Tác giả

Phạm Thanh Long 1* , Lê Văn Phận 2 , Nguyễn Phương Đông 1 , Lê Hồng Dương 3 , Trần Tuấn Hoàng 1

Đơn vị công tác

1 Phân viện KH Khí tượng Thuỷ văn và Biến đổi khí hậu; longpham.sihymete@gmail.com; hoangkttv@gmail.com; nguyenphuongdongkttv@gmail.com 

2 ĐH Nông Lâm TPHCM; lvphan@hcmuaf.edu.vn 

3 Cục Bảo vệ Môi trường miền Nam; hongduong.tcmt@gmail.com

*Tác giả liên hệ: longpham.sihymete@gmail.com; Tel: +84–905779777

Tóm tắt

Các nước tiên tiến sử dụng AI trong dự báo thời tiết rất phổ biến và ngày càng chính xác hơn. Trong những năm gần đây hệ thống dữ liệu quan trắc cập nhật theo thời gian thực của các đài khí tượng thủy văn đã phát triển rất mạnh mẽ, nguồn dữ liệu lớn và liên tục, đây là thuận lợi rất lớn khi triển khai nghiên cứu về các AI trong dự báo mưa điểm thử nghiệm tại TP. Hồ Chí Minh. Các yếu tố nhiệt độ không khí, độ ẩm không khí, tốc độ gió, khí áp tại điểm quan trắc là dữ liệu đầu vào cho hệ thống dự báo mưa AI. Dựa trên cơ sở các trạm quan trắc thời tiết theo thời gian thực, công nghệ xử lý phần mềm AI trên máy tính rất nhanh, quá trình học dữ liệu và dự báo kết quả mới rất nhanh và thuận lợi. Nghiên cứu đã tiến hành thử nghiệm và dự báo với độ chính xác khá cao. Kết quả dự báo thời điểm trước khi có mưa và kết quả dự báo thời điểm có mưa tại 03 trạm thuduc, quan2, quan9 cho thấy kết quả dự báo chính xác cao nhất với hệ số tương quan lần lượt là 0,93, 0,78 và 0,7.

Từ khóa

: Dự báo mưa AI; Dữ liệu lớn; Khoa học dữ liệu; Trí tuệ nhân tạo

Trích dẫn bài báo

Long, P.T.; Phận, L.V.; Đông, N.P.; Dương, L.H.; Hoàng, T.T. Nghiên cứu công nghệ dự báo mưa AI thí điểm tại TP. Hồ Chí Minh. Tạp chí Khí tượng Thủy văn 2021, 733, 86-97. 

Tài liệu tham khảo

1. https://techcrunch.com/2020/09/01/googles-ai-powered-flood-alerts-now-cover-all-of-india-and-parts-of-bangladesh/ [Accessed: 10 Oct 2021].
2. Loi. N. K, H.T.; Duong, T.Q.; Nguyen, L.D.; Vo, T.Q.N.; Tran, N.T.; Dang, P.D.N.; Nguyen, L.D.; Dang, C.K.; Nguyen, L.K. Development of a Spatial Decision Support System for Real-Time Flood Early Warning in the Vu Gia-Thu Bon River Basin, Quang Nam Province, Vietnam. Sensors 2020, 20(6), 1667. https://doi.org/10.3390/s20061667.
3. Keoduangsine, S.; Robert, R.; Gardner-Stephen, P. A Review of Flood Warning Systems in Developed and Developing Countries. Commission International Journal of Future Computer and Communication, 2014.
4. Flood early warning system. Design, implementation and computational modules - International Conference on Computational Science, ICCS, 2011.
5. Hashi, A.O.; Abdirahman, A.A.; Elmi, M.A.; Hashi, S.Z.M.; Rodriguez, O.E.R. A Real-Time Flood Detection System Based on Machine Learning Algorithms with Emphasis on Deep Learning. Int. J. Eng. Trends Technol. 2021, 69(5), 249–256.
6. Phân Viện Khí tượng Thủy văn và Biến đổi khí hậu. Nghiên cứu xây dựng cơ sở dữ liệu các đặc trưng khí tượng thủy văn phục vụ phòng chống ngập úng khu vực TP. HCM, 2008.
7. Phân viện Khí tượng Thủy văn và Biến đổi khí hậu. Xây dựng, cập nhật kế hoạch hành động ứng phó với BĐKH giai đoạn 2021-2030, tầm nhìn đến 2050 trên địa bàn TPHCM. Dự án Sở TNMT TP.HCM, 2020.
8. https://www.rxdatascience.com/blog/machine-learning-for-pharma-using-random-forest.
9. Sejnowski, T.J.; Tài, H.H. Deep Learning - Cuộc Cách Mạng Học Sâu. NXB Công Thương, 2018.
10. Chollet, F. Deep Learning with Python, Public: Manning Publications, 2017.

11. https://medium.com/machine-learning-researcher/random-forest-algorithm-in-machine-learning-b15906b33157.

12. Thúc, N.Đ. Trí Tuệ Nhân Tạo Mạng Nơron - Phương Pháp Và Ứng Dụng. NXB Giáo Dục, 2002.
13. Keoduangsine, S.; Robert Goodwin, R. An Appropriate Flood Warning System in the Context of Developing Countries. Int. J. Innovation Manage. Technol. 2012, 3(3), 213–2016.
14. Flood Early Warning System Using Cognitive Artificial Intelligence. The Design of AWLR Sensor, 2018 International Conference on Information Technology Systems and Innovation (ICITSI), Bandung, Indonesia, 2019.
15. Mohd Sabre, M.S.; Abdullah, S.S.; Amrul Faruq, A. Flood Warning and Monitoring System Utilizing Internet of Things Technology. Kinetik Game Technology Information System Computer Network Computing Electronics and Control, 2019.
16. Rodríguez, S.O.; Wang, L.P.; Thraves, L.; Johnston, A.; Onof, C. Surface water flood https://www.nature.com/articles/s41598-019-56452-5/Short-term rainfall forecast model based on the improved BP–NN algorithm.
17. Mather, B. Machine Learning in Python: Hands on Machine Learning with Python Tools, Concepts and Techniques. Russell Newton, 2020.
18. Building an Intelligent Hydroinformatics Integration Platform for Regional Flood Inundation Warning Systems. Online available: https://www.mdpi.com/2073-4441/11/1/9/htm.
19. warnings in England: overview, assessment and recommendations based on survey responses and workshops. J. Flood Risk Mange. 2015, 11, S211–S221. https://doi.org/10.1111/jfr3.12195.
20. al Makhfi Indar, J. An intelligent Moroccan flood prediction and early warning system. Software Project, 2019.
21. Gastn, C.H. Building RESTful Python Web Services. Packt Publishing Ltd., 2016.