Quan trắc mực nước, đóng vai trò to lớn trong việc dự báo, cảnh báo phòng chống thiên tai, nước biển dâng, ngập lụt đô thị, thủy điện, thủy lợi, xây dựng, giao thông … phục vụ phát triển kinh tế - xã hội, an ninh quốc phòng. Trạm quan trắc mực nước thuộc mạng lưới khí tượng thủy văn quốc gia. Đên nay, công trình quan trắc mực nước cũng rất đa dạng và phong phú, quan trắc bằng thiết bị tự động phát triển nhanh chóng. Tuy nhiên, quan trắc thủ công cũng còn khá phổ biến và hiện tại hệ thống thủy chí, giản đồ vẫn sẽ còn tồn tại lâu dài. Hệ thống mạng internet hầu hết các trạm cũng đang có sẵn, công trình, tuyến đo cũng đã có. Việc sử dụng mô hình, thuật toán, cơ chế học máy của mô hình tính toán giá trị mực nước rất quan trọng. Mô hình phù hợp sẽ giảm chi phí vận hành trong thu thập số liệu, tận dụng tối đa trang thiết bị sẵn có. Mô hình tốt, có độ tin cậy cao, dễ triển khai và phù hợp với mọi công trình quan trắc mực nước hiện có trong và ngoài ngành khí tượng thủy văn. Nghiên cứu này, trình bày về mô hình cơ bản cho các trường hợp, điều kiện khác nhau. Trong mỗi điều kiện thời tiết, từng loại hình ảnh, công trình, thủy chí, giản đồ khác nhau sẽ lựa chọn các thuật toán tính toán khác nhau, nhằm cho kết quả phù hợp nhất. Tương tự như vậy, tùy thuộc tính chất hình ảnh, điều kiện khác nhau để đưa ra một số mô hình học máy cho phù hợp. Tính toán ra giá trị mực nước là khâu then chốt của kết quả của mô hình học máy. Trong kết quả sử dụng phép so sánh kết quả của một số mô hình, cơ chế học máy, thuật toán sử dụng để đưa ra nhận xét, đề xuất, kiến nghị cụ thể để áp dụng vào thực tiễn cho từng đối tượng, bối cảnh của từng trạm đo.

Water level monitoring plays a huge role in forecasting, warning, preventing natural disasters, rising sea levels, urban flooding, hyd-ropower, irrigation, construction, transportation ... serving socioeconomic development, national security and defense. Water level monitoring stations belong to the national hydrometeorological network. Up to now, water level monitoring works are also very diverse and rich, monitoring by automatic equipment has developed rapidly. However, manual monitoring is still quite popular and currently the hydrometric system and diagrams will still exist for a long time. The internet network system of most stations is also available, the works and measuring lines are also available. The use of models, algorithms, and machine learning mechanisms of water level calculation models is very important. A suitable model will reduce operating costs in data collection, making the most of available equipment. A good model, highly reliable, easy to deploy and suitable for all existing water level monitoring works in and outside the hydrometeorological sector. This study presents the basic model for different cases and conditions. In each weather condition, each type of image, construction, hydrology, and diagram, different calculation algorithms will be se-lected to give the most suitable results. Similarly, depending on the nature of the image and different conditions, a number of suitable machine learning models will be proposed. Calculating the water level value is the key step in the results of the machine learning model. In the results, the comparison of the results of a number of models, machine learning mechanisms, and algorithms are used to make specific comments, suggestions, and recommendations for practical application to each object and context of each measuring station.