THIẾT KẾ MÔ HÌNH HỌC SÂU LAI TRONG DỰ BÁO THỜI TIẾT NỘI MÙA THEO KHU VỰC ĐỊA LÝ

Tóm tắt

Dự báo dưới mùa (S2S) đóng vai trò quan trọng trong quản lý rủi ro thiên tai, sản xuất nông
nghiệp, vận hành thủy điện và điều tiết tài nguyên nước. Tuy nhiên, các mô hình số truyền thống vẫn còn
nhiều hạn chế trong việc mô phỏng chính xác các dao động khí hậu quy mô trung bình như ENSO, MJO
hoặc dao động gió mùa. Nghiên cứu này đề xuất một mô hình học sâu lai kết hợp dữ liệu quan sát dạng
lưới và dữ liệu khí hậu dạng văn bản để cải thiện chất lượng dự báo theo vùng địa lý. Kiến trúc lai bao
gồm dữ liệu lưới xử lý CNN và nhánh NLP dạng văn bản, kết hợp với lớp hợp nhất đa nguồn. Kết quả
thực nghiệm cho thấy mô hình lai vượt trội hơn các mô hình dòng đơn, giảm sai số RMSE trung bình từ
18–25% và tăng kỹ năng tương quan từ 12–20% tùy theo khu vực. Đây là một phương pháp tiếp cận đầy
hứa hẹn trong bối cảnh nhu cầu ngày càng cấp thiết về dự báo chính xác trong mùa.