tailieunhanh - Sinh thêm dữ liệu để nâng cao chất lượng dự báo mực nước trên sông

Thảm họa lũ lụt gây ra những sự tàn phá vô cùng khủng khiếp. Do đó, dự đoán mực nước trên sông là cần thiết để cảnh báo lũ sớm và hạn chế các tác hại do lũ gây ra. Nhiều nghiên cứu đã sử dụng các phương pháp học máy để xây dựng mô hình dự báo mực nước. Có thể kể đến như Sella Nevo đã sử dụng các mô hình Linear Regression và mạng Long Short Term Memory để dự đoán lũ lụt trong mùa mưa ở Bangladesh và Ấn Độ. | Tuyển tập Hội nghị Khoa học thường niên năm 2023. ISBN 978-604-82-7522-8 SINH THÊM DỮ LIỆU ĐỂ NÂNG CAO CHẤT LƯỢNG DỰ BÁO MỰC NƯỚC TRÊN SÔNG Nguyễn Thị Kim Ngân Bùi Tuấn Minh Hoàng Thành Nam Tạ Văn Vinh Trường Đại học Thủy lợi email ngannguyen@ 1. GIỚI THIỆU CHUNG sông cao thì giá trị dự báo sai khác nhiều so với giá trị thực tế. Một trong những nguyên Thảm họa lũ lụt gây ra những sự tàn phá nhân của kết quả này là những ngày có mực vô cùng khủng khiếp. Do đó dự đoán mực nước cao những ngày mưa lớn kéo dài ít nước trên sông là cần thiết để cảnh báo lũ hơn những ngày có mực nước thấp ngày sớm và hạn chế các tác hại do lũ gây ra. không mưa hoặc mưa ít . Theo hiểu biết của Nhiều nghiên cứu đã sử dụng các phương chúng tôi dựa trên các tài liệu chúng tôi đã pháp học máy để xây dựng mô hình dự báo đọc chưa có nghiên cứu nào về vấn đề mất mực nước. Có thể kể đến như Sella Nevo đã cân bằng dữ liệu trong bài toán dự báo mực sử dụng các mô hình Linear Regression và nước. Vì vậy trong nghiên cứu này chúng mạng Long Short Term Memory để dự đoán tôi tìm hiểu phương pháp để sinh thêm dữ lũ lụt trong mùa mưa ở Bangladesh và Ấn Độ liệu cho những ngày mực nước cao tạo ra sự 1 . Wen-Dar Guo đã sử dụng các mô hình cân bằng dữ liệu giữa những ngày mực nước Support Vector Regression Random Forest cao và những ngày mực nước thấp để nâng Regression Multi - Layer Perceptron Light cao chất lượng dự báo mực nước của mô hình Gradient Boosting Machine Regression để dự học máy. đoán mực nước trên sông Lan-Yang Đài Phần còn lại của bài báo được trình bày Loan 2 . Tác giả Hồ Việt Tuấn nghiên cứu như sau phần 2 trình bày phương pháp sử dụng phương pháp long short-term nghiên cứu phần 3 trình bày kết quả thực memory LSTM để dự báo mực nước ở hạ nghiệm và phần 4 là kết luận. lưu cống - âu thuyền Cầu Cất nối sông Bắc Hưng Hải với sông Thái Bình 3 . Tác giả Đỗ 2. PHƯƠNG PHÁP NGHIÊN CỨU Văn Đỉnh đã sử dụng kết hợp mô hình Singular Value Decomposition SVD và . Bài toán Support Vector .

• Môi trường
• Thảm họa lũ lụt
• Công tác cảnh báo lũ
• Nâng cao chất lượng dự báo mực nước
• Dự báo mực nước trên sông
• Mô hình Linear Regression
• Biến đổi khí hậu
• Ảnh hưởng môi trường
• Thiên tai lũ lụt
• Dự báo thời tiết
• Thay đổi khí hậu
• Núi lửa
• Bão nhiệt đới
• Khí hậu trái đất
• Classical linear regression
• Mô hình hồi quy tuyến tính
• Hồi quy tuyến tính cổ điển
• Assumptions of the classial regression model
• Least souares estimation
• Nghiên cứu mô hình hồi quy tuyến tính
• Phân tích hồi qui logistic
• Hồi qui logistic
• Mô hình hồi qui tuyến tính
• Linear regression model
• Biến nhị phân
• Biến phụ thuộc