Mô hình mạng thần kinh nhân tạo và các bài toán ngập lụt: Nâng cao hiệu quả dự báo và nghiên cứu ảnh hưởng của công trình đô thị lên sự lan truyền lũ trong thành phố


Bùi Minh Đức, Marvin Mayerhofer, Peter Rutschmann
Chair of Hydraulic and Water Resources Engineering, Department of Civil, Geo and Environmental Engineering, Technical University of Munich, Germany
Email: [email protected]
Điện thoại:
    0     290
  • gplus
  • pinterest

Tóm tắt báo cáo

Biến đổi khí hậu cùng với việc khai thác sử dụng tài nguyên không hợp lý là một trong những nguyên nhân chính gây nên sự gia tăng về tần suất cũng như cường độ lũ lụt. Thêm vào đó, vấn đề xây dựng hạ tầng cơ sở gắn liền với sự phát triển đô thị cũng có thể là một trong những yếu tố ảnh hưởng đến sự lan tryền và phân bố nước lũ. Cùng với sự phát triển của công nghệ máy tính cũng như các kiến thức vật lý liên quan tới lan truyền lũ, việc nghiên cứu phát triển và áp dụng một mô hình tính toán dự báo hiệu quả có thể giảm thiểu những thiệt hại do lũ lụt gây ra.
Thông thường, mô hình số trị mô phỏng và dự báo sự lan truyền nước lũ và ngập lụt trong thành phố có thể dựa trên việc giải số hệ phương trình nước nông 2 chiều mở rộng, trong đó sự tương tác giữa nước lũ và các công trình đô thị (đường xá, cống rãnh, nhà cửa, v.v.) cũng như ảnh hưởng của khí tượng thủy văn (lưu lượng mưa) có thể được tính đến thông qua các hàm nguồn thích hợp. Tuy nhiên, sự phức tạp của địa hình đòi hỏi việc sử dụng lưới tính toán phù hợp cho miền nghiên cứu. Thông thường, các lưới tính phi cấu trúc sẽ được sử dụng với độ phân giải cao tại những khu vực có gradient dòng chảy lớn. Điều này dẫn đến việc gia tăng thời gian tính toán và việc áp dụng những lưới tính như vậy cho tính toán dự báo lan truyền lũ và ngập lụt trong các thành phố lớn là bất khả thi. Một trong những giải pháp cho vấn đề này là việc sử dụng các lưới tính cấu trúc với kích cỡ đủ lớn cùng với các đặc trưng của từng ô lưới được xác định dựa trên tính chất của các vật cản và công trình trong đó. Các đặc trưng này được mô tả bởi một hàm nguồn trong hệ phương trình nước nông (subgrid modelling technique). Tuy vậy, vấn đề về thời gian tính vẫn chưa được giải quyết thỏa đáng.
Phương pháp tiếp cận dữ liệu (data driven method) có thể áp dụng như một trong các giải pháp lựa chọn để nâng cao hiệu quả dự báo và nghiên cứu các yếu tố ảnh hưởng đến sự ngập lụt trong các đô thị. Bài báo này đề cập đến một số khái niệm chính liên quan tới mô hình mạng thần kinh nhân tạo (artificial neural network – ANN), một mô hình toán kết hợp giữa trí tuệ tính toán (computational intelligence) và phương pháp học máy (machine learning). Tiếp đó là phần trình bày việc kết hợp mô hình ANN và mô hình truyền thống trong việc nghiên cứu ngập lụt đô thị. Sử dụng mô hình kết hợp này, thời gian tính đã được giảm thiểu một cách đáng kể. Các kết quả tính toán nhận được khẳng định khả năng đầy triển vọng của việc phát triển và ứng dụng mô hình ANN trong các bài toán liên quan tới lan truyền lũ.


