So sánh khả năng dự đoán độ mặn vùng cửa sông Mê Kông của các thuật toán học máy: Trường hợp nghiên cứu Cửa Đại Hàm Luông và Cổ Chiên

Các nhiệm vụ khác

Cơ chế trực tiếp ngoại thương của các tổ chức kinh doanh vật tư
Nghiên cứu ứng dụng kỹ thuật tiên tiến trong chẩn đoán và điều trị bệnh tim mạch
Nghiên cứu thiết kế xây dựng mô hình cơ sở dữ liệu Địa động học lãnh thổ Việt Nam
Nghiên cứu công nghệ sản xuất dung môi sinh học từ các nguồn nguyên liệu tái tạo
Nghiên cứu bẹ cây Móc (Caryota mitis L) tạo chế phẩm cầm máu
Mái nhà phù hợp với điều kiện khí hậu nhiệt đới
Điều tra nghiên cứu và cảnh báo Trượt - Lở (T-L) Lũ Quét - Lũ Bùn Đá (LQ-LBĐ) tại một số huyện của tỉnh Cao Bằng
Nghiên cứu sự biểu hiện và thay đổi của một số thụ thể sinh học quan trọng trên mô mỡ ở chuột
Nghiên cứu và ứng dụng tiến bộ kỹ thuật nhân giống Bạch đàn lai và keo lai theo phương pháp giâm cành và nuôi cấy mô tế bào thực vật tại Sơn La
Nghiên cứu sản xuất chế phẩm sinh học từ nấm men đỏ Rhodotorula và rong Mơ phục vụ chăn nuôi gà đẻ nhằm nâng cao chất lượng dinh dưỡng của trứng gà

liên kết website

Lượt truy cập

Lượt truy cập : 25,549,484

Kết quả thực hiện nhiệm vụ

Tên nhiệm vụ

So sánh khả năng dự đoán độ mặn vùng cửa sông Mê Kông của các thuật toán học máy: Trường hợp nghiên cứu Cửa Đại Hàm Luông và Cổ Chiên

Tổ chức chủ trì

Trường đại học Thủ Dầu Một

Cơ quan chủ quản

UBND Tỉnh Bình Dương

Cấp quản lý nhiệm vụ

Cơ sở

Thuộc chương trình

Chủ nhiệm nhiệm vụ

ThS. Phạm Ngọc Hoài

Cán bộ phối hợp

ThS. Phạm Ngọc Hoài (Chủ nhiệm nhiệm vụ), ThS. Trần Thành Thái⁽¹⁾ (Thành viên chính), TS. Phạm Bảo Quốc (Thành viên chính), ThS. Phan Thị Thanh Huyền (Thư ký đề tài), CN. Lương Lê Lâm (Thành viên)

Lĩnh vực nghiên cứu

Khoa học tự nhiên

Thời gian bắt đầu

01/12/2021

Thời gian kết thúc

01/10/2022

Năm viết báo cáo

2022

Nơi viết báo cáo

Bình Dương

249881900 (triệu đồng)

Tóm tắt

Mục Đích là đánh giá khả năng chính xác của các thuật toán học máy, bao gồm các thuật toán truyền thống (MLR, KNNR, RFR, và SVR) và thuật toán học sâu (ANN) trong dự báo mặn ở các cửa sông Mê Kông khi ở điều kiện hạn chế dữ liệu đầu vào. So sánh tính chính xác trong dự báo mặn khi ít dữ liệu đầu vào của các thuật toán học máy truyền thống và thuật toán học máy học sâu. So sánh tính chính xác trong dự báo mặn khi ít dữ liệu đầu vào của một số thuật toán học máy học sâu. Tìm ra thuật toán tối ưu cho dự báo mặn khi ít dữ liệu đầu vào. Tiếp cận từ các nguồn tài liệu, thông tin tạp chí khoa học trong và ngoài nước; Thu thập và đánh giá thông tin khoa học, nghiên cứu lý thuyết về lĩnh vực nghiên cứu; Thu thập, xử lý dữ liệu ->Phân tích, xử lý bằng các thuật toán học máy -> Dự báo. Đề tài đã ứng dụng thành công các thuật toán học máy vào dự báo mặn các cửa sông Mê Kông với độ chính xác cao. Ngoài ra, đề tài đã tìm ra thuật toán tối ưu khi dữ liệu đầu vào còn hạn chế. Các kết quả đã được xuất bản trong 5 bài báo quốc tế và quốc gia uy tín. Kết quả đề tài có tính ứng dụng để dự báo xâm nhập mặn vùng cửa sông Mê Kông trong điều kiện biến đổi khí hậu. Phục vụ công tác quản lý và sử dụng hợp lý nguồn tài nguyên nước ngọt vùng Đồng bằng sông Cửu Long, nhất là vào mùa khô. Dự báo thời gian thực dựa trên các số liệu từ các trạm quan trắc mặn ở cửa sông.

Từ khoá

So sánh, Dự đoán, Mê Kông, Nghiên cứu: Cửa Đại

Ký hiệu kho

BDG-2022-065