Thứ sáu, Ngày 28 Tháng 2 Năm 2020

Thông tin và thống kê Khoa học công nghệ

Nghiên cứu ứng dụng mạng nơron nhân tạo (Artificial Neural Network - Ann) trong tính toán lựa chọn phương án bảo vệ tài nguyên nước mặt; thử nghiệm cho lưu vực sông cầu

20/11/2018 09:59

Thực tế cho thấy kinh tế càng phát triển thì lượng chất thải xả ra môi trường ngày càng lớn. Các chất thải này ảnh hưởng trực tiếp đến chất lượng tài nguyên nước ở khu vực xả thải, và tác động xấu đến các hoạt động dân sinh - kinh tế như cấp nước cho sinh hoạt, công nghiệp, tưới tiêu, du lịch ở hạ du. Do đó công tác quản lý chất lượng nước đóng vai trò quan trọng trong kiểm soát ô nhiễm nước và bảo vệ tài nguyên nước trong lưu vực. Hiện nay, các giải pháp bảo vệ môi trường trong đó có tài nguyên nước đang sử dụng các phương pháp như: tính toán chỉ số chất lượng nước (Quyết định số 879/QĐ-TCMT), phương pháp đánh giá nhanh (Rapid Assessment) của Tổ chức Y tế Thế giới, phương pháp mô hình toán (QUAL2E, QUAL2K, MIKE11,…) và đánh giá khả năng tiếp nhận chất thải của nguồn nước (Thông tư 02/2009/TT-BTNMT)…

Các phương pháp tính toán chỉ số chất lượng nước, đánh giá nhanh, đánh giá khả năng tiếp nhận chất thải có ưu điểm là đơn giản nhưng những đánh giá chỉ mang tính chất tĩnh, trong khi cần phải xem tài nguyên nước là một tài nguyên động (biến đổi theo không gian và thời gian) và có tính hệ thống. Phương pháp mô hình toán mô phỏng chất lượng nước dựa vào việc diễn tả những quá trình biến đổi của các chất ô nhiễm thông qua các quá trình đối lưu, hòa tan, khuếch tán và sinh hóa,… bằng các phương trình toán học sao cho gần đúng với quá trình thực, điều này dẫn đến các mô phỏng gồm nhiều phương trình phức tạp và thông số khó xác định làm giảm độ chính xác của các mô phỏng. Do đó cần nghiên cứu phương pháp mô phỏng chất lượng nước tốt hơn để tăng độ chính xác của kết quả mà không phụ thuộc quá nhiều vào các giả thiết như phương pháp truyền thống. Mạng nơron nhân tạo là hướng tiếp cận mới trong công tác nhân dạng và dự báo đã nhận được sự quan tâm đặc biệt của một số nhóm nghiên cứu trên thế giới. ANN được coi là công cụ mạnh để giải quyết các bài toán có tính phi tuyến, phức tạp và đặc biệt trong các trường hợp mà mối quan hệ giữa các quá trình không dễ thiết lập một cách tường minh như diễn biến của chất lượng nước và các yếu tố ảnh hưởng (tải lượng chất ô nhiễm, vị trí xả thải, lưu lượng nguồn nước,…). Một ưu điểm vượt trội của mô hình mạng nơron nhân tạo là khả năng tự học và điều chỉnh các trọng số để kết quả tính toán phù hợp với thực tế mà không phụ thuộc vào ý kiến chủ quan. Từ những những lý do trên cho thấy việc ứng dụng mạng nơron nhân tạo phục vụ tính toán, lựa chọn phương án bảo vệ tài nguyên nước là hết sức cần thiết.

Do đây là hướng nghiên cứu mới nên đề tài lựa chọn lưu vực sông Cầu làm lưu vực nghiên cứu áp dụng mô hình nơron nhân tạo do đây là lưu vực nổi cộm về vấn đề chất lượng nước bị ảnh hưởng mạnh mẽ bởi các hoạt động công nghiệp; thêm vào đó lưu vực có mạng quan trắc khá hoàn chỉnh phủ đều trên lưu vực và có nhiều nghiên cứu ứng dụng trước đây thuận tiện cho việc đánh giá kết quả nghiên cứu của đề tài. Và Cơ quan chủ trì Liên Đoàn quy hoạch và điều tra tài nguyên nước miền Bắc phối hợp với Chủ nhiệm đề tài Luyện Đức Thuận cùng thực hiện nhằm mục tiêu Nghiên cứu phương pháp ANN trong dự báo chất lượng nước mặt làm căn cứ lựa chọn phương án bảo vệ tài nguyên nước mặt; Đề xuất nội dung và quy trình tính toán dự báo chất lượng nước mặt bằng; phương pháp ANN trên lưu vực; Thử nghiệm tính toán phương án bảo vệ tài nguyên nước cho một tiểu lưu vực thuộc lưu vực sông Cầu.

