Thông tin kết quả nhiệm vụ KH&CN

Nghiên cứu ứng dụng trí tuệ nhân tạo (AI) để diễn toán dòng chảy phục vụ phân bổ nguồn nước trên lưu vực sông, thử nghiệm ở lưu vực sông Hồng (04/11/2024)

Tại Việt Nam, các hệ thống hồ chứa nước lớn đóng vai trò then chốt trong việc đảm bảo các yêu cầu về nước, năng lượng và lương thực cho các nền kinh tế và cộng đồng hạ du đang phát triển mạnh mẽ. Hệ thống này yêu cầu các hoạt động quy hoạch chuyên sâu và thích ứng, có khả năng đối phó với sự biến đổi khí hậu cũng như đáp ứng các yêu cầu sử dụng nước mâu thuẫn giữa các ngành dùng nước trên hệ thống, bao gồm một số ngành chính như cấp nước hạ du (cho sinh hoạt, công nghiệp, du lịch, dịch vụ,…) mà vẫn đảm bảo về về phòng lũ, phát điện, môi trường, giao thông thủy,… Do vậy, quy hoạch chuyên sâu và thích ứng chính là thiết kế các quy trình vận hành hệ thống hồ chứa đa mục tiêu với tầm nhìn dài hạn trong quá trình phát triển kinh tế xã hội và dưới bối cảnh biến đổi khí hậu. Để làm được điều đó, hệ thống cần được mô hình hóa và thử nghiệm với các phương án vận hành khác nhau và sau đó, các phương án này được đánh giá, lựa chọn thông qua một bộ chỉ số đánh giá đa mục tiêu, thể hiện được mối quan tâm của tất cả các ngành dùng nước cũng như bị tác động trên hệ thống. Đây chính là cách tiếp cận tiên tiến trong quản lý tổng hợp tài nguyên nước đang được áp dụng ở tất cả các quốc gia phát triển và cần thiết được áp dụng ở Việt Nam để giảm thiểu tối đa sự mâu thuẫn trong sử dụng nước giữa các ngành dùng nước cũng như vì sự phát triển bền vững của các hệ sinh thái lưu vực sông.

Nghiên cứu ứng dụng trí tuệ nhân tạo (AI) để diễn toán dòng chảy phục vụ phân bổ nguồn nước trên lưu vực sông, thử nghiệm ở lưu vực sông Hồng do Trường Đại học Tài nguyên và Môi trường Hà Nội chủ trì thực hiện, hoàn thành báo cáo kết quả nghiên cứu năm 2024 đã đề xuất ứng dụng trí tuệ nhân tạo (AI) thông qua việc áp dụng các mô hình học máy, học sâu để diễn toán dòng chảy phục vụ đánh giá và lựa chọn các phương án phân bổ nguồn nước trên lưu vực sông và áp dụng thử nghiệm ở lưu vực sông Hồng. Lợi thế của các mô hình này so với các mô hình truyền thống như mô hình thủy động lực học là có thời gian tính toán nhanh khi đã xác định được yếu tố cần tính toán với độ chính xác đảm bảo, rất phù hợp với các bài toán lựa chọn phương án vận hành hệ thống do bộ các phương án này có thể rất lớn, đặc biệt khi được thiết kế bởi các thuật toán tối ưu nhằm đảm bảo mô phỏng được sự tráo đổi lợi ích giữa các ngành sử dụng nước mâu thuẫn nhau trên cùng một một hệ thống. Nghiên cứu cũng đã xây dựng một bộ chỉ số đánh giá thể hiện được yêu cầu sử dụng nước của các ngành dùng nước khác nhau trên hệ thống để có thể giúp đánh giá, lựa chọn các phương án vận hành hướng tới sự phát triển bền vững. Bộ công cụ này được thử nghiệm trên lưu vực sông Hồng, một lưu vực sông lớn xuyên biên giới, nơi xung đột giữa các mục đích sử dụng nước khác nhau, bao gồm sản xuất thủy điện, kiểm soát lũ lụt và cung cấp nước, cũng như các tác động tiêu cực đến tính bền vững lâu dài dự kiến sẽ tăng theo áp lực tổng hợp của nhu cầu nước và năng lượng ngày càng tăng và biến đổi khí hậu. Đặc biệt, các hiện tượng thời tiết cực đoan được dự đoán sẽ diễn ra thường xuyên và cực đoan hơn. Bên cạnh đó, đề tài cũng kết hợp cùng nghiên cứu chung REBECCA, được thực hiện cùng các đối tác bao gồm Viện Công nghệ liên bang Thụy sỹ (ETH Zurich), Viện công nghệ Khí tượng Karsual (KIT) của Đức và Đại học Bách khoa Milan (POLIMI) của Ý để thiết kế khung phân tích ra quyết định quy hoạch chuyên sâu lưu vực sông trong đó tích hợp công cụ thiết kế tối ưu vận hành hệ thống liên hồ chứa lưu vực sông Hồng và mô hình thủy văn phân bố đánh giá mối quan hệ Nước - Năng Lượng - Lương Thực - Môi trường (WEFE) trên toàn hệ thống.

