Cơ sở khoa học ứng dụng AI trong lĩnh vực khí tượng thủy văn

VIỆN KHOA HỌC KHÍ TƯỢNG THỦY VĂN VÀ BIẾN ĐỔI KHÍ HẬU

Cơ sở khoa học ứng dụng AI
trong lĩnh vực khí tượng thủy văn


NỘI DUNG CHÍNH
1. Giới thiệu
2. Cơ sở khoa học và thực tiễn
3. Một số thách thức
4. Kết luận và trao đổi


1. Giới thiệu
- Cuộc cách mạng công nghiệp lần thứ 4 được hình
thành và phát triển bằng cách kết hợp các công
nghệ lại với nhau, làm mờ ranh giới giữa vật lý, kĩ
thuật số và sinh học;
- Cách mạng công nghiệp 4.0 mơ tả về một mơi
trường, trong đó máy tính, tự động hóa và con người
sẽ cùng nhau làm việc theo một cách hồn tồn mới.
Robot, máy móc sẽ được kết nối vào hệ thống máy
tính;
- AI được đánh giá là một trong những công nghệ đi
đầu của cuộc cách mạng 4.0. AI là khoa học và công
nghệ tạo ra các máy tính có thể làm tốt hơn những
việc hiện con người đang làm (Elaine Rich và Kevin
Knight).


1. Giới thiệu

2. Cơ sở khoa học và thực tiễn

Cơ hội
và
thách
thức

Như vậy, AI có áp dụng trong cải tiến dự báo KTTV
ở Việt Nam?


2. Cơ sở khoa học và thực tiễn
- Tập đoàn cơng nghệ máy tính đa quốc gia (IBM) đã mua
cơng ty The Weather và kết hợp số liệu sẵn có của IBM vào
hệ thống TTNT của công ty. IBM Deep Thunder cung cấp
các dự báo siêu cục bộ ở độ phân giải từ 0,2 tới 1,2 dặm.
- Monsanto cũng đã đầu tư vào hệ thống dự báo thời tiết sử dụng TTNT. Các sản
phẩm dự báo thời tiết của Monsanto được sử dụng để cung cấp các bản tin dự
báo cho nông nghiệp.
- Các trung tâm dự báo của các nước phát triển như Hoa Kỳ, Nhật Bản, Châu Âu,
Trung Quốc… đã ứng dụng rất mạnh và sâu về TTNT trong công tác dự báo bão,
dông lốc, lũ lụt, sạt lở đất.


2. Cơ sở khoa học và thực tiễn
Mạng Nơ-ron tích chập (CNN)

/>

/>8-27T05:24:01.474Z

Ứng dụng TTNT dự báo bão của NOAA, Hoa Kỳ


2. Cơ sở khoa học và thực tiễn
Mạng nhận thức đa tầng MLP

Ứng dụng
TTNT cảnh
báo mưa đá
của NOAA,
Hoa Kỳ

Ứng dụng TTNT trong xử lý ảnh viễn thám


2. Cơ sở khoa học và thực tiễn
Ở Việt Nam:
Dự báo khí tượng thủy văn đã được thực hiện theo hướng mơ hình hóa
với hệ thống mơ hình dự báo hiện đại của thế giới đã được cải tiến, phát
triển cho phù hợp với Việt Nam. Đặc biệt là các mơ hình chun sâu
trong dự báo bão, dự báo mưa lớn, dự báo lũ, cảnh báo lũ quét, dự báo
sóng biển, nước dâng do bão hay gió mùa.
Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu: Đã bước
đầu ứng dụng thành công thành tựu cách mạng 4.0 trong công tác
nghiên cứu, dự báo của Viện thông qua việc sử các thuật tốn hồi quy,
phân tích, mạng thần kinh nhân tạo, công nghệ giao thoa khẩu độ tổng
hợp (InSAR)… để xử lý số liệu, phân tích hình ảnh phục vụ công tác dự
báo, nhận định các thiên tai, thời tiết cực đoan.

2. Cơ sở khoa học và thực tiễn

Ứng dụng mạng thần kinh nhân tạo trong cảnh báo mưa lớn từ
hệ thống quan trắc radar và sản phẩm mơ hình số trị cho khu vực
TP. Hồ Chí Minh


2. Cơ sở khoa học và thực tiễn
Mạng thần kinh nhân tạo
MLP

Thí nghiệm dự báo mưa năm bộ:
1) Số liệu lượng mưa ngày dự báo từ mơ hình WRF với hạn dự
báo 36h, 60h và 84h được nội suy về 19 trạm cho khu vực Nam
Bộ.
2) Áp dụng mạng thần kinh nhân tạo để hiệu chỉnh giá trị lượng
mưa trung bình tháng
- Phần luyện mạng:
+ Chuỗi số liệu đầu vào lượng mưa dự báo mơ hình WRF (6/2014).
Đích cần học là các giá trị quan trắc của các trạm tương ứng.
Mạng được thiết kế bao gồm 2 lớp ẩn và 1 lớp xuất.
+ Các bộ trọng số sau khi luyện tại 2 lớp ẩn và 1 lớp xuất được lưu
lại để kiểm nghiệm cho số liệu tháng 8/2014


