Nghiên cứu ứng dụng mạng nơ-ron nhân tạo dự đoán độ cao sóng gần bờ tại khu vực biển Cửa Đại, tỉnh Quảng Ngãi
142 lượt xemDOI:
https://doi.org/10.54939/1859-1043.j.mst.88.2023.147-153Từ khóa:
Mạng nơ-ron nhân tạo; Độ cao sóng có nghĩa; Dự đoán sóng; Mike 21SW.Tóm tắt
Mạng nơ-ron nhân tạo (ANN) được coi là một công cụ mạnh để giải quyết các bài toán có tính phi tuyến, phức tạp, mối quan hệ giữa các thông số không dễ thiết lập một cách tường minh. Mạng nơ-ron nhân tạo được ứng dụng trong các lĩnh vực khoa học kỹ thuật khác nhưng chưa được ứng dụng nhiều đối với nghiên cứu thủy động lực vùng ven biển . Sử dụng ANN có ưu điểm đáng kể trong xử lý dữ liệu lớn, tốc độ giải nhanh với độ chính xác đảm bảo. Trong nghiên cứu này, nhóm tác giả sử dụng mạng nơ-ron nhân tạo để tính toán mô phỏng và dự đoán chiều cao sóng gần bờ thuộc khu vực biển Cửa Đại tỉnh Quảng Ngãi trong giai đoạn tháng 6/2016 và đầu tháng 7/2016. Tập dữ liệu huấn luyện mạng ANN bao gồm các dữ liệu đầu vào được lấy từ số liệu sóng ngoài khơi của NOAA, dữ liệu đầu ra được lấy từ kết quả tính của mô hình Mike 21 SW (Spectral Wave) tại biển Cửa Đại. Ngoài ra, nhằm tăng độ tin cậy khi xây dựng mô hình Mike 21 SW, kết quả đầu ra của mô hình Mike 21 SW sẽ được so sánh với kết quả đo thực tế tại biển Cửa Đại trong vòng 7 ngày đầu tháng 7/2016. Kết quả tính toán mô phỏng và dự đoán độ cao sóng gần bờ của mạng ANN được so sánh với kết quả của mô hình Mike 21 SW và kết quả đo thực tế.
Tài liệu tham khảo
[1]. Scott C. James, Yushan Zhang, Fearghal O'Donncha, “A machine learning framework to forecast wave conditions, Coastal Engineering”, Volume 137, Pages 1-10, (2018). DOI: https://doi.org/10.1016/j.coastaleng.2018.03.004
[2]. J. Berbić, E. Ocvirk, D. Carević, G. Lončar, “Application of neural networks and support vector machine for significant wave height prediction”, Oceanologia, Volume 59, Issue 3, pp. 331-349, (2017). DOI: https://doi.org/10.1016/j.oceano.2017.03.007
[3]. D.J. Peres, C. Iuppa, L. Cavallaro, A. Cancelliere, E. Foti, “Significant wave height record extension by neural networks and reanalysis wind data, Ocean Modelling, Volume 94, Pages 128-140, (2015). DOI: https://doi.org/10.1016/j.ocemod.2015.08.002
[4]. Hyun-Doug Yoon, Daniel T. Cox, Munki Kim, “Prediction of time-dependent sediment suspension in the surf zone using artificial neural networ”k, Coastal Engineering, Volume 71, Pages 78-86, (2013). DOI: https://doi.org/10.1016/j.coastaleng.2012.08.005
[5]. Yunwei Wang, Jun Chen, Hui Cai, Qian Yu, Zeng Zhou, “Predicting water turbidity in a macro-tidal coastal bay using machine learning approaches”, Estuarine, Coastal and Shelf Science, Volume 252, (2021), 107276, ISSN 0272-7714, https://doi.org/10.1016/j.ecss.2021.107276. DOI: https://doi.org/10.1016/j.ecss.2021.107276
[6]. Sooyoul Kim, Tracey H.A. Tom, Masahide Takeda, Hajime Mase, “A framework for transformation to nearshore wave from global wave data using machine learning techniques: Validation at the Port of Hitachinaka, Japan”, Ocean Engineering, Volume 221, 108516, (2021). DOI: https://doi.org/10.1016/j.oceaneng.2020.108516
[7]. Lê Văn Nghinh, 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”, Tạp chí Khoa học Kỹ thuật Thủy lợi và Môi trường, Số 14, (2006).
[8]. Nguyễn Đăng Tính, “Ứng dụng mạng nơ ron nhận tạo để dự báo mưa và dòng chảy làm cơ sở cho công tác phòng trành và giảm nhẹ thiên tai hạn hán trên một số lưu vực sông thuộc vùng Tây nguyên Việt Nam”, Tạp chí Khoa học Kỹ thuật Thủy lợi và Môi trường, Số 22, (2008).
[9]. Đặng Văn Tỏ, “Phục hồi dữ liệu sóng biển bằng mạng nơ-ron nhân tạo”, Tạp chí Khoa học và Công nghệ biển T10, Số 1. Tr 17 – 25, (2010).
[10]. Trần Hồng Thái, Mai Văn Khiêm, Nguyễn Bá Thủy, Bùi Mạnh Hà, Phạm Khánh Ngọc, “Xây dựng mô hình mạng nơ ron hồi quy dự báo độ cao sóng có nghĩa tại trạm Cồn Cỏ, Quảng Trị, Việt Nam”, Tạp chí Khí tượng Thủy văn, Tập. 4 Số. 736(1), Tr 73-84, (2022). DOI: https://doi.org/10.36335/VNJHM.2022(EME4).73-84
