Dự báo mực nước sông Mekong sử dụng LSTM và dữ liệu quan trắc thượng nguồn

Đồng bằng sông Cửu Long với hệ thống sông ngòi và kênh rạch chằng chịt nên hiện tượng nước ngập do triều cường thường xuyên xảy ra. Mực nước sông không chỉ chịu ảnh hưởng của thủy triều mà còn bởi nhiều yếu tố khác như địa hình, mực nước nền và nhiều yếu tố khí tượng thủy văn khác. Hệ thống dự báo mực nước được xây dựng nhằm giảm thiểu những thiệt hại về kinh tế cũng như có sự chuẩn bị đối phó với triều cường.
Nội dung trích xuất từ tài liệu:
Dự báo mực nước sông Mekong sử dụng LSTM và dữ liệu quan trắc thượng nguồn Kỷ yếu Hội nghị KHCN Quốc gia lần thứ XII về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR); Huế, ngày 07-08/6/2019 DOI: 10.15625/vap.2019.00016 DỰ BÁO MỰC NƯỚC SÔNG MEKONG SỬ DỤNG LSTM VÀ DỮ LIỆU QUAN TRẮC THƯỢNG NGUỒN Trần Nguyễn Minh Thư1, Nguyễn Hồng Hải1, Phạm Trường An1 1 Khoa Công nghệ Thông tin và Truyền thông, Đại học Cần Thơ tnmthu@ctu.edu.vn, ghaikstv@gmail.com, ancs21ps@gmail.com TÓM TẮT: Đồng bằng sông Cửu Long với hệ thống sông ngòi và kênh rạch chằng chịt nên hiện tượng nước ngập do triều cường thường xuyên xảy ra. Mực nước sông không chỉ chịu ảnh hưởng của thủy triều mà còn bởi nhiều yếu tố khác như địa hình, mực nước nền và nhiều yếu tố khí tượng thủy văn khác. Hệ thống dự báo mực nước được xây dựng nhằm giảm thiểu những thiệt hại về kinh tế cũng như có sự chuẩn bị đối phó với triều cường. Mô hình mạng LSTM (Long short-term memory networks) được xây dựng dựa trên dữ liệu mực nước của 4 trạm trên sông Mekong được đặt tại Tân Châu, Châu Đốc, Vàm Nao và Mỹ Thuận để dự báo mực nước tại Cần Thơ. Tập dữ liệu năm 2012-2015 được dùng để huấn luyện mô hình và dữ liệu năm 2016 dùng để kiểm tra đánh giá. Để dự báo mực nước của 6 giờ tiếp theo, dữ liệu mực nước của 24h trước đó được sử dụng như đầu vào của mô hình. Kết quả thực nghiệm cho thấy kết quả dự báo có sai số tương đối thấp, giá trị RMSE trung bình của 6 h đối với 4 trạm đầu vào là 4.956 cm, với 1 trạm đầu vào là 5.463cm. Từ khóa: Mô hình học sâu, mạng LSTM, dự báo mực nước. I. GIỚI THIỆU Hiện tượng nước ngập do triều cường xuất hiện là do mực nước trên hệ thống sông dâng cao phụ thuộc chủ yếu bởi ảnh hưởng thủy triều biển Đông. Những năm gần đây mực nước mùa lũ từ tháng 8 đến tháng 11 trên sông Cửu Long do ảnh hưởng của thủy triều nhất là những ngày triều cường mực nước dâng cao làm ngập đường giao thông, công trình xây dựng, ruộng vườn ở nhiều tỉnh và thành phố trong vùng, vào mùa cạn triều cường cũng đẩy xâm nhập mặn theo các triền sông vào sâu trong đất liền. Những hiện tượng trên ngày càng diễn ra thường xuyên hơn do ảnh hưởng của nhiều yếu tố như nước biển dâng, biến đổi khí hậu, quá trình phát triển kinh tế…. Từ đó đã gây ra nhiều ảnh hưởng tiêu cực đến đời sống sinh hoạt của người dân và gây nhiều thiệt hại hoạt động kinh tế trong vùng [1]. Dự báo mực nước trên hệ thống sông Cửu Long là một bài toán cần phải có lời giải để phục vụ nhu cầu phát triển kinh tế trong vùng cũng như giảm mức độ ảnh hưởng của ngập lụt đến sinh hoạt của người dân trong vùng. Để dự báo mực nước thuỷ triều người ta thường áp dụng 2 phương pháp sau: phương pháp phân tích dựa vào các hằng số điều hoà thuỷ triều [2] và phương pháp dự báo dựa trên máy học [5,6,7,8]. Dựa vào hằng số điều hoà, nghiên cứu của Đặng Văn Tỏ [3] đã phân tích và dự báo sự dao động mực nước ở biển Vũng Tàu. Số liệu quan trắc hàng giờ của năm 2000 (8760 số liệu) của trạm Vũng Tàu được sử dụng để phân tích bằng phương pháp bình phương tối thiểu. Trong nghiên cứu này, 62 hằng số điều hòa trong đó 34 thành phần có ý nghĩa và 28 thành phần kém ý được xác định và dùng để dự báo cho tháng 1 năm 2010. Tuy nhiên, các hằng số điều hòa dựa trên đặc điểm về chu kỳ của các dao động thủy triều do lực tác động của các hành tinh lên bề mặt của thủy quyển sử dụng để dự báo mực nước biển có thể bị lỗi sai số 30% do chỉ tính đến tác động của lực hấp dẫn của mặt trời và mặt trăng mà không chú ý tới bất kỳ hiệu ứng khí tượng thuỷ văn[4]. Khắc phục nhược điểm của phương pháp hằng số điều hoà, đã có một số nghiên cứu áp dụng mô hình mạng nơron nhân tạo (Artificial Neural Network - ANN) vào việc dự báo mực nước thủy triều. Trong nghiên cứu mực nước tại trạm đo Cảng Boat Hillarys, Tây Úc vào năm 2004, Makarynskyya và các cộng sự đã sử dụng mạng nơron để dự báo biến đổi mực nước biển mỗi giờ trong 24 giờ tiếp theo, mực nước trung bình 12 giờ, 1 ngày, 5 ngày và 10 ngày [5]. Dữ liệu 12 năm từ tháng 1 năm 1991 đến tháng 12 năm 2002 đã được sử dụng để huấn luyện và kiểm thử mô hình ANN. Các kết quả thu được cho thấy tính khả thi được đánh giá bằng các thông số như hệ số tương quan giữa mực nước dự báo và mực nước thực đo r (0.7-0.9), sai số căn quân phương (Root Mean Square Error - RMSE) khoảng 10% biên độ thủy triều và chỉ số tán xạ SI (0.1-0.2). Vào năm 2009, cũng với dự liệu đo tại trạm Cảng Boat Hillarys trong khoảng thời gian 1991-2001, giải thuật di truyền được sử dụng để dự báo sự thay đổi mực nước biển. Nghiên cứu này cũng đã chứng minh được mô hình Mạng nơ ron nhân tạo và giải thuật di truyền hoạt động tốt và có thể được coi là phương án thay thế cho phân tích điều hòa [6]. Trong nghiên cứu khác, Bang-Fuh Chen và cộng sự [7] đã sử dụng mực nước của 1 trạm để huấn lu ...