Nghiên cứu cơ sở khoa học và giải pháp ứng dụng trí tuệ nhân tạo để nhận dạng, hỗ trợ dự báo và cảnh báo một số hiện tượng khí tượng thủy văn nguy hiểm trong bối cảnh biến đổi khí hậu tại Việt Nam

Tại Việt Nam, kể từ năm 2000, khi mô hình dự báo thời tiết số đầu tiên HRM bắt đầu được đưa vào chạy dự báo tại Việt Nam, cho đến nay có nhiều mô hình khác nhau đang được chạy nghiên cứu hay dự báo thử nghiệm tại Việt Nam như HRM, Eta, RAMS, HRM, MM5, WRF... Tuy nhiên, tại các đơn vị sử dụng mô hình dự báo, sản phẩm dự báo cuối cùng vẫn là sản phẩm dự báo trực tiếp từ mô hình, chưa có bất kỳ hiệu chỉnh nào. Mặc dù đã có rất nhiều nghiên cứu trong nước áp dụng các phương pháp thống kê cổ điển và hiện đại để nâng cao chất lượng dự báo các yếu tố khí tượng. Tuy nhiên, cho đến nay chưa có nghiên cứu nào về ứng dụng AI cho bài toán dự báo khí tượng ở Việt Nam.

Vì thế, nhóm nghiên cứu của ThS. Ngô Văn Mạnh tại Trung tâm Thông tin và Dữ liệu Khí tượng thủy văn đã thực hiện đề tài: “Nghiên cứu cơ sở khoa học và giải pháp ứng dụng trí tuệ nhân tạo để nhận dạng, hỗ trợ dự báo và cảnh báo một số hiện tượng khí tượng thủy văn nguy hiểm trong bối cảnh biến đổi khí hậu tại Việt Nam” từ năm 2018 đến năm 2020.

Đề tài hướng đến thực hiện các mục tiêu sau:

- Xác định và đưa ra được cơ sở khoa học và giải pháp ứng dụng của trí tuệ nhân tạo để nhận dạng và dự báo một số hiện tượng khí tượng thủy văn (KTTV) nguy hiểm trong bối cảnh biến đổi khí hậu tại Việt Nam.

- Đề xuất và ứng dụng được một số mô hình trí tuệ nhân tạo để nhận dạng và dự báo một số hiện tượng KTTV nguy hiểm gồm bão, mưa lớn diện rộng, không khí lạnh, lũ, nước biển dâng do bão.

- Xây dựng được hệ thống nhận dạng, hỗ trợ dự báo và cảnh báo một số hiện tượng KTTV nguy hiểm dựa trên mô hình trí tuệ nhân tạo phù hợp và bước đầu triển khai thử nghiệm trong dự báo nghiệp vụ.

Đề tài đã thu được một số kết quả khoa học chính như sau:

1. Đã nghiên cứu đánh giá tổng quan về AI và dữ liệu lớn Big data; đã đánh giá hiện trạng, xu thế phát triển và ứng dụng của AI và Big data trong các ngành và lĩnh vực KTTV ở Việt Nam và ở một số nước trên thế giới như ngoài nước Mỹ, Nhật Bản, Hàn Quốc, Trung Quốc...

2. Đã xác định được cơ sở khoa học, thực tiễn của các kỹ thuật học máy và AI trong nhận dạng, hỗ trợ dự báo, cảnh báo một số hiện tượng KTTV nguy hiểm gồm: (i) Phương pháp lưu trữ và xử lý dữ liệu; (ii) Phương pháp trích rút đặc trưng về dữ liệu về hiện tượng KTTV; (iii) Các mô hình học máy (ML), AI hỗ trợ dự báo KTTV (iv) Phương pháp xác định độ tin cậy của các mô hình ML, AI hỗ trợ dự báo KTTV; Phương pháp ra quyết định dự báo bằng trong công nghệ AI.