Dự báo mưa bằng ANN
Luong mua ngay trung binh thang 8−2014 (36h)
20

Corr_mon6/2014

15

0.8

variable
MH
OBS
TKNT

10
0.6

60h

84h

10

variable
MH
OBS
TKNT

variable

10

MH
OBS
TKNT

BACLIEU

BIENHOA

LONGKHANH

CAMAU

CHAUDOC

RACHGIA

PHUQUOC

CAOLANH

CANTHO

SOCTRANG

MYTHO

CANGLONG

BATRI

MOCHOA

VUNGTAU

TAYNINH

TANSONHOA

DONGPHU

0

PHUOCLONG

5

BACLIEU

BIENHOA

LONGKHANH

CAMAU

CHAUDOC

PHUQUOC

RACHGIA

CAOLANH

CANTHO

15

SOCTRANG

MYTHO

BATRI

CANGLONG

MOCHOA

VUNGTAU

TAYNINH

TANSONHOA

Luong mua ngay trung binh thang 8−2014 (84h)

DONGPHU

0

PHUOCLONG

5

BACLIEU

BIENHOA

CAMAU

CHAUDOC

RACHGIA

PHUQUOC

CAOLANH

SOCTRANG

MYTHO

CANTHO

CANGLONG

BATRI

MOCHOA

Luong mua ngay trung binh thang 8−2014 (60h)

LONGKHANH

36h

VUNGTAU

0.0

TAYNINH

0.2

TANSONHOA

PHUOCLONG

MH
TKNT

DONGPHU

5

variable
0.4

Lượng mưa ngày trung
bình tháng 6 năm 2014
của 19 trạm Nam Bộ,
tập số liệu input và

luyện (train) với hạn dự
báo 36h, 60h, 84h

Giá trị hệ số tương quan
Giá trị hệ số tương quan
của lượng mưa tháng
của lượng mưa tháng
6/2014 cho khu vực Nam
6/2014 cho khu vực Nam
Bộ được cải thiện đáng
Bộ được cải thiện đáng
kể ở hạn dự báo 36h và
kể ở hạn dự báo 36h và
84h khi áp dụng phương
84h khi áp dụng phương
pháp mạng TKNT
pháp mạng TKNT


Dự báo mưa bằng ANN
Luong mua ngay trung binh thang 8−2014 (36h)

Corr_mon8/2014
20
15

0.6

variable
MH

OBS
TKNT

10
variable

60h

84h

10

variable
MH
OBS
TKNT

variable

10

MH
OBS
TKNT

BACLIEU

BIENHOA

LONGKHANH

CAMAU

CHAUDOC

RACHGIA

PHUQUOC

CAOLANH

SOCTRANG

MYTHO

CANTHO

BATRI

CANGLONG

MOCHOA

VUNGTAU

TAYNINH

TANSONHOA

DONGPHU

0

PHUOCLONG

5

BACLIEU

BIENHOA

CAMAU

CHAUDOC

RACHGIA

Lượng mưa ngày trung
bình tháng 8 năm 2014
của 19 trạm Nam Bộ,
tập số liệu input và
kiểm nghiệm với hạn
dự báo 36h, 60h, 84h

BACLIEU

BIENHOA

LONGKHANH

CAMAU

CHAUDOC

PHUQUOC

RACHGIA

CAOLANH

SOCTRANG

MYTHO

Luong mua ngay trung binh thang 8−2014 (84h)
15

CANTHO

BATRI

CANGLONG

MOCHOA

VUNGTAU

TAYNINH

TANSONHOA

DONGPHU

0

PHUOCLONG

5

PHUQUOC

CAOLANH

SOCTRANG

MYTHO

CANTHO

BATRI

CANGLONG

MOCHOA

Luong mua ngay trung binh thang 8−2014 (60h)

