NGHIÊN CỨU MÔ HÌNH HỌC MÁY ĐỂ XÂY DỰNG ỨNG DỤNG DỰ BÁO LƯỢNG MƯA Ở HÀ NỘI

Tóm tắt

Nghiên cứu này tập trung phát triển mô hình học máy nhằm dự báo lượng mưa tại Hà Nội dựa
trên dữ liệu khí tượng và môi trường. Mô hình áp dụng các kỹ thuật hồi quy và học máy tổ hợp (Random
Forest, XGBoost, LSTM) để dự đoán lượng mưa hằng ngày với độ chính xác cao. Sử dụng dữ liệu thời tiết
thực tế thu thập từ Trạm Khí tượng Hà Nội trong giai đoạn 2015–2024, mô hình đề xuất đạt sai số trung
bình tuyệt đối (MAE) là 1,87 mm và hệ số xác định R² = 0,92.
Nghiên cứu này đóng góp một khung mô hình học máy bản địa hóa phù hợp với khí hậu nhiệt đới gió mùa,
tối ưu cho khu vực Hà Nội. Mô hình kết hợp XGBoost và LSTM thể hiện khả năng dự báo ổn định, có thể
mở rộng áp dụng cho các khu vực khác của Việt Nam trong giám sát mưa thời gian thực