tailieunhanh - Ứng dụng deep learning và mô hình toán thủy văn vào dự báo dòng chảy lũ

Trong nghiên cứu này, nhóm tác giả đã kết hợp mạng RNN và mô hình thủy văn vào bài toán dự báo dòng chảy lũ theo thời gian thực nhằm mục đích tăng độ chính xác của mô hình dự báo dòng chảy. Mô hình đã tìm ra được bộ thông số tối ưu phục vụ cho việc dự báo được lượng nước lũ trong thời gian tiếp theo dựa vào các bước thời gian trước đó. Điều này có thể giúp nâng cao tính chính xác cho việc mô phỏng dòng chảy. | Tuyển tập Hội nghị Khoa học thường niên năm 2021. ISBN 978-604-82-5957-0 ỨNG DỤNG DEEP LEARNING VÀ MÔ HÌNH TOÁN THỦY VĂN VÀO DỰ BÁO DÒNG CHẢY LŨ Trần Thị Ngân1 Trần Kim Châu1 1 Trường Đại học Thủy lợi email ngantt@ 1. GIỚI THIỆU thông tin về mưa dự báo trong nghiên cứu này mưa dự báo được giả thiết bằng mưa Dự báo dòng chảy là điều kiện tiên quyết thực đo. cho việc vận hành hồ chứa nhưng lại là vấn đề phức tạp và có độ bất định lớn. Thông 2. ỨNG DỤNG RNN TRONG BÀI TOÁN thường các mô hình thủy văn được sử dụng DỰ BÁO DÒNG CHẢY LŨ để tính toán dòng chảy từ mưa. Tuy nhiên các mô hình thủy văn hiện tại chưa mô phỏng Quá trình giải bài toán dự báo dòng chảy được đầy đủ quá trình vật lý hình thành dòng lũ bao gồm việc giải quyết một chuỗi các bài chảy cũng như chưa cập nhật được những sự toán nhỏ hơn. Chuỗi các bài toán nhỏ hơn thay đổi liên tục của bề mặt thảm phủ trên này được gọi là pipeline của mô hình học lưu vực. Trong những năm gần đây việc ứng máy Hình 1 . dụng nghệ trí tuệ nhân tạo trong bài toán dự báo đã được nghiên cứu. Đặc biệt các mô hình học sâu đang phát triển mạnh và được Tiền xử lý dữ liệu ứng dụng trong nhiều lĩnh vực 2 3 . Dự báo dòng chảy cũng là một trong những lĩnh vực tiềm năng khi áp dụng các mô hình học sâu vào giải quyết các hạn chế đặt ra. Với khả Chuyển tập dữ liệu sang năng tự cập nhật trong quá trình huấn luyện dạng chuỗi thời gian các mô hình mạng nơ ron khắc phục được những hạn chế trong mô hình thủy văn 1 4 . Trong bài báo này chúng tôi áp dụng mạng nơ ron hồi tiếp Recurrent Neural Chia dữ liệu và chuyển sang Network - RNN để tối ưu bộ thông số mô dạng vector hình thủy văn HMS theo thời gian thực nhằm mục đích dự báo dòng chảy lũ đến hồ chứa Tả Trạch. Trong cách tiếp cận này mô hình Xây dựng và huấn luyện thủy văn sẽ có nhiệm vụ chuyển đổi mưa thời mô hình gian thực của các trạm đo trên lưu vực thành dòng chảy lũ đến hồ. Sử dụng kết quả tính toán từ mô hình và dữ liệu thực đo được trong thời gian 4 giờ trước thời điểm dự báo .