TAILIEUCHUNG - Dự báo mực nước sông Cấm, thành phố Hải Phòng bằng mô hình mạng nơ-ron LSTM

Bài viết tiến hành thiết lập một mô hình Long Short-Term Memory Neural Network (LSTM), một dạng đặc biệt của Mạng nơ-ron hồi quy (Recurrent Neural Network - RNN) để dự báo mực nước sông Cấm tại trạm Cửa Cấm, Hải Phòng. | KHOA HỌC CÔNG NGHỆ DỰ BÁO MỰC NƯỚC SÔNG CẤM THÀNH PHỐ HẢI PHÒNG BẰNG MÔ HÌNH MẠNG NƠ-RON LSTM Hồ Việt Hùng Trường Đại học Thủy lợi Tóm tắt Sông Cấm là sông lớn thuộc địa phận Hải Phòng giữ vị trí trọng yếu về kinh tế quốc phòng và văn hóa không chỉ của Hải Phòng mà của miền Bắc nước ta. Gần đây nhiều khu đô thị lớn hiện đại được xây dựng bên bờ sông Cấm. Vì vậy dự báo chính xác mực nước sông Cấm sẽ góp phần quan trọng trong việc phòng chống ngập lụt đảm bảo an toàn đời sống nhân dân và phát triển kinh tế xã hội. Theo đó tác giả bài báo này đã thiết lập một mô hình Long Short-Term Memory Neural Network LSTM một dạng đặc biệt của Mạng nơ-ron hồi quy Recurrent Neural Network - RNN để dự báo mực nước sông Cấm tại trạm Cửa Cấm Hải Phòng. Mô hình dự báo chỉ cần dữ liệu đầu vào là mực nước thực đo tại các trạm thủy văn và hải văn trong khu vực nghiên cứu. Lượng mưa tại các trạm Cao Kênh Kiến An Phù Liễn Cửa Cấm có hệ số tương quan thấp nên các chuỗi số liệu này không được sử dụng cho mô hình. Hệ số Nash Nash Sutcliffe Efficiency Sai số bình phương trung bình Root Mean Squared Error Sai số tuyệt đối trung bình Mean Absolute Error đã được sử dụng để đánh giá sai số trị số dự báo. Kết quả dự báo có độ chính xác cao chất lượng dự báo là đủ độ tin cậy. Do đó có thể áp dụng mô hình này để dự báo mực nước sông Cấm và các sông khác ở Hải Phòng. Từ khóa Mạng nơ-ron hồi quy RNN LSTM dự báo mực nước sông Cấm Hải Phòng. Summary The Cam River is a big river in Hai Phong holding an important position related to economy national defense and culture not only of Hai Phong but also of Northern Vietnam. Recently many large and modern urban centers have been built on the banks of the Cam River. Therefore accurately forecasting the water levels in the Cam River will make an important contribution to flood prevention ensuring the safety of people s lives and socio-economic development. Accordingly the author of this article has set up a Long Short-Term Memory Neural Network LSTM model a .

• Môi trường
• Dự báo mực nước sông
• Mô hình mạng nơ ron LSTM
• Dự báo mực nước
• Điều hành hệ thống thủy lợi
• Phòng chống thiên tai
• Dự báo mực nước sông cao nhất
• Dự báo mực nước sông thấp nhất
• Mô hình hỗn hợp
• Mô hình tuyến tính
• Mô hình phi tuyến
• Tạp chí Khí tượng thủy văn
• Biến đổi khí hậu
• Mô hình DELFT3D
• Hạ lưu sông Sài Gòn Đồng Nai
• Tính toán dự báo mực nước
• Rủi ro thiên tai do lũ
• Phương pháp hồi quy tuyến tính
• Chất lượng dự báo mực nước
• Mực nước quan trắc
• Mức nước cao nhất
• Mực nước thấp nhất
• Máy học véc tơ hỗ trợ SVM
• Phương pháp tập hợp mô hình
• Hệ thống dự báo mực nước
• Đặc trưng thủy động lực
• Kỹ thuật thuỷ lợi và môi trường
• Mô hình học sâu
• Hệ thống sông ngòi
• Hiện tượng nước ngập do triều cường
• Mô hình mạng LSTM
• Tài nguyên nước mặt
• Dự báo mực nước hạn dài
• Quan trắc nước mặt
• Mạng noron tiến hóa
• Mạng trí tuệ nhân tạo
• Mô hình dự báo mực nước
• Mô hình Mike 11
• Mô hình khí tượng WRF
• Phương pháp hồi quy bội tính toán
• Dự báo mực nước lớn
• Trạm Tân Châu
• Sự biến động của dòng chảy
• Thủy triều mặn
• Tạp chí Khoa học Công nghệ
• Mạng nơ ron hồi quy
• Hệ thống thủy lợi Bắc Hưng Hải
• Vận hành cống an toàn
• Dự báo xu thế diễn biến lòng dẫn
• Công trình thủy lợi
• Mực nước kiệt trên sông Hồng
• Tính toán hình thái sông Hồng
• Công thức vận chuyển bùn cát
• Dữ liệu thủy văn
• Mạng nơ ron nhân tạo nhiều lớp
• Xử lý tín hiệu số
• Giá trị cực trị đa biến
• Tham số học thích nghi