ mô hình Hybrid (NAM-XGBoost) có khả năng thể hiện mối quan hệ phi tuyến giữa mưa dòng chảy do giảm được sai số dư trong quá trình huấn luyện với mô hình thủy văn khái niệm đơn lẻ. Từ khóa: Mô hình thủy văn khái niệm, Hybrid (NAM-XGBoost), dòng chảy lũ, dòng kiệt