Quy trình xây dựng mô hình trí tuệ nhân tạo diễn toán dòng chảy phục vụ đánh giá, phân bổ nguồn nước lưu vực sông.

Triển khai đề tài, nhóm nghiên cứu đã xây dựng 04 mô hình dựa vào dữ liệu theo công nghệ AI thử nghiệm các thuật toán học máy và học sâu để diễn toán dòng chảy lưu vực sông phục vụ đánh giá và kiểm soát phân bổ nguồn nước. Mô hình dự báo mực nước Hà Nội cho kết quả rất tốt với thuật toán LSTM, dự bảo thử nghiệm có mức đảm bảo lên đến gần 100%. Các mô hình dự báo lượng trữ và lượng thiếu hụt nước cấp vùng đồng bằng có độ chính xác thấp hơn do dữ liệu mô phỏng được trích xuất từ mô hình thủy động lực học vùng đồng bằng được thiết lập để mô phỏng hệ thống thực. Tuy nhiên kết quả là chấp nhận được để sử dụng trong công tác quy hoạch và quản lý phương án vận hành hệ thống hồ chứa đa mục tiêu vùng đồng bằng.

Nghiên cứu cũng đã tiến hành thiết lập được bộ tiêu chí và chỉ số đánh giá hiệu quả của các phương án thiết kế vận hành hệ thống theo các mục tiêu phát điện, cấp nước hạ du, phòng lũ hạ du, giao thông thủy và bảo vệ môi trường sinh thái hạ du. Bộ chỉ số đã được thử nghiệm trong quá trình thực hiện nghiên cứu chung REBECCA để thiết kế các phương án vận hành hệ thống trong thời điểm hiện trang và tương lai, dưới tác động của biến đổi khí hậu và tăng trưởng nhanh kinh tế - xã hội. Các chỉ số cụ thể gồm: thuỷ điện (sản lượng điện bình quân nămcủa hệ thống hồ chứa được xem xét trên lưu vực; thiếu hụt điện bình quân năm của hệ thống hồ chứa được xem xét trên lưu vực); phòng lũ (số ngày có lũ bình quân năm; số ngày liên tiếp có mực nước vượt giới cho phép; mực nước lũ trung bình năm; thiệt hại lũ bình quân ngày tại điểm kiểm soát; mực nước lũ lớn nhất); cấp nước hạ du (giao thông thuỷ: chỉ số về số ngày bình quân năm có mực nước tại điểm khống chế nhỏ hơn ngưỡng giao thông thủy cho phép hoạt động bình thường, chỉ số số ngày mực nước đảm bảo cho tàu thuyền hoạt động an toàn, chỉ số về thời đoạn lớn nhất trong khoảng thời gian mô phỏng không đảm bảo cho giao thông thủy hoạt động bình thường, chỉ số về số ngày trung bình năm mực nước tại cầu Long Biên Hà Nội nhỏ hơn ngưỡng tổng cộng về đình trệ giao thông thủy, chỉ số về số ngày trung bình năm mực nước tại cầu Long Biên Hà Nội nhỏ hơn ngưỡng lớn nhất cho phép giao thông thủy hoạt động bình thường, chỉ số về mực nước thiếu hụt trung bình năm cho phép giao thông thủy hoạt động bình thường; cấp nước hạ du: lượng nước tương đối, lượng thiếu hụt nước cấp; môi trường sinh thái hạ du: riêng dòng chảy môi trường tham khảo kết quả từ nghiên cứu IMRR (IWAP, 2012)). Bộ chỉ số này được kiểm định thông qua chuỗi dữ liệu lịch sử kết hợp với tính toán từ nhu cầu sử dụng nước của các đối tượng trên hệ thống; đồng thời được sử dụng để xác định các biến đầu ra của hệ thống cần mô phỏng bằng các mô hình trí tuệ nhân tạo, nhằm giảm thiểu tối đa thời gian tính toán mà vẫn đảm bảo đánh giá được phương án vận hành hệ thống.

