NGHIÊN CỨU ỨNG DỤNG HỌC SÂU ĐỂ DỰ BÁO DÒNG CHẢY NGÀY ĐẾN TRẠM ĐỒNG TRĂNG TRÊN SÔNG CÁI - NHA TRANG

  • Lê Hữu Minh Quân
  • Nguyễn Đức Hạnh
  • Nguyễn Văn Anh Hoàng
Từ khóa: Học sâu, học máy, dự báo lưu lượng, LSTM, SARIMA.

Tóm tắt

Tính toán dự báo lưu lượng nước trong sông có vai trò quan trọng trong các nghiên cứu về thủy văn, quy hoạch và quản lý tài nguyên nước, hay các bài toán về cân bằng nước lưu vực. Trong một vài thập kỷ trở lại đây, trí tuệ nhân tạo hay cụ thể hơn là học sâu đã và đang được ứng dụng rất nhiều trong các lĩnh vực, trong đó có nghiên cứu dự báo dòng chảy nhằm nâng cao chất lượng dự báo. Nghiên cứu này ứng dụng mô hình học sâu LSTM kết hợp với biến đổi trung bình trượt để thử nghiệm phân tích chuỗi thời gian và dự báo lưu lượng 1 ngày đến trạm Đồng Trăng trên sông Cái - Nha Trang. Kết quả tính toán này được so sánh với một mô hình phân tích chuỗi thời gian phổ biến là mô hình SARIMA. Từ đó cho thấy việc sử dụng mô hình học sâu LSTM kết hợp với biến đổi trung bình trượt đã làm nâng cao chất lượng dự báo lên rất nhiều so với mô hình SARIMA và so với bản thân mô hình LSTM (khi không sử dụng kết hợp với biến đổi trung bình trượt). Điều này được khẳng định thông qua so sánh đánh giá các chỉ số như MSE, NSE, MAPE, KGE của các phương án dự báo.

điểm /   đánh giá
Phát hành ngày
2024-12-26