Toàn văn báo cáo





Danh sách bình luận


Tham gia bình luận

Đánh giá:
Mô hình mạng thần kinh nhân tạo và các bài toán ngập lụt: Nâng cao hiệu quả dự báo và nghiên cứu ảnh hưởng của công trình đô thị lên sự lan truyền lũ trong thành phố Report description: Biến đổi khí hậu cùng với việc khai thác sử dụng tài nguyên không hợp lý là một trong những nguyên nhân chính gây nên sự gia tăng về tần suất cũng như cường độ lũ lụt. Thêm vào đó, vấn đề xây dựng hạ tầng cơ sở gắn liền với sự phát triển đô thị cũng có thể là một trong những yếu tố ảnh hưởng đến sự lan tryền và phân bố nước lũ. Cùng với sự phát triển của công nghệ máy tính cũng như các kiến thức vật lý liên quan tới lan truyền lũ, việc nghiên cứu phát triển và áp dụng một mô hình tính toán dự báo hiệu quả có thể giảm thiểu những thiệt hại do lũ lụt gây ra.
Thông thường, mô hình số trị mô phỏng và dự báo sự lan truyền nước lũ và ngập lụt trong thành phố có thể dựa trên việc giải số hệ phương trình nước nông 2 chiều mở rộng, trong đó sự tương tác giữa nước lũ và các công trình đô thị (đường xá, cống rãnh, nhà cửa, v.v.) cũng như ảnh hưởng của khí tượng thủy văn (lưu lượng mưa) có thể được tính đến thông qua các hàm nguồn thích hợp. Tuy nhiên, sự phức tạp của địa hình đòi hỏi việc sử dụng lưới tính toán phù hợp cho miền nghiên cứu. Thông thường, các lưới tính phi cấu trúc sẽ được sử dụng với độ phân giải cao tại những khu vực có gradient dòng chảy lớn. Điều này dẫn đến việc gia tăng thời gian tính toán và việc áp dụng những lưới tính như vậy cho tính toán dự báo lan truyền lũ và ngập lụt trong các thành phố lớn là bất khả thi. Một trong những giải pháp cho vấn đề này là việc sử dụng các lưới tính cấu trúc với kích cỡ đủ lớn cùng với các đặc trưng của từng ô lưới được xác định dựa trên tính chất của các vật cản và công trình trong đó. Các đặc trưng này được mô tả bởi một hàm nguồn trong hệ phương trình nước nông (subgrid modelling technique). Tuy vậy, vấn đề về thời gian tính vẫn chưa được giải quyết thỏa đáng.
Phương pháp tiếp cận dữ liệu (data driven method) có thể áp dụng như một trong các giải pháp lựa chọn để nâng cao hiệu quả dự báo và nghiên cứu các yếu tố ảnh hưởng đến sự ngập lụt trong các đô thị. Bài báo này đề cập đến một số khái niệm chính liên quan tới mô hình mạng thần kinh nhân tạo (artificial neural network – ANN), một mô hình toán kết hợp giữa trí tuệ tính toán (computational intelligence) và phương pháp học máy (machine learning). Tiếp đó là phần trình bày việc kết hợp mô hình ANN và mô hình truyền thống trong việc nghiên cứu ngập lụt đô thị. Sử dụng mô hình kết hợp này, thời gian tính đã được giảm thiểu một cách đáng kể. Các kết quả tính toán nhận được khẳng định khả năng đầy triển vọng của việc phát triển và ứng dụng mô hình ANN trong các bài toán liên quan tới lan truyền lũ.


Mo hinh mang than kinh nhan tao va cac bai toan ngap lut: Nang cao hieu qua du bao va nghien cuu anh huong cua cong trinh do thi len su lan truyen lu trong thanh pho


Bien doi khi hau cung voi viec khai thac su dung tai nguyen khong hop ly la mot trong nhung nguyen nhan chinh gay nen su gia tang ve tan suat cung nhu cuong do lu lut. Them vao do, van de xay dung ha tang co so gan lien voi su phat trien do thi cung co the la mot trong nhung yeu to anh huong den su lan tryen va phan bo nuoc lu. Cung voi su phat trien cua cong nghe may tinh cung nhu cac kien thuc vat ly lien quan toi lan truyen lu, viec nghien cuu phat trien va ap dung mot mo hinh tinh toan du bao hieu qua co the giam thieu nhung thiet hai do lu lut gay ra.
Thong thuong, mo hinh so tri mo phong va du bao su lan truyen nuoc lu va ngap lut trong thanh pho co the dua tren viec giai so he phuong trinh nuoc nong 2 chieu mo rong, trong do su tuong tac giua nuoc lu va cac cong trinh do thi (duong xa, cong ranh, nha cua, v.v.) cung nhu anh huong cua khi tuong thuy van (luu luong mua) co the duoc tinh den thong qua cac ham nguon thich hop. Tuy nhien, su phuc tap cua dia hinh doi hoi viec su dung luoi tinh toan phu hop cho mien nghien cuu. Thong thuong, cac luoi tinh phi cau truc se duoc su dung voi do phan giai cao tai nhung khu vuc co gradient dong chay lon. Dieu nay dan den viec gia tang thoi gian tinh toan va viec ap dung nhung luoi tinh nhu vay cho tinh toan du bao lan truyen lu va ngap lut trong cac thanh pho lon la bat kha thi. Mot trong nhung giai phap cho van de nay la viec su dung cac luoi tinh cau truc voi kich co du lon cung voi cac dac trung cua tung o luoi duoc xac dinh dua tren tinh chat cua cac vat can va cong trinh trong do. Cac dac trung nay duoc mo ta boi mot ham nguon trong he phuong trinh nuoc nong (subgrid modelling technique). Tuy vay, van de ve thoi gian tinh van chua duoc giai quyet thoa dang.
Phuong phap tiep can du lieu (data driven method) co the ap dung nhu mot trong cac giai phap lua chon de nang cao hieu qua du bao va nghien cuu cac yeu to anh huong den su ngap lut trong cac do thi. Bai bao nay de cap den mot so khai niem chinh lien quan toi mo hinh mang than kinh nhan tao (artificial neural network – ANN), mot mo hinh toan ket hop giua tri tue tinh toan (computational intelligence) va phuong phap hoc may (machine learning). Tiep do la phan trinh bay viec ket hop mo hinh ANN va mo hinh truyen thong trong viec nghien cuu ngap lut do thi. Su dung mo hinh ket hop nay, thoi gian tinh da duoc giam thieu mot cach dang ke. Cac ket qua tinh toan nhan duoc khang dinh kha nang day trien vong cua viec phat trien va ung dung mo hinh ANN trong cac bai toan lien quan toi lan truyen lu.
Hội nghị 45 năm Viện Cơ hoinghi45nam.imech.ac.vn Hà Nội, Việt Nam 264 Đội Cấn, Ba Đình VN-HN 10000 VN 024.38325541