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 :  21,959,582
  • Công bố khoa học và công nghệ Việt Nam

50.39; 70.99

Ngô Văn Quận(1), Đỗ Phương Thảo, Nguyễn Xuân Thịnh, Nguyễn Văn Tiến

Nghiên cứu ứng dụng mạng thần kinh nhân tạo (ANN) trong dự báo lưu lượng nước đến hồ chứa Cửa Đạt

Study on application of artificial neural network (ANN) in forecasting the water flow to the Cua Dat reservoir

Khoa học và Công nghệ Thuỷ lợi

2017

39

39-45

1859-4255

ANN, Mạng thần kinh nhân tạo, Dự báo lưu lượng, Cửa Đạt

Dự báo lưu lượng nước đến hồ chứa có ý nghĩa rất quan trọng trong việc vận hành an toàn hồ chứa và phân phối nước hợp lý cho các nhu cầu sử dụng nước. Do vậy, đã có nhiều nghiên cứu nâng cao độ tin cậy của việc dự báo lượng nước đến phục vụ cho công tác quản lý, vận hành hồ chứa. Do đó, mục tiêu chính của nghiên cứu này là ứng dụng mạng thần kinh nhân tạo truyền thẳng nhiều lớp (ANN) sử dụng thuật toán lan truyền ngược để dự báo lưu lượng nước đến hồ chứa Cửa Đạt trước 3 ngày trên cơ sở phân tích, đánh giá hai kịch bản: 1) Dự báo lưu lượng đến hồ chỉ xét đến yếu tố lưu lượng dòng chảy và 2) xét đến yếu tố lưu lượng dòng chảy và yếu tố lượng mưa. Kết quả cho thấy, khi có xét thêm yếu tố lượng mưa cho độ chính xác cao hơn. Cụ thể, với dữ liệu của trạm Cửa Đạt, sai số quân phương RMSE giảm từ 75.04091 m3/s xuống còn 56.35318 m3/s và chỉ số xác định R2 nâng cao từ 0.68 lên 0.72 tương tự với trạm Cẩm Thủy, sai số RMSE cũng giảm xuống và chỉ số xác định R2 tăng lên. Kết quả nghiên cứu cung cấp một phương pháp hữu ích trong bài toán dự báo, đặc biệt có ý nghĩa trong công tác quản lý nguồn nước và góp phần quan trọng trong việc xây dựng các phương án quản lý nguồn nước và góp phần quan trọng trong việc xây dựng các phương án quản lý vận hành hồ chứa được chủ động hơn.

Forecast of the water flow to the reservoir has a very important significance in the operation of the reservoir safety and rational distribution of water for the water use needs. Consequently, there have been many studies enhance the reliability of the forecast of the amount of water to serve for the management, operation of the reservoir. Therefore, main objective of study is to apply of artificial neural network (ANN) direct use of reverse propagation algorithm to forecast the water flow to the Cua Dat reservoir before 3 days on the basis of the analysis, assessment for two scenarios: (1) To forecast water flow to reservoir only consider about flow element and (2) consider both of flow and rainfall elements. The results showed that, when considering both of flow and rainfall factors for higher accuracy. In particular, with the data of the Cua Dat station is error (RMSE) reduced from 75.04 to 56.35 m3/s m3/s and the index of R2 increased from 0.68 up 0.72, with similar error (RMSE), Cam Thuy station also dropped and index R2 increased This research results provide a useful method in forecasting, that is particularly meaningful in the management of water resources and significant contributions in building the reservoir operation management scenarios are more active.

TTKHCNQG, CVt60

Xem toàn văn
  • [1] Ngô Đức Thành và CS (2013), Biến đổi khí hậu Việt Nam,Tạp chí Khoa học Trái đất và Môi trường
  • [2] Lekkas D.F., (2005), Onof C, Improved Flow Forecasting Using Artificial Neural Networks,9th Int. Conference on Environ. & Technology
  • [3] Oscar R. Dolling, Eduardo A. Varas (2002), Artificial Neural Networks for Stream Flow Prediction,Journal of Hydraulic Research
  • [4] Paulin Coulibaly (2001), Multivariate Reservoir Inflow Forecasting Using Temporal Neural Networks,Journal of Hydrologic Engineering
  • [5] Ibrahim Can, Cahit Yerdelen, Ercan Kahya (2007), Stochastic Modeling of Karasu River (Turkey) Using Methods of Artificial Neural Networks,AGU Hydrology Days Proceedings
  • [6] Nguyễn Đăng Hà (), Nghiên cứu ứng dụng công nghệ thông tin để hiện đại hóa quản lý điều hành hồ chứa nước Cửa Đạt,
  • [7] Cao Thắng (2011), Hướng dẫn sử dụng phần mềm mạng nơ ron SPICE-MLP,
  • [8] Lê Văn Nghịnh (2006), Mô hình toán thủy văn,
  • [9] (2014), Quy trình vận hành điều tiết hồ chứa nước Cửa Đạt tỉnh Thanh Hóa,
  • [10] Nguyễn Khắc Hiếu, Nguyễn Thị Vân Anh (), Dự báo lạm phát tại Việt Nam bằng mô hình mạng thần kinh nhân tạo,
  • [11] Lê Văn Nghịnh, Hoàng Thanh Tùng, Nguyễn Ngọc Hải (), Nghiên cứu ứng dụng mạng nơ ron thần kinh vào dự báo lũ các sông ở tỉnh Bình Định và Quảng Trị,
  • [12] Bae DH, Jung IW, Demeis PL (2011), Hydrologic uncertainties in climate change f-rom IPCC AR4 GCM simulations of the Chungju basin,Journal of Hydrology