LONGKHANH

36h

VUNGTAU

0.0

TAYNINH

PHUOCLONG

0.2

TANSONHOA

5

MH
TKNT

DONGPHU

0.4

Đối với bộ số liệu kiểm nghiệm tháng 8/2014, giá trị
bộ quan
số liệucủa
kiểm
nghiệm
8/2014,
giá trị
hệĐối

số với
tương
lượng
mưatháng
cho khu
vực Nam
số tương
quanởcủa
vựckểNam
Bộhệđược
cải thiện
cả lượng
ba hạnmưa
dự cho
báo,khu
đáng
ở
Bộ
được
cải
thiện
ở
cả
ba
hạn
dự
báo,
đáng
kể
hạn dự báo 60h và 84h khi áp dụng phương pháp ở

hạn TKNT
dự báo 60h và 84h khi áp dụng phương pháp
mạng
mạng TKNT


Dự báo mưa bằng ANN
Tập luyện 6/2014

Tập kiểm nghiệm 8/2014

ME_mon6/2014

ME_mon8/2014

0.5

1
0.0

variable
MH
TKNT

−0.5

variable
MH
TKNT

0

−1.0

−1
36h

60h

84h

36h

60h

84h

Đối với tháng 6 và tháng 8/2016, các kết quả đầu ra của mơ hình WRF tại 3 hạn
Đối với tháng 6 và tháng 8/2016, các kết quả đầu ra của mơ hình WRF tại 3 hạn
dự báo đa phần cho kết quả thiên âm hơn so với quan trắc; ngược lại so với các
dự báo đa phần cho kết quả thiên âm hơn so với quan trắc; ngược lại so với các
kết quả mới thu được từ phương pháp mạng TKNT
kết quả mới thu được từ phương pháp mạng TKNT


Dự báo mưa bằng ANN
Tập luyện 6/2014

Tập kiểm nghiệm 8/2014

MAE_mon6/2014

MAE_mon8/2014
4

4

3

3
variable
MH
TKNT

2

variable
MH
TKNT

2

1

1

0

0
36h

60h

84h

36h

60h

84h

Đánh giá chỉ số MAE cho thấy, phương pháp mạng TKNT giảm thiểu đáng kể sai
Đánh giá chỉ số MAE cho thấy, phương pháp mạng TKNT giảm thiểu đáng kể sai
số giữa dự báo và quan trắc ở cả ba hạn dự báo 36h, 60h, và 84h.
số giữa dự báo và quan trắc ở cả ba hạn dự báo 36h, 60h, và 84h.


3. Một số thách thức
- Mạng lưới quan trắc KTTV hiện nay tại Việt Nam vẫn chưa đồng bộ và khơng
hồn tồn tự động và chưa đáp ứng được u cầu cách mạng 4.0.
- Hệ thống siêu máy tính để sử dụng trong tính tốn các bài tốn dự báo còn nhiều
hạn chế so với các nước tiên tiến.
- Biến đổi khí hậu là một thách thức trong việc ứng dụng TTNT phục vụ công tác
dự báo.

Số liệu

Thông tin

Intelligence

3. Một số thách thức
CCD camera
Soil moisture
Thiết
bị đo
sensor
độ ẩm đất

Water
Thiếtlevel
bị đo
meter
mức nước
Wire sensor

Geophone
Máy
dò âm thanh dưới đất
Trạm
quan cabin
trắc,
Instrumental
xử lý số liệu

Thiết bị đo
Rain
gauge
mưa

4. Kết luận và trao đổi
-

-

AI đã được ứng dụng trong dự báo cảnh báo thời tiết, thiên tai ở các
nước phát triển
AI chưa được đầu tư phát triển ở VN trong dự báo, cảnh báo KTTV. Với
sự phát triển của cơng nghệ tính tốn, big Data và thành quả nghiên
cứu AI của các nước phát triển, mở ra cơ hội lớn cho phát triển AI trong
lĩnh vực KTTV.
Trước những cơ hội rất lớn để phát triển AI trong lĩnh vực KTTV, cần
đầu tư phát triển về nguồn lực và các điều kiện khác, ngành KTTV cần
có định hướng và chiến lược phát triển công nghệ AI.
Viện KH KTTV và BĐKH bước đầu trong nghiên cứu AI: (1) Xây dựng
cơ sở dữ liệu số; (2) Ứng dụng mạng TKNT trong dự báo mưa và bão
trên Biển Đông; (3) khai thác, quản lý, hiệu chỉnh các dữ liệu lớn; (4)
Tăng cường đào tạo nguồn nhân lực.


ỨNG DỤNG AI DỰ BÁO MƯA LỚN

Dự báo thời tiết trên cơ sở phân loại các hình thế thời tiết, bộ bản đồ sy-nốp quá khứ, kết quả dự
báo số trị nhằm đưa ra được bản tin tốt hơn.


4. Kết luận và trao đổi
ỨNG DỤNG AI DỰ BÁO BÃO

Ứng dụng học máy (mạng thần kinh nhân tạo phù hợp) trên hệ thống HPC nhằm dự báo
quỹ đạo và cường độ bão trên Biển Đông trên cơ sở dữ liệu quan trắc, viễn thám, dữ liệu
quá khứ và kết quả dự báo từ các nguồn khác nhau nhằm đưa ra được kết quả dự báo bão
tốt nhất.


XIN CẢM ƠN!