Sau thời gian nghiên cứu, đề tài đã thu được những kết quả như sau:
Qua kết quả nghiên cứu của đề tài về ứng dụng mạng nơron nhân tạo ANN) trong dự báo chất lượng nước, nhận thấy mô hình ANN có một số đặc điểm chính sau:
- Mô hình ANN cho kết quả tốt ngay cả trong trường hợp chuỗi dữ liệu ngắn và trong các trường hợp phức tạp, khi mối quan hệ giữa các biến trong mô hình là phi tuyến, không được rõ ràng và tường minh.
- Mô hình ANN rất phù hợp với việc xử lý các dữ liệu thực chứa nhiễu hoặc không đầy đủ hay nói cách khác, mô hình ANN có thể xem xét tất cả các yếu tố có ảnh hưởng đến biến cần dự báo.
- Việc xác định số lớp ẩn và số đơn vị trong lớp ẩn là công việc hết sức khó khăn. Tuy nhiên trong các bài toán thực tế thường sử dụng chỉ một lớp ẩn cho ta kết quả tốt hơn là sử dụng nhiều hơn một lớp. Để xác định số đơn vị trong lớp ẩn, cách tốt nhất là sử dụng phương pháp thử-sai (trial-and-error). Trong thực tế, có thể sử dụng phương pháp Lựa chọn tiến (forward selection) hay Lựa chọn lùi (backward selection).

Các đóng góp khoa học của đề tài:
1. Hệ thống hóa các nội dung cơ bản về mạng nơron nhân tạo
2. Nghiên cứu các phương pháp, sử dụng mô hình nơron truyền thẳng và giải thuật lan truyền ngược nhằm đạt tới một kết quả trọn vẹn của bài toán tối ưu trọng số mạng nơron nhân tạo trong dự báo chất lượng nước.
3. Ứng dụng phần mềm WinNN32 triển khai phương pháp sử dụng mô hình nơron truyền thẳng và giải thuật lan truyền ngược. Kết quả đạt được của mô hình WinNN32 cho lưu vực sông Cầu trong dự báo chất lượng nước tốt nhất với cấu trúc mạng 6-9-1, hệ số tương quan và sai số quân phương của quá trình huấn luyện cho các thông số chất lượng nước BOD5, tổng N và TSS lần lượt là R2 = 0,835; MSE = 0,13; R2 =0,852; MSE = 0,05; R2 = 0,958; MSE = 44,8. Hệ số tương quan và sai số quân phương của quá trình kiểm tra lần lượt là R2 = 0,724; MSE =0,28; R2 = 0,699; MSE = 0,35; R2 = 0,981; MSE = 46,4. Kết quả đạt được của mô hình WinNN32 cho lưu vực sông Cầu trong dự báo thông số chất lượng nước COD tốt nhất với cấu trúc 5-9-1, hệ số tương quan và sai số quân phương của quá trình huấn luyện và kiềm tra lần lượt là R2 = 0,774; MSE = 4,67 và R2 = 0,672; MSE = 9,67.
4. Đề xuất nội dung và quy trình tính toán chất lượng nước mặt bằng mô hình ANN.
5. Đề tài đã đưa ra 2 phương án bảo vệ chất lượng nước lưu vực sông Công, trong đó phương án bảo vệ chất lượng nước sông Công thông qua kiểm soát nguồn thải, nguồn ô nhiễm với yêu cầu xử lý được 40% lượng nước thải đạt tiêu chuẩn môi trường trước khi đổ ra sông (phương án 2) là phương án được lựa chọn. Với kết quả tính toán giá trị hàm lượng TSS = 48,9 mg/l, đảm bảo đáp ứng được mục tiêu chất lượng nước đề ra TSS nằm ở ngưỡng A2 (30 mg/l ≤ TSS ≤ 50 mg/l).

Có thể tìm đọc báo cáo kết quả nghiên cứu (mã số 14050/2017) tại Cục Thông tin KHCNQG.

http://www.vista.gov.vn

Tin khác

Chính phủ phê duyệt đề án Phát triển nguồn tin KH&CN (04/10/2018 10:29)

Hoàn thiện công tác thống kê đổi mới sáng tạo ở Việt Nam (31/08/2018 09:38)

Nghiên cứu khoa học: Công và Tư (09/08/2018 10:32)

Đào tạo nhân lực cho cách mạng 4.0: Cơ hội song hành cùng thách thức (26/07/2018 07:57)

Xây dựng hệ thống cơ sở dữ liệu quốc gia nhiệm vụ KH&CN (26/07/2018 07:50)

Tiền đổ vào khoa học phần lớn là chi thường xuyên (06/07/2018 10:35)

Ngành tài chính chủ động tiếp cận CMCN 4.0 (04/07/2018 14:29)

Tài chính khởi nghiệp sáng tạo: Nguồn lực và vai trò của chính phủ (27/06/2018 10:49)

Gỡ vướng để thúc đẩy đổi mới hoạt động khoa học và công nghệ (07/06/2018 15:26)

Tài chính cho khoa học: Nan giải chuyện định mức chất xám (15/05/2018 09:21)

xem tiếp