Ứng dụng mô hình mạng nơ-ron nhân tạo dự báo mực nước dưới đất trong các tầng chứa nước khe nứt lưu vực sông Nhuệ - Đáy

15/04/2024

TN&MTNước dưới đất (NDĐ) là nguồn tài nguyên thiên nhiên quý giá nhưng số lượng có hạn, cần được đánh giá một cách chính xác mới có các quyết định hợp lý liên quan đển quản lý, khai thác sử dụng và bảo vệ tài nguyên nước dưới đất.

Một trong những yếu tố cần phải theo dõi xác định là mực nước, biểu thị bằng độ sâu cách mặt đất hoặc độ cao tuyệt đối. Mực nước dưới đất luôn biến động theo thời gian và không gian phụ thuộc vào các yếu tố khí hậu, địa hình, địa chất thủy văn,... cũng như sự tương tác của chúng, khiến việc mô phỏng rất khó khăn. Các nghiên cứu để dự báo mực nước dưới đất bằng các mô hình khái niệm/vật lý bộc lộ nhiều hạn chế nhất là khi không có đầy đủ số liệu. Các nghiên cứu gần đây cho thấy, mạng nơ-ron nhân tạo (ANN) có thể dự báo sự dao động mực nước dưới đất với độ chính xác cao hơn, đặc biệt là đối với tầng chứa nước các thành tạo cacbonat.

Từ khoá: Mạng nơ-ron nhân tạo, mực nước dưới đất, tầng chứa nước khe nứt, lưu vực sông Nhuệ-Đáy.

Nội dung nghiên cứu

Vùng nghiên cứu

Vùng nghiên cứu là tiểu lưu vực sông (LVS) Nhuệ-Đáy có diện tích khoảng 8.000 km2, trải trên 6 tỉnh: Hà Nam, Nam Định, Ninh Bình, Hà Nội và Hòa Bình (Hình 1). Khu vực nghiên cứu có khí hậu nhiệt đới gió mùa nóng ẩm, đặc trưng bởi mùa đông khô, lạnh và mùa hè nóng ẩm, mưa nhiều. Các đặc trưng khí tượng của vùng: Nhiệt độ trung bình năm từ 240C đến 270C, lượng mưa từ 1.500 đến 2.200 mm. LVS Nhuệ - Đáy có hai loại tầng chứa nước (Hình 2): Các tầng chứa nước lỗ hổng các trầm tích bở rời Đệ tứ phân bố ở vùng đồng bằng và các thung lũng hẹp giữa các vách núi với diện tích khoảng 5.500 km2; các tầng chứa nước khe nứt các thành tạo cacbonat và cố kết có tuổi địa chất khác nhau phân bố ở phía Tây Nam lưu vực với diện tích lộ thiên khoảng 2.500 km2.

Dữ liệu cần thiết 

Hình 1, 2. Vị trí và sơ đồ địa chất thủy văn vùng nghiên cứu

Ứng dụng mô hình mạng nơ-ron nhân tạo dự báo mực nước dưới đất trong các tầng chứa nước khe nứt lưu vực sông Nhuệ - Đáy

Để nghiên cứu, các tác giả sử dụng giá trị độ cao của 104 lỗ khoan, dữ liệu mực nước tại 7 lỗ khoan quan trắc từ tháng 1 đến tháng 12 năm 2019. Các dữ liệu khác được thu thập trong thời gian nghiên cứu bao gồm sự thoát hơi nước, nhiệt độ không khí và lượng mưa, được sử dụng làm đầu vào cho mô hình ANN. Bằng cách phân tích hồi quy để tìm ra mối quan hệ thích hợp giữa mực NDĐ và các biến số khí hậu X1 (tổng lượng mưa trong tháng); X2 (tổng lượng bốc hơi trong tháng); X3 (tổng số giờ nắng trong tháng); X4 (độ ẩm trung bình trong tháng) và X5 (nhiệt độ không khí trung bình trong tháng). Phương trình hồi quy bội được viết như sau:

Ứng dụng mô hình mạng nơ-ron nhân tạo dự báo mực nước dưới đất trong các tầng chứa nước khe nứt lưu vực sông Nhuệ - Đáy

Phân tích các kết quả trên cho thấy, mực NDĐ trong các tầng chứa nước khe nứt phụ thuộc chặt chẽ vào các yếu tố khí hậu, với giá trị hệ số tương quan bội rất cao (Bảng 1).

