XÂY DỰNG MÔ HÌNH HỌC SÂU DỰ BÁO ĐẶC TRƯNG LŨ TẠI TRẠM THỦY VĂN YÊN BÁI

Abstract

Trí tuệ nhân tạo mà điển hình là các mô hình học sâu đang ngày càng được ứng dụng rộng rãi trong các nghiên cứu về thủy văn và tài nguyên nước. Trong bài toán dự báo lũ lớn trên các sông, các mô hình học máy, học sâu đã thể hiện được tiềm năng với tốc độ xử lý nhanh, cho kết quả với độ chính xác cao ngay cả với những chuỗi dữ liệu ngắn, tập trung vào mô tả các sự kiện lũ và không có tính liên tục về thời gian. Tuy có nhiều ưu điểm nhưng các mô hình học sâu hay trí tuệ nhân tạo nói chung đều cần kiến thức chuyên gia để định hướng cách học, tránh việc học máy móc. Nghiên cứu này được thực hiện nhằm xây dựng được mô hình học sâu dựa trên nền tảng mạng nơ-ron truyền thẳng đa tầng (Multilayer Perceptron-MLP) phục vụ dự báo đặc trưng lũ tại Trạm thủy văn Yên Bái trên Sông Thao. Từ dữ liệu lưu lượng chân lũ, lượng mưa tích lũy 5 ngày tại các trạm Sa Pa, Văn Chấn và Yên Bái, một mô hình MLP được xây dựng với cấu trúc 11x11. Mô hình được huấn luyện bởi 62 số liệu (1961-2022) và cho kết quả tốt với hệ số R2=0,69-0,84, sai số MAE<20% lưu lượng đỉnh lũ trung bình. Dữ liệu năm 2023-2024 được sử dụng để dự báo thử nghiệm đỉnh lũ tại Yên Bái, kết quả cho sai số đỉnh lũ đạt 9,8% (năm 2023) và 20,9% (năm 2024).