Đang chuẩn bị nút TẢI XUỐNG, xin hãy chờ
Tải xuống
Bài viết Nghiên cứu ứng dụng trí tuệ nhân tạo trong giám sát và điều khiển hệ thống thủy lợi được nghiên cứu nhằm đề xuất mô hình “máy học” (Machine learning) thích hợp để dự báo các yếu tố cần thiết về khí tượng, thủy văn, bốc thoát hơi nước của cây trồng; Đồng thời chuẩn đoán sớm những sự cố thiết bị trong quá trình giám sát và điều khiển tự động từ xa các HTTL để góp phần thực hiện Đề án 784 “Nâng cao hiệu quả quản lý khai thác công trình thủy lợi hiện có” và Chỉ thị số 6524/CT-BNN-KHCN về tăng cường năng lực tiếp cận cuộc Cách mạng công nghiệp 4.0. | Tuyển tập Hội nghị Khoa học thường niên năm 2018. ISBN 978-604-82-2548-3 NGHIÊN CỨU ỨNG DỤNG TRÍ TUỆ NHÂN TẠO TRONG GIÁM SÁT VÀ ĐIỀU KHIỂN HỆ THỐNG THỦY LỢI 1 2 Ngô Đỗ Đăng Khoa Ngô Đăng Hải 1 Trường Đại học Bách Khoa Hà Nội email khoa.ndd142350@sis.hust.edu.vn 2 Trường Đại học Thủy lợi 1. GIỚI THIỆU CHUNG 3. KẾT QUẢ NGHIÊN CỨU Hiện nay để nâng cao hiệu quả quản lý 3.1. Kết quả xây dựng mô hình máy học vận hành QLVH các hệ thống thủy lợi và dự báo HTTL nhiều công ty quản lý khai thác HTTL đã bước đầu lập kế hoạch quản lý khai Với phương pháp máy học mô hình dự thác và điều hành hệ thống theo hướng tiếp báo có thể được hiểu như một hộp đen ở đó cận các bài toán quy hoạch động và thời gian khi đưa dữ liệu khí tượng thủy văn. đầu thực real-time 1 2 . Theo đó khối lượng vào của ngày hôm nay và các ngày trước đó tính toán dự báo các yếu tố liên quan đến sẽ thu được số liệu dự báo cho ngày mai. QLVH bằng các mô hình truyền thống Nhiệm vụ của máy học chính là xây dựng chẳng hạn như hồi quy ARIMA là khá hộp đen đó từ các dữ liệu sẵn có thông qua lớn và mất nhiều thời gian hơn. Dẫn đến một cấu trúc mạng nào đó. Trong những năm nhiều khâu tính toán để đưa ra các quyết định gần đây mạng nơ-ron neural network đã trở điều hành khó đáp ứng yêu cầu real-time nên phổ biến và được ứng dụng rộng rãi. Tuy trong quá trình giám sát và điều khiển nhiên với dữ liệu đầu vào là một chuỗi tuần SCADA . Do đó chúng tôi đã tiến hành tự theo thời gian thì mạng nơ-ron truyền thực hiện đề tài Nghiên cứu ứng dụng trí tuệ thống không thích hợp để xây dựng mô hình nhân tạo trong giám sát và điều khiển hệ dự báo. Các mô hình mạng nơ-ron hồi quy thống thủy lợi . Recurrent neural network và đặc biệt sau Mục tiêu nghiên cứu là nhằm đề xuất mô này là mạng bộ nhớ dài hạn Long short-term hình máy học Machine learning thích hợp memory - LSTM như ở hình 1 đã được sử để dự báo các yếu tố cần thiết về khí tượng dụng để giải quyết các bài toán dự báo trên thủy văn bốc thoát hơi nước của cây trồng chuỗi thời .