Bảng 1. Kết quả phân tích hồi quy bội
Ứng dụng mô hình mạng nơ-ron nhân tạo dự báo mực nước dưới đất trong các tầng chứa nước khe nứt lưu vực sông Nhuệ - Đáy

Mạng nơ-ron nhân tạo (ANN) 

Hình 3. Cấu trúc mạng ANN dự báo mực nước dưới đất

Ứng dụng mô hình mạng nơ-ron nhân tạo dự báo mực nước dưới đất trong các tầng chứa nước khe nứt lưu vực sông Nhuệ - Đáy

ANN là một phương pháp tính toán mềm phức tạp bao gồm nhiều công đoạn khác nhau như thể hiện ở Hình 3 [5]. Các nghiên cứu trước đây cho thấy, mạng lưới thần kinh lan truyền ngược tiếp nối với thuật toán Levenberg-Marquardt (LMA) là một trong những lựa chọn hợp lý nhất để dự báo mực nước [4, 7, 14]. Các biến số biến thiên hàng tháng về lượng mưa và lượng thoát hơi nước, số giờ nắng, độ ẩm, nhiệt độ, độ cao địa hình được chọn để mô tả các hiện tượng vật lý của NDĐ/khí hậu trong quá trình tương tác, nhằm dự báo mực NDĐ bằng ANN.

Để nghiên cứu, trước hết phải xác định kiến trúc mạng phù hợp, tức là số lớp và số nút trong mỗi lớp. Trong nghiên cứu này, lớp đầu đầu vào có 6 nơ-ron là lượng mưa, lượng thoát hơi nước, số giờ nắng, độ ẩm, nhiệt độ và độ cao địa hình; lớp đầu ra có 1 nơ-ron là mực NDĐ. Do các đặc điểm ngẫu nhiên của ANN, số lượng mô hình mạng nơ-ron truyền thẳng ngược đã được thử nghiệm với sự thay đổi số lượng nơ-ron cả ở lớp đầu vào và lớp ẩn. Trong nghiên cứu này, kỹ thuật tối ưu hóa Levenberg-Marquardt đã được sử dụng. Dữ liệu được chia làm 3 phần ngẫu nhiên: 70% dữ liệu sử dụng để huấn luyện, 15% dữ liệu sử dụng cho kiểm tra và 15% dữ liệu sử dụng cho kiểm chứng mô hình. Kỹ thuật đánh giá sai số gồm sai số bình phương trung bình gốc (RMSE), sai số bình phương trung bình (MSE) và hiệu suất (R2). Những thống kê thử nghiệm này, được các nhà nghiên cứu sử dụng rộng rãi trong nhiều công trình sử dụng mô hình ANN [6, 12, 14], cung cấp các thước đo định lượng về hiệu suất của mô hình.

Kết quả nghiên cứu và thảo luận

Dự báo mực NDĐ

Hình 4 là biểu đồ hệ số hồi quy (R) cho kiến trúc 3 lớp ẩn. Để huấn luyện, mạng nơ-ron khớp dữ liệu dọc theo đường màu xanh lam, kết quả đầu ra của mạng được vẽ theo các giá trị mục tiêu liên quan với R huấn luyện là 0,9987. Để thử nghiệm, mạng nơ-ron khớp dữ liệu dọc theo đường màu đỏ, đầu ra mạng được vẽ theo các giá trị mục tiêu liên quan với R thử nghiệm là 0,998. Dữ liệu xác thực được thể hiện theo đường xanh lá cây với R là 0,99845. Giá trị của R cho tất cả quá trình đào tạo, kiểm tra và xác nhận được mô phỏng cùng nhau là 0,98731. Giá trị R gần bằng 1 cho thấy, mô hình này phù hợp với dữ liệu để dự báo chính xác về mực NDĐ.

Hình 4. Kết quả huấn luyện, kiểm tra và kiểm định mô hình ANN

Ứng dụng mô hình mạng nơ-ron nhân tạo dự báo mực nước dưới đất trong các tầng chứa nước khe nứt lưu vực sông Nhuệ - Đáy

Mực nước tính toán bằng mô hình với thực đo thể hiện ở Bảng 2 và Hình 5. Các số liệu đánh giá, bao gồm RMSE, MSE và hiệu suất (R2), được sử dụng để đánh giá sai số giữa mực NDĐ tính toán trên mô hình so với giá trị thực tế của cả bảy lỗ khoan quan trắc cho thấy độ chính xác và độ tin cậy của tính toán chấp nhận được.