Nghiên cứu cũng đã tính toán được các kịch bản nhu cầu sử dụng nước vùng đồng bằng sông Hồng theo các kịch bản biến đổi khí hậu được chi tiết hóa về đến vùng đồng bằng. Kết quả cho thấy, nhu cầu nước tăng lên theo thời gian và cơ cấu sử dụng nước có thay đổi theo quá trình phát triển kinh tế - xã hội. Theo đó, lượng nước sử dụng cho thủy sản tăng (do chuyển đổi diện tích canh tác nông nghiệp sang nuôi trồng thủy sản) và nước cấp cho công nghiệp tăng, làm gia tăng nhu cầu sử dụng nước ở các ngày trong năm do nhu cầu này là thường xuyên. Nhu cầu nước tại thời điểm đỉnh yêu cầu tưới vào vụ Đông Xuân giảm nhưng việc cấp nước thường xuyên trong cả năm cho vùng đồng bằng nhằm đảm bảo các yêu cầu về công nghiệp và sinh hoạt sẽ vẫn là một thách thức đối với hệ thống hồ chứa đa mục tiêu nêu trên.

Việc xây dựng mô hình trí tuệ nhân tạo diễn toán dòng chảy phục vụ phân bổ nguồn nước lưu vực sông, thử nghiệm ở lưu vực sông Hồng được nhóm tác giả thực hiện với việc xác định các yếu tố cần tính toán và dự báo trong bài toán phân bổ nguồn nước lưu vực sông Hồng; xây dựng mô hình dự báo mực nước ở Hà Nội; xây dựng mô hình dự báo tổng lượng nước cấp cho các phân khu sử dụng nước và mô hình học máy dự báo lượng nước thiếu hụt trong các phân khu sử dụng nước.

Kết quả nghiên cứu của đề tài là nguồn tham khảo cho các ngành sử dụng nước, các nhà vận hành hệ thống hồ chứa và các nhà ra quyết định tham khảo trong quá trình vận hành hệ thống thời gian thực và quy hoạch vận hành hệ thống trong tương lai. Kết quả nghiên cứu trên cũng cho thấy điểm mới của đề tài là đã nghiên cứu ứng dụng trí tuệ nhân tạo để diễn toán dòng chảy lưu vực sông thông qua việc đề xuất các mô hình học máy, học sâu phù hợp với việc mô phỏng các đặc trưng thủy văn liên quan đến đánh giá các phương án phân bổ nguồn nước lưu vực sông. Phương pháp tiếp cận này đã giúp giảm thiểu được thời gian tính toán và cho phép đánh giá nhiều phương án vận hành hệ thống phân bổ nguồn nước lưu vực sông lớn theo phương pháp tối ưu. Sau khi thử nghiệm, kết quả mô phỏng cho thấy độ chính xác của mô hình là khá tốt và hoàn toàn có thể so sánh với các phương pháp mô hình dựa vào vật lý truyền thống. Bên cạnh đó, đã xác lập được bộ chỉ số đánh giá hiệu quả và kiểm soát việc phân bổ nguồn nước lưu vực sông đồng thời phục vụ cho việc lựa chọn phương án vận hành hồ hiệu quả. Bộ chỉ số này cho phép đánh giá đa tiêu chí tương ứng với các ngành sử dụng nước cũng như đối tượng chịu tác động của nguồn nước trên hệ thống. 

Có thể tìm đọc toàn văn Báo cáo kết quả nghiên cứu dự án tại Trung tâm Thông tin, Thống kê khoa học và công nghệ Hải Phòng hoặc Cục Thông tin khoa học và công nghệ quốc gia./.