Mô hình trí tuệ nhân tạo có thể dự báo lũ lụt cho mọi con sông trên Trái đất

Một lối đi bộ bên bờ sông Dương Tử ở Nam Kinh, tỉnh Giang Tô, Trung Quốc bị nước lũ nhấn chìm ngày 19/7/2020. Ảnh: AFP/TTXVN

Theo tờ Bưu điện Hoa Nam Buổi sáng, mô hình này có tên là ED-DLSTM, hoạt động mà không cần dựa vào dữ liệu dòng chảy trước đây như các mô hình dự báo khác, chỉ sử dụng các thông tin về độ cao và lượng mưa.

Trong một bài viết đăng trên tạp chí “The Innovation” mới đây, nhóm nhà nghiên cứu tại Viện Hàn lâm Khoa học Trung Quốc (CAS) đã trình bày chi tiết về ưu điểm vượt trội của mô hình mới này.

Ông Ouyang Chaojun, Giáo sư tại CAS, cho biết: “Chúng tôi đã đào tạo trước mô hình này trên quy mô châu lục bằng cách sử dụng các lưu vực có dữ liệu giám sát”. Theo ông Chaojun, mô hình mới có thể dự đoán dòng chảy trong các lưu vực dù không có dữ liệu dòng chảy.

Trong bài viết, các nhà nghiên cứu đánh giá: “So với các mô hình học máy và mô hình thủy văn thông thường khác, mô hình của chúng tôi đã đạt hiệu quả vượt trội khi thực hiện các nhiệm vụ dự báo dòng chảy xuyên khu vực. Dự báo dòng chảy và lũ lụt vẫn là một trong những thách thức lâu dài trong ngành thủy văn”.

Theo các nhà nghiên cứu, thách thức này đều do những hạn chế trong điều chỉnh các mô hình dự báo vật lý, đặc biệt là ở các lưu vực không có trạm đo. Ngoài ra, các mô hình thông thường đều cần dữ liệu về dòng chảy mà không phải lúc nào cũng có.

Trong một tuyên bố, CAS cho biết hơn 95% các lưu vực vừa và nhỏ trên toàn thế giới thiếu hoặc có ít số liệu thủy văn, gây khó khăn cho những mô hình nào cần thông tin này để dự báo lượng mưa chảy tràn và lũ lụt.

Nhiều mô hình dự báo yêu cầu dữ liệu có chất lượng, cho thấy thách thức to lớn trong dự đoán dòng chảy một cách đáng tin cậy cho hàng nghìn lưu vực mà không có các thông số vật lý hoặc dữ liệu.

Gần đây, các mô hình cũng chỉ tập trung dự báo cho một khu vực nhất định và sử dụng dữ liệu địa phương, không đưa ra đánh giá chung về dự đoán dòng chảy trên quy mô toàn cầu.

Trong bối cảnh đó, phát triển các chiến lược dự báo lũ cấp quốc gia hoặc khu vực phải dựa vào dự đoán dòng chảy ở hàng nghìn lưu vực vốn chưa có dữ liệu.

Để làm được điều này, các nhà nghiên cứu nói trên đã đề xuất một mô hình chỉ sử dụng các yếu tố đầu vào, như lượng mưa và nhiệt độ, cũng như các dữ liệu liên quan đất. Các dữ liệu này có thể được lấy từ dữ liệu vệ tinh có sẵn trên toàn thế giới.

Để kiểm tra tính chính xác của mô hình mới so với một số mô hình khác, các nhà nghiên cứu đã lấy dữ liệu từ năm 2010 đến năm 2012, trong đó có dữ liệu về hơn 2.000 lưu vực ở Mỹ, Canada, Trung Âu và Anh. Các khu vực cấp lục địa này có các kiểu luồng không khí, nhiệt độ, độ ẩm đất và lượng mưa khác nhau mà nhóm nghiên cứu đánh giá là đủ đa dạng để xác minh mô hình mới.

Sau khi kiểm tra, nhóm nghiên cứu cho biết: “Lần đầu tiên, chúng tôi đã đào tạo nhiều mô hình AI thủy văn và cung cấp cho các mô hình này những phân tích so sánh trên quy mô toàn cầu”.

Trong mô hình mới, họ xử lý riêng các đặc điểm không gian và đặc điểm khí hậu, không dùng chỉ số tổng hợp như các mô hình khác vì dẫn tới sai số lớn. So với các mô hình khác, mô hình ED-DLSTM thể hiện khả năng dự đoán vượt trội.

ED-DLSTM dự báo chính xác nhất ở các lưu vực có lượng mưa lớn hơn hoặc nhiều dòng chảy hơn. Mô hình được áp dụng hiệu quả nhất ở Mỹ.

Thùy Dương/Báo Tin tức