Tải file PDF Tác giả
Đơn vị công tác
1 Đài Khí tượng Thủy văn khu vực Nam Bộ; ngnamduc@gmail.com; quyentccb@gmail.com; phamhoquoctuan@yahoo.com; nmg@kttvnb.vn
2 Đại học Khoa học Tự nhiên Thành phố Hồ Chí Minh, Đại học Quốc gia Việt Nam; tmtriet@hcmus.edu.vn
3 Văn phòng Tổng cục khí tượng thuỷ văn, Tổng cục Khí tượng Thuỷ văn; dungtranca5@gmail.com
*Tác giả liên hệ: ngnamduc@gmail.com; Tel.: +84–903788140
Tóm tắt
Nghiên cứu xử lý nhận dạng hình ảnh thu được từ hệ thống camera trên cơ sở các thuật toán trí tuệ nhân tạo (Aritificial Inteligence – AI) nhằm chuyển các trạm quan trắc mực nước thủ công thành các trạm quan trắc mực nước tự động. Đồng thời kết hợp công nghệ thông tin nhằm thu thập, kết nối dữ liệu quan trắc mực nước từ các trạm thủy văn để tăng cường số lượng và chất lượng dữ liệu cung cấp cho các mô hình dự báo thủy văn. Nghiên cứu này đáp ứng yêu cầu chuyển đổi số, tự động hóa các trạm quan trắc thủ công thành các trạm tự động trên cơ sở các công trình chuyên môn hiện có, đồng thời tiết kiệm được nguồn nhân lực tại các trạm khí tượng thủy văn; giải quyết bài toán thiếu hụt nhân sự, khó khăn trong việc tuyển dụng nhân lực cho các trạm theo vị trí việc làm.
Từ khóa
Trích dẫn bài báo
Tài liệu tham khảo
1. Chỉ thị 16/CT–TTg của Thủ tướng Chính phủ về thực hiện các biện pháp cấp bách phòng, chống dịch Covid–19.
2. Thúc, N.D. Trí tuệ nhân tạo – Lập trình tiến hóa. Nhà xuất bản Giáo dục, 1995.
3. Thủy, N.T. Trí tuệ nhân tạo – Các phương pháp giải quyết vấn đề và kỹ thuật xử lý tri thức. Nhà xuất bản Giáo dục, 1995.
4. Luger, G.F.; William, A. Stubblefield – Albuquerque – Artificial Intelligence. Wesley Publishing Company, Inc, 1997.
5. Toại, B.X.; Việt T.G. Trí tuệ nhân tạo – Các cấu trúc và chiến lược giải quyết vấn đề. Nhà xuất bản Thống kê, 2000 (Phần I và Phần II).
6. Geogre, F. Luger – Artificial Intelligence, Structures and Strategies for Complex Problem Solving– Addison – Wesley Publishing Company, Inc, 2002.
7. Tom, M. Mitchell – Machine Learning – McGraw Hill, Inc.
8. Phương, P.L. và cs. Nghiên cứu, xây dựng công cụ nhận dạng và số hóa các giản đồ tự ghi khí tượng thủy văn. Báo cáo tổng kết đề tài cấp Bộ. Mã số TNMT.2018.05.16, 2018.
9. Thái, T.H.; Khiêm, M.V.; Thủy, N.B.; Hà, B.M.; Ngọc, P.K. Xây dựng mô hình mạng nơ–ron hồi quy dự báo độ cao sóng có nghĩa tại trạm Cồn Cỏ, Quảng Trị, Việt Nam. Tạp chí Khí tượng Thủy văn 2022, EME4, 73–84.
10. Chinh, T.H.; Lâm, H.P.; Thăng, V.V.; Kiên, T.B. Thử nghiệm khả năng dự báo số ngày nắng nóng trên lãnh thổ Việt Nam bằng mạng thần kinh nhân tạo. Tạp chí Khí tượng Thủy văn 2022, 741, 98–105.
11. Thanh, N.C; Giang, N.T. Xây dựng mô hình máy học LSTM (Long Short Term Memory) phục vụ công tác dự báo mặn tại trạm đo mặn Đại Ngãi. Tạp chí Khí tượng Thủy văn 2022, 740(1), 98–104.
12. Quyền, L.N. và cs. Nghiên cứu, xây dựng và triển khai thử nghiệm hệ thống cảnh báo sớm ngập lụt đô thị dựa trên nền tảng trí tuệ nhân tạo tại Thành phố Hồ Chí Minh. Báo cáo tổng kết đề tài NCKH cấp Thành phố, 2022.
13. Le, Q.C.; Le, M.Q.; Tran, M.K.; Le, N.Q.; Tran, M.T. FL–Former: Flood Level Estimation with Vision Transformer for Images from Cameras in Urban Areas. LNCS 2023, 13833, 408–419.
14. Quyết định 749/QĐ–TTg ngày 03 tháng 6 năm 2020 của Thủ tướng Chính phủ phê duyệt “Chương trình Chuyển đổi số quốc gia đến năm 2025, định hướng đến năm 2030”.
15. http://vnmha.gov.vn/kttv-voi-san-xuat-va-doi-song-106/ung-dung-chuyen-doi-so-nang-tam-du-bao-canh-bao-khi-tuong-thuy-van-13999.html.
16. http://vnmha.gov.vn/chi-dao-dieu-hanh-103/tong-cuc-khi-tuong-thuy-van-daymanh-ung-