Xây dựng mô hình dự báo BOD5 cho hạ lưu sông Sài Gòn – Đồng Nai dựa trên các mạng nơ

Chỉ số đề mục

Lĩnh vực nghiên cứu

Kỹ thuật thuỷ lợi

Dạng tài liệu

Tác giả

Nguyễn Thị Diễm Thúy, Phạm Thị Thảo Nhi⁽¹⁾, Đoàn Thị Trúc Măn, Đào Nguyên Khôi

Nhan đề

Xây dựng mô hình dự báo BOD5 cho hạ lưu sông Sài Gòn – Đồng Nai dựa trên các mạng nơ–ron nhân tạo MLP và RBF

Nhan đề tiếng anh

Simulation of Biochemical Oxygen Demand at the lower Sai Gon–Dong Nai Rivers using Artificial Neural Network models: Multilayer Perceptron (MLP) and Radial Basic Function (RBF)

Nguồn trích

Khí tượng thủy văn

Năm xuất bản

2021

Số

724

Trang

94-115

ISSN

2525-2208

Từ khóa

Xây dựng, Mô hình dự báo, BOD5, Hạ lưu sông, Sông Sài Gòn, Sông Đồng Nai, Mạng nơ–ron nhân tạo, MLP, RBF

Từ khóa tiếng anh

Biochemical Oxygen Demand, Artificial Neural Network, MLP, RBF, The lower Sai Gon–Dong Nai rivers

Tóm tắt

Nhu cầu oxy sinh hóa (BOD) là thông số chất lượng nước quan trọng để đánh giá mức độ ô nhiễm của nước trên các sông, hồ. Tuy nhiên, việc xác định nồng độ BOD5 trong nước theo các phương pháp phân tích trong phòng thí nghiệm thường mất nhiều thời gian (5 ngày). Mục tiêu của nghiên cứu là xây dựng mô hình dự báo thông số BOD5 dựa trên hai mô hình nơ–ron nhân tạo là MLP và RBF tại hạ lưu sông Sài Gòn–Đồng Nai và đánh giá hiệu quả dự báo giữa hai mô hình. Bảy kịch bản được xây dựng dựa trên tương quan riêng phần giữa thông số BOD5 với các thông số chất lượng nước khác bao gồm COD, DO, TSS, Coliform, P–PO4 3–, T và N–NH4 +. Bộ dữ liệu bao gồm 08 thông số chất lượng nước theo tháng từ 2013–2018 và được chia thành hai phần theo tỷ lệ 75:25 phục vụ huấn luyện và kiểm tra các mô hình. Kết quả nghiên cứu cho thấy, cả hai mô hình MLP và RBF đều có khả năng dự báo tốt BOD5 tại khu vực, tuy nhiên mô hình RBF với 05 thông số đầu vào (COD, DO, TSS, Coliform, P–PO4 3–) cho kết quả dự báo tốt nhất với NSE = 0,855, R2 = 0,9, RMSE = 0,529 cho quá trình huấn luyện và NSE = 0,848, R2 = 0,865, RMSE = 0,454 cho quá trình kiểm tra. Kết quả nghiên cứu này cũng là nền tảng phục vụ cho việc dự báo các thông số chất lượng nước khác, cũng như dự báo ngắn hạn BOD5 trong khu vực nghiên cứu. Từ khóa: Nhu cầu oxy sinh hóa; Mô hình nơ–ron nhân tạo; MLP; RBF;

Tóm tắt tiếng anh

Biochemical Oxygen Demand is one of the most crucial water quality parameters to assess of water pollution of rivers. Nevertheless, BOD needs longer periods (5 days) to get results. The objective of this research is to build a computational model based on the artificial neural networks, including Multilayer Perceptron Network (MLP), and Radial Basis Function network (RBF) for simulating BOD5 in the lower Sai Gon – Dong Nai rivers, and to evaluate the simulation efficiency between MLP and RBF. Seven different input combinations were constructed using Pearson correlation coefficients between each water quality parameter (COD, DO, TSS, Coliform, P–PO4 3–, T, and N–NH4+) and BOD5. Five years (2013 to 2018) of monthly data from eight water quality monitoring stations within the study area were compiled, which were divided into two sub–sets (ratio 75:25) for model training and model testing. The results indicated that both the models satisfactorily simulated BOD5, but the RBF model with the combinations of variables numbered 5 (COD, DO, TSS, Coliform, P–PO4 3–) demonstrated the best performance, values of Nash–Sutcliffe efficiency (NSE), coefficient of determination (R2), and root mean square error (RMSE) were 0,848, 0,865, and 0,454, respectively. The results of this research are also the foundation for short–term prediction of BOD5, as well as the simulation of the other water quality parameters in the area.

Kí hiệu kho

TTKHCNQG, CVt 39

File toàn văn

Xem toàn văn