Bảng 2. Kết quả đánh giá sai số

Ứng dụng mô hình mạng nơ-ron nhân tạo dự báo mực nước dưới đất trong các tầng chứa nước khe nứt lưu vực sông Nhuệ - Đáy

Hình 5. Biểu đồ so sánh cao độ mực NDĐ thực đo và tính toán bằng mô hình ANN tại các lỗ khoan quan trắc VCHB04, VCHB11
Ứng dụng mô hình mạng nơ-ron nhân tạo dự báo mực nước dưới đất trong các tầng chứa nước khe nứt lưu vực sông Nhuệ - Đáy

Hình 6. Độ cao mực nước các tầng chứa nước khe nứt LVS Nhuệ - Đáy mùa khô ( tháng 4/2022) và mưa mưa (tháng 7/2022)
Ứng dụng mô hình mạng nơ-ron nhân tạo dự báo mực nước dưới đất trong các tầng chứa nước khe nứt lưu vực sông Nhuệ - Đáy

Sơ đồ đẳng cao độ mực nước

Kết quả tính toán bằng mô hình mực NDĐ từ tháng 1 - 12/2022 tại 1.191 điểm khác nhau cho thấy, độ sâu mực NDĐ có xu hướng tăng theo độ cao địa hình, nông hơn về phía sông. Về mùa khô, mực NDĐ sâu hơn mùa mưa. Độ cao mực NDĐ dao động từ 38 đến 120 m vào mùa mưa và 56 đến 120 m vào mùa khô (Hình 6).

Thảo luận

Tại vùng núi của LVS Nhuệ - sông Đáy, ảnh hưởng lớn nhất đến biến động mực NDĐ là lượng mưa và bốc hơi. Ảnh hưởng của các yêu tố khác như thành phần thạch học của đất đá chứa nước, độ cao địa hình, phương dòng chảy NDĐ, các hoạt động của con người,… vẫn chưa được nghiên cứu đầy đủ, cần được tiếp tục nghiên cứu để hiểu rõ hơn về hệ thống tầng chứa nước, cho phép đánh giá đầy đủ hơn phục vụ công tác quản lý, khai thác sử dụng và bảo vệ tài nguyên NDĐ trên LVS Nhuệ- Đáy. 

Kết luận

Kết quả nghiên cứu cho thấy, ảnh hưởng lớn nhất đến biến động mực NDĐ là lượng mưa và bốc hơi. Kết quả huấn luyện, kiểm tra và kiểm định cho thấy, hệ số hồi quy (R) cho mô hình ANN lần lượt là 0,9987, 0,998 và 0,99845. Độ chính xác dự báo của mô hình ANN đối với 3 lỗ khoan VCHb09, VCHB11 và VCHB12 lần lượt là 0,15, 0,03, 0,02 m, đối với bốn lỗ khoan còn lại, độ chính xác dự đoán dao động từ 2,43 m đến 3,33 m cho thấy, tính hiệu quả của kỹ thuật tính toán mềm trong việc dự báo mực NDĐ trong các tầng chứa nước khe nứt trong điều kiện ít dữ liệu mà không thể áp dụng mô hình tính toán khác.

Tài liệu tham khảo

1. Allen, D., et al. (2010), Groundwater level responses in temperate mountainous terrain: regime classification, and linkages to climate and streamflow. Hydrological Processes, 24, 3392-3412;

2. Barackman, M., et al. (2002), Chapter 8 - Groundwater sampling, Environmental Monitoring and Characterization, J. F. Artiola, I. L. Pepper and M. L. Brusseau. Burlington, Academic Press: 121-139;

3. Chitsazan, M., et al. (2015), Forecasting groundwater level by artificial neural networks as an alternative approach to groundwater modeling. Journal of the Geological Society of India, 85, 98-106;

4. Daliakopoulos, I.N., et al. (2005), Groundwater level forecasting using artificial neural networks. Journal of Hydrology, 309, 229-240; 

5. De Filippis, L.A.C., et al. (2018), ANN modelling to optimize manufacturing process. Advanced applications for artificial neural networks, 201-226;

6. Farifteh, J., et al. (2007), Quantitative analysis of salt-affected soil reflectance spectra: A comparison of two adaptive methods (PLSR and ANN). Remote Sensing of Environment, 110, 59-78;

7. Husna, N.-e.-a., et al. (2016), Ground water level prediction using artificial neural network. International Journal of Hydrology Science and Technology, 6, 371-381;

8. Jasrotia, A., et al. (2016), Integrated remote sensing and GIS approach for delineation of groundwater potential zones using aquifer parameters in Devak and Rui watershed of Jammu and Kashmir, India. Arabian Journal of Geosciences, 9, 1-15;

9. Lallahem, S., et al. (2005), On the use of neural networks to evaluate groundwater levels in fractured media. Journal of Hydrology, 307, 92-111.

TỐNG THANH TÙNG1, PHẠM BÁ QUYỀN2, PHẠM VĂN TUẤN2
1
Liên đoàn Quy hoạch và Điều tra tài nguyên nước miền Bắc
2 Trung tâm Quy hoạch và Điều tra tài nguyên nước quốc gia
Nguồn: Tạp chí Tài nguyên và Môi trường số 3 năm 2024

Where you can buy Louis Vuitton Replica :

hermes pas cher louis vuitton neverfull replica louis vuitton scarf replica gucci backpack replica louis vuitton outlet nederland dior tasche replica replica chanel wallet louis vuitton duffle bag replica Replica chanel replica chanel wallet louis vuitton messenger bag replica dior tasche replica fake Louis Vuitton shoes replica gucci shoes van cleef replica chanel imitazioni replica celine Louis Vuitton Taschen replica hermes pas cher louis vuitton messenger bag replica LOUIS VUITTON sunglasses replica replica cartier love bracelet replica louis vuitton m40780 louis vuitton imitate kaufen fake louis vuitton tas kopen fake louis vuitton wallet louis vuitton scarf replica chanel imitazioni perfette replica louboutin replica celine replica Louis Vuitton shoes goyard replica cartier love imitazione fake Louis Vuitton shoes gucci scarf replica borse louis vuitton replica replica Louis Vuitton supreme Backpack Louis Vuitton replica replique Sac Louis Vuitton chanel replica louis vuitton keepall replica zaino louis vuitton falso replica Jordan 1 cartier love ring replica dior replica chanel replica fake louis vuitton shoes louis vuitton shoes replica replica louis vuitton wallet imitazioni louis vuitton

Tin tức

Toàn văn báo cáo kinh tế xã hội và ngân sách nhà nước của Chính phủ tại Kỳ họp thứ 7, Quốc hội khóa XV

Cử tri, Nhân dân trong và ngoài nước đánh giá cao ngành Tài nguyên và Môi trường trong triển khai công tác bảo vệ môi trường, phòng chống thiên tai

Khai mạc trọng thể Kỳ họp thứ 7, Quốc hội khóa XV

Thủ tướng phát lệnh khởi công mở rộng nhà ga T2 sân bay Nội Bài

Tài nguyên

Thách thức trong hoạt động đầu tư vào lĩnh vực khai khoáng

Ứng dụng khoa học và công nghệ đảm bảo an ninh nguồn nước

Một số quy định mới của Luật Đất đai năm 2024 về cấp “sổ đỏ” có lợi cho người dân   

Ban hành Thông tư Quy định chi tiết thi hành một số điều của Luật Tài nguyên nước

Môi trường

Kỷ niệm Ngày quốc tế Đa dạng sinh học năm 2024

Hành động nhỏ, giá trị lớn để bảo tồn đa dạng sinh học của Trái Đất trước khi quá muộn?

Hưởng ứng Ngày Quốc tế đa dạng sinh học (22/5): Nỗ lực bảo tồn đa dạng sinh học

Thanh Hóa: Chủ động ứng phó thiên tai, biến đổi khí hậu

Video

Kỷ niệm 20 năm Tạp chí Tài nguyên và Môi trường và ra mắt kỷ ra mắt chuyên trang tiếng Anh

Tình yêu Môi trường

Thế giới lo sợ vì biến đổi khí hậu đã “Ngoài tầm kiểm soát” và kêu gọi hành động toàn cầu

Dự án Luật địa chất và khoáng sản sửa đổi khắc phục hạn chế để phát huy nguồn lực khoáng sản

Khoa học

Cần có nhiều chính sách ưu tiên cho các nhà khoa học nữ

Hệ thống mạng dự phòng đăng ký đất đai Đà Nẵng bị tấn công

Chuẩn bị diễn ra Triển lãm Quốc tế Điện tử & Thiết bị Thông minh Việt Nam (IEAE)

Thủ tướng Phạm Minh Chính dự Lễ chào mừng Ngày khoa học và công nghệ Việt Nam

Chính sách

Thành phố Thái Nguyên nói gì về tình trạng ô nhiễm quanh Khu xử lý chất thải rắn Đá Mài?

Hà Nội: Xử lý dứt điểm khai thác cát trái phép tại khu vực giáp ranh

Thanh Hóa: Xử lý nghiêm vi phạm tại các điểm thu mua gỗ rừng tự phát

Thái Bình: Tăng cường công tác quản lý Nhà nước đối với hoạt động khai thác tài nguyên, khoáng sản trên địa bàn

Phát triển

Quảng Trị: Đầu tư dự án Khu liên hợp xử lý chất thải 131 tỷ đồng

Di sản văn hóa thế giới Thành Nhà Hồ công trình kiến trúc kiệt tác của nhân loại

Khai mạc Đại hội Hội chiếu sáng Việt Nam lần thứ V, nhiệm kỳ 2024-2029

Chuyển đổi số: Chìa khóa phát triển nông nghiệp xanh, bền vững

Diễn dàn

Bắc Kạn: Đất đá sạt lở vào nhà dân, 3 người bị vùi lấp

Khẩn trương khắc phục sạt lở hầm đường sắt tại thị trấn Chí Thạnh, Phú Yên

Thời tiết ngày 22/5: Hà Nội ngày nắng, từ Thanh Hóa vào Nam Bộ mưa to, có nơi mưa rất to

Thúc đẩy tài chính bền vững ở Việt Nam thông qua trái phiếu xanh