BỘ KHOA HỌC VÀ CÔNG NGHỆ
HỆ THỐNG THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ

Lọc theo danh mục
  • Năm xuất bản
    Xem thêm
  • Lĩnh vực
liên kết website
Lượt truy cập
 Lượt truy cập :  20,740,877
  • Công bố khoa học và công nghệ Việt Nam

Kỹ thuật thuỷ lợi

Trần Hồng Thái, Mai Văn Khiêm, Nguyễn Bá Thủy(1), Bùi Mạnh Hà(2), Phạm Khánh Ngọc

Xây dựng mô hình mạng nơ-ron hồi quy dự báo độ cao sóng có nghĩa tại trạm Cồn Cỏ, Quảng Trị, Việt Nam

Building a regression neural network model to predict significant wave heights at Con Co station, Quang Tri, Vietnam

Khí tượng Thủy văn

2022

EME4

73-84

2525-2208

Xây dựng mô hình, Mạng nơ-ron hồi quy, Dự báo, Độ cao sóng, Trạm Cồn Cỏ

Wave forecasting, Machine Learning, LSTM, AI, RNN

Những năm gần đây, trí tuệ nhân tạo (AI - Artificial Intelligence) đã được ứng dụng trong mọi lĩnh vực của đời sống, xã hội trong đó có lĩnh vực dự báo khí tượng thủy văn biển. Nghiên cứu này trình bày các kết quả trong việc sử dụng mạng bộ nhớ ngắn dài (LSTM – Long Short Term Memory) một phiên bản cải tiến của mạng nơ-ron hồi quy (RNN – Recurrent Neural Network) để xây dựng mô hình dự báo sóng tại trạm hải văn Cồn Cỏ theo các hạn dự báo 06, 12, 18 và 24 giờ. Số liệu quan trắc tại trạm được phân tích, tính toán các đặc tính thống kê và mối tương quan giữa các yếu tố để lựa chọn yếu tố đầu vào cho mô hình. Qua phân tích thống kê, hai mô hình đã được xây dựng, đó là mô hình đơn biến (chỉ sử dụng yếu tố độ cao sóng) và mô hình 02 biến (sử dụng độ cao sóng và vận tốc gió). Cả mô hình được xây dựng được sử dụng để dự báo độ cao sóng có nghĩa theo các hạn dự báo 06, 12, 18 và 24 giờ. Kết quả cho thấy, mặc dù mô hình hai biến cho độ tin cậy cao hơn, tuy nhiên cả hai mô hình chỉ đáp ứng với thời hạn dự báo 06 giờ, với độ tin cậy dự báo của mô hình đạt được lớn nhất với hệ số tương quan R² = 0,582, do bởi chất lượng số liệu quan trắc còn hạn chế về tần suất quan trắc và độ tin cậy. 

In recent years, artificial intelligence (AI) has been applied to many different sectors and industries, including marine hydrometeorological forecasting. The application of Long Short-Term Memory (LSTM) technique which is an improved version from Recurrent Neural Network (RNN) and its results for wave prediction at the Con Co station in Quang Tri province, Vietnam is presented in this paper. The observations of wave height have been analyzed with the statistical characteristics and correlation with the observed parameters to select the inputs for training the prediction model. Two models have been built based on the numbers of inputs that are univariate model and two-variable model. These models were implemented to predict the significant wave height with the prediction periods of 06, 12, 18 and 24h. The results show that these developed models are good to compute significant wave height for the period of 6 hours only. At that predict period, the accuracy of prediction is R² = 0,582 for two-variables. The quality of wave observation data at Con Co station is not reliable and detailed, which is the cause of large forecasting errors at longer forecast periods. 

TTKHCNQG, CVt 39

Xem toàn văn