Sử dụng mạng nơ ron nhân tạo dự báo mực nước sông chịu ảnh hưởng của thủy triều

Bài viết này trình bày một mô hình Long Short-Term Memory network (LSTM), một dạng đặc biệt của RNN, để dự báo mực nước ở hạ lưu cống - âu thuyền Cầu Cất thuộc hệ thống thủy lợi Bắc Hưng Hải. Dữ liệu đầu vào của mô hình chỉ là mực nước ở hạ lưu cống Cầu Cất trong quá khứ, kết quả dự báo là mực nước ở đó cho 6 giờ, 12 giờ, 18 giờ và 24 giờ trong tương lai. Mời các bạn cùng tham khảo!
Nội dung trích xuất từ tài liệu:
Sử dụng mạng nơ ron nhân tạo dự báo mực nước sông chịu ảnh hưởng của thủy triều KHOA HỌC CÔNG NGHỆ SỬ DỤNG MẠNG NƠ-RON NHÂN TẠO DỰ BÁO MỰC NƯỚC SÔNG CHỊU ẢNH HƯỞNG CỦA THỦY TRIỀU Hồ Việt Tuấn Công ty TNHH Framgia Việt Nam Hồ Việt Hùng Trường Đại học Thủy Lợi Tóm tắt: Mạng nơ-ron hồi quy (Recurrent Neural Network - RNN) được sử dụng rộng rãi trong nhiều lĩnh vực khác nhau, trong đó có thủy lợi. Các mô hình RNN được ứng dụng để dự báo mực nước sông, lưu lượng đến hồ chứa… Trong bài báo này, các tác giả đã thiết lập một mô hình Long Short-Term Memory network (LSTM), một dạng đặc biệt của RNN, để dự báo mực nước ở hạ lưu cống - âu thuyền Cầu Cất thuộc hệ thống thủy lợi Bắc Hưng Hải. Dữ liệu đầu vào của mô hình chỉ là mực nước ở hạ lưu cống Cầu Cất trong quá khứ, kết quả dự báo là mực nước ở đó cho 6 giờ, 12 giờ, 18 giờ và 24 giờ trong tương lai. Mô hình mà các tác giả đề xuất cho kết quả có độ chính xác cao và ổn định, hệ số Nash dao động từ 95.3% đến 91.6% tương ứng với các trường hợp dự báo. Vì vậy, có thể ứng dụng mô hình này để dự báo mực nước tại các cống vùng triều, giúp cho việc vận hành cống an toàn, hiệu quả. Từ khóa: Mạng nơ-ron hồi quy (RNN), LSTM, dự báo mực nước, âu thuyền Cầu Cất. Summary: Recurrent Neural Network (RNN) is widely used in many different fields, including irrigation. RNN models have been applied to forecast river water levels, reservoir’s inflow... In this paper, the authors developed a Long Short-Term Memory Network model (LSTM), a special type of RNN, to predict water levels downstream of Cau Cat Culvert in the Bac Hung Hai irrigation system. The input data of the model are just the water levels downstream of Cau Cat Culvert in the past, the predicted result is the water level there for 6 hours, 12 hours, 18 hours and 24 hours of lead-time in the future. The model proposed by the authors provides results with high accuracy and stability, with Nash coefficients ranging from 95.3% to 91.6% corresponding to the predicted cases. Therefore, it is possible to use this model to forecast the water level in the tidal sluice, helping to operate the culvert safely and effectively. Key words: Recurrent Neural Network (RNN), LSTM, forecast river water levels, Cau Cat Culvert. 1. GIỚI THIỆU CHUNG* ở các cống tưới tiêu kết hợp nhằm giúp cho quy Trí tuệ nhân tạo (Artificial Intelligence - AI) trình vận hành cống phù hợp và hiệu quả. Nhằm ngày càng được ứng dụng rộng rãi trong nhiều giúp độc giả hiểu rõ hơn các ứng dụng của AI lĩnh vực khác nhau của đời sống. AI có thể được trong lĩnh vực tài nguyên nước, bài báo này áp dụng trong ngành Thủy lợi để dự báo mực trình bày một mô hình áp dụng mạng nơ-ron nước hoặc lưu lượng dòng chảy trong sông nhân tạo (Artificial Neural Network - ANN) để nhằm cảnh báo lũ, góp phần giảm nhẹ và phòng dự báo mực nước sông vùng chịu ảnh hưởng ngừa tác hại của lũ lụt, hoặc dự báo mực nước của thủy triều. Ngày nhận bài: 11/10/2018 Ngày duyệt đăng: 05/12/2018 Ngày thông qua phản biện: 30/11/2018 TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ THỦY LỢI SỐ 52 - 2019 1 KHOA HỌC CÔNG NGHỆ Từ trước đến nay, các mô hình thủy lực được áp lượng dòng chảy cho 10 ngày sau đó. Lê Xuân dụng rộng rãi ở Việt Nam cũng như trên thế giới Hiền, Hồ Việt Hùng (2018) đã ứng dụng mô để tính toán dòng chảy trong sông vùng chịu hình bộ nhớ gần xa, Long Short-Term Memory ảnh hưởng của thủy triều, phục vụ cho công tác (LSTM) để dự báo mực nước tại các trạm thủy quy hoạch phòng chống lũ lụt hay hạn hán, xâm văn ở Hải Phòng, khu vực bị ảnh hưởng của nhập mặn. Tuy nhiên, các mô hình này thường thủy triều. Các tác giả đã sử dụng dữ liệu là mực yêu cầu một lượng lớn các dữ liệu đầu vào như nước giờ để dự báo mực nước trong tương lai địa hình, lượng mưa, các lưu lượng chảy qua từ 1 giờ đến 5 giờ, tại trạm Quang Phục và Cửa cống lấy nước hay thoát nước... Các thông số Cấm [1]. Hồ Việt Hùng và nnk (2018) đã xây của mô hình phải được hiệu chỉnh và kiểm định dựng một mô hình toán dựa trên mạng nơ-ron dựa trên nhiều tài liệu thực đo, do đó không dễ hồi quy (Recurrent Neural Network - RNN), dàng lựa chọn các thông số phù hợp. Trong một dạng ứng dụng chuyên sâu của mô hình trường hợp không có đủ tài liệu địa hình, địa ANN, để dự báo lưu lượng lũ sông Đà tại Lai mạo và tùy theo nhu cầu thực tế, mô hình mạng Châu trước 1 ngày [2] và dự báo lưu lượng dòng nơ-ron nhân tạo (ANN) có thể được ...