3. Đã xây dựng được hệ thống Big data về KTTV phục vụ hệ thống AI dự báo một số các hiện tượng thời tiết nguy hiểm gồm: số liệu khí tượng bề mặt của các trạm trên phạm vi cả nước; số liệu thủy văn của các trạm trên hệ thống sông Hồng; số liệu hải văn của các trạm ven biển Bắc Bộ, Bắc Trung Bộ; số liệu tái phân tích và số liệu viễn thám trong thời gian 10 năm giai đoạn 2008-2017.

4. Đã phát triển được các phương pháp, công cụ cho các mô hình AI dự báo một số hiện tượng KTTV nguy hiểm gồm: (i) các phương pháp, công cụ xử lý dữ liệu KTTV; (ii) Các phương pháp, công cụ trích rút đặc trưng về dữ liệu KTTV; (iii) Các phương pháp, công cụ mô hình ML, AI để huấn luyện dự báo KTTV; (iv) Các phương pháp, công cụ để tối ưu hóa cấu hình, tham số và xác định độ tin cậy của các mô hình ML, AI hỗ trợ dự báo KTTV; (v) Các phương pháp, công cụ giải thích và ra quyết định thống kê trong mô phỏng quá trình dự báo KTTV bằng công nghệ AI.

5. Đã nghiên cứu ứng dụng công cụ Cray PE DL Plugin trong bài toán học sâu (DL) để mở rộng quy mô học DL tới một số lượng lớn các node trong hệ thống, qua đó giảm đáng kể thời gian học cho mạng nơ ron và tăng tính hiệu quả của DL khi đưa vào ứng dụng thực tế trong các mô hình AI dự báo KTTV. Nhất là trong giai đoạn hiện nay khi yêu cầu về các thông tin dự báo, cảnh báo KTTV thời gian thực, thời gian cực ngắn trong khoảng 30 phút - 1h.

6. Đã nghiên cứu xây dựng và triển khai các hệ thống AI hỗ trợ dự báo các hiện tượng KTTV nguy hiểm gồm: Hệ thống AI để hỗ trợ dự báo bão, mưa lớn diện rộng và không khí lạnh khu vực Bắc Bộ; Hệ thống AI để hỗ trợ dự báo lũ trên hệ thống sông Hồng; Hệ thống AI để hỗ trợ dự báo nước biển dâng do bão khu vực ven biển Bắc Bộ và Bắc Trung Bộ; Hệ thống framework tích hợp các module AI dự báo KTTV.

7. Đã tiến hành chuyển giao, đào tạo và thử nghiệm đánh giá khả năng áp dụng của: Hệ thống AI hỗ trợ dự báo bão, mưa lớn diện rộng, không khí lạnh; Hệ thống AI để hỗ trợ dự báo lũ; Hệ thống AI để hỗ trợ dự báo nước biển dâng do bão tại Trung tâm Dự báo KTTV quốc gia, các Đài KTTV khu vực Đông Bắc, Đồng bằng Bắc bộ, Bắc Trung Bộ.

Sản phẩm của đề tài sẽ được xây dựng thành các công cụ phần mềm để hỗ trợ cho các chuyên gia trong công tác dự đoán, dự báo các hiện tượng khí hậu bất thường nói trên, và được tiến hành triển khai thử nghiệm để đánh giá hiệu quả trong thực tế.

Có thể tìm đọc báo cáo kết quả nghiên cứu (mã số 18621/2020) tại Cục Thông tin khoa học và công nghệ quốc gia.

N.P.D - vista.gov.vn

Link nội dung: https://sinhthainongnghiep.net.vn/nghien-cuu-co-so-khoa-hoc-va-giai-phap-ung-dung-tri-tue-nhan-tao-de-nhan-dang-ho-tro-du-bao-va-canh-bao-mot-so-hien-tuong-khi-tuong-thuy-van-nguy-hiem-trong-boi-canh-bien-doi-khi-hau-tai-viet-nam-a21451.html