Nghiên cứu áp dụng mô hình học máy phục vụ vận hành hệ thống kiểm soát lũ thời gian thực cho khu vực lõi thành phố Cần Thơ

Bài viết Nghiên cứu áp dụng mô hình học máy phục vụ vận hành hệ thống kiểm soát lũ thời gian thực cho khu vực lõi thành phố Cần Thơ đánh giá khả năng vận hành hệ thống để đảm bảo quản lý rủi ro lũ lụt vùng đô thị lõi Cần Thơ.
Nội dung trích xuất từ tài liệu:
Nghiên cứu áp dụng mô hình học máy phục vụ vận hành hệ thống kiểm soát lũ thời gian thực cho khu vực lõi thành phố Cần ThơNGHIÊN CỨU ÁP DỤNG MÔ HÌNH HỌC MÁY PHỤC VỤ VẬN HÀNHHỆ THỐNG KIỂM SOÁT LŨ THỜI GIAN THỰC CHO KHU VỰC LÕI THÀNH PHỐ CẦN THƠ Trương Vân Anh, Hoàng Thị Nguyệt Minh Trường Đại học Tài nguyên và Môi trường Hà Nội Tóm tắt Cần Thơ là một tỉnh thuộc đồng bằng sông Cửu Long nằm trên bờ Sông Hậu. Đây là một tỉnhthường xuyên bị ngập lụt do lũ thượng nguồn, do triều cường và do mưa lớn nội đồng. Để kiểmsoát ngập lụt, chính quyền thành phố đã cho xây dựng một vùng bao gồm các hệ thống kè sông vàcống ngăn lũ, đảm bảo nước trên các sông lớn không gây ngập lụt vùng đô thị. Nghiên cứu nàyđánh giá khả năng vận hành hệ thống để đảm bảo quản lý rủi ro lũ lụt vùng đô thị lõi Cần Thơ.Phương pháp tiếp cận mô hình cho phép vận hành hệ thống thời gian thực dựa trên dữ liệu dự báotại các trạm thủy văn trên Sông Hậu được đề xuất áp dụng trong đó mô hình học máy đã giúp giảiquyết việc giảm tải thời lượng tính toán của các mô hình thủy động lực học thông thường để ápdụng được trong thực tế vận hành hệ thống. Từ khóa: Quản lý rủi ro ngập lụt; Biến đối khí hậu; Mô hình học máy; Mô hình SNN; Môhình ANN; Kiểm soát hệ thống. Abstract Apply machine learning model to operate real - time flood control system for core area of ​​Can Tho city Can Tho is a province in the Mekong Delta located on the banks of the Hau River. This isa province that is regularly flooded by upstream floods, high tides and heavy rains in its area.To control flooding, the city government built an area including river embankment systems andflood control sluices, ensuring that water in major rivers does not flood the urban area. Thisstudy evaluates the system performance to ensure flood risk management in the core urban areaof ​​Can Tho. The model approach that allows real - time system operation based on forecastdata at hydrological stations on the Hau River is proposed to be applied in which the machinelearning model has helped to reduce the computational time load. Mathematics of conventionalhydrodynamic models to be applied in actual system operation. Keywords: Flood risk management; Climate change; Machine learning; SNN model; ANNmodel; Control system. 1. Đặt vấn đề Cần Thơ là một tỉnh thuộc vùng đồng bằng sông Cửu Long. Nằm bên bờ Sông Hậu và cáchcửa biển Định An khoảng 76 km, với cao độ trung bình dao động khoảng từ 1 - 2 m, thành phốthường xuyên bị ngập lụt do mưa lớn nội đồng, lũ từ thượng nguồn sông Cửu Long và triều cườngtừ Biển Đông. Để khắc phục tình trạng ngập úng này, chính quyền địa phương đã lên phương ánxây dựng vùng đô thị lõi thành phố Cần Thơ thành một vùng bao được bao quanh bởi các bờ kè kếthợp đường giao thông và một hệ thống cống ngăn triều và trạm bơm không cho phép nước sôngtràn vào hệ thống cũng như sẽ vận hành bơm nước từ hệ thống ra ngoài sông khi mực nước sôngcao mà hiện tượng ngập úng trong vùng bao vẫn xảy ra do mưa lớn. Để vận hành một hệ thống thủy lực như vậy, thông thường các mô hình thủy văn, thủy lựcthủy thường được sử dụng [1, 2, 3, 4]. Trong đó dự báo chính xác dòng chảy là điều cần thiết để308 Giải pháp kết nối và chia sẻ hệ thống cơ sở dữ liệu phục vụ công tác đào tạo, quản lý lĩnh vực tài nguyên môi trườngvận hành hiệu quả các hệ thống tài nguyên nước. Kiểm soát và quản lý lũ lụt, thiết kế các côngtrình thủy lực như đập và cầu và phân bổ nguồn cung cấp nước tối ưu cho các cơ quan cạnh tranhkhác nhau (sản xuất thủy điện, thủy lợi, công nghiệp và sinh hoạt) là một vài ví dụ trong đó dự báodòng chảy của sông trong nhiều giờ, ngày, trước hàng tháng là rất quan trọng. Quá trình dòng chảyphức tạp và có tính phi tuyến cao và bị ảnh hưởng bởi các yếu tố như vị trí địa lý của lưu vực, đặcđiểm địa mạo và khí hậu. Dự đoán dòng chảy của sông có thể đạt được bằng cách sử dụng hai loạimô hình toán học: Mô hình lượng mưa - dòng chảy sử dụng cả dữ liệu khí hậu và thủy văn và môhình dòng chảy chỉ sử dụng dữ liệu thủy văn [5]. Các mô hình toán học có thể là kiểu khái niệmxác định hoặc kiểu hộp đen hệ thống. Nhiều quy trình xác định phụ thuộc vào vật lý cơ bản yêucầu một lượng lớn dữ liệu để hiệu chuẩn và xác nhận và rất rộng về mặt tính toán, do đó các nhànghiên cứu cố gắng thay đổi các kỹ thuật để dự báo dòng chảy một cách tương đối dễ dàng và độchính xác hợp lý. Các mô hình hộp đen cố gắng phát triển các mối quan hệ giữa các biến đầu vàovà đầu ra liên quan đến một quá trình vật lý mà không xem xét quá trình vật lý cơ bản. Các mô hìnhnày được điều khiển theo hướng dữ liệu và hoạt động trên cơ sở kết nối giữa các biến trạng thái củahệ thống với kiến ​​thức hạn chế về các chi tiết về hoạt động vật lý của hệ thống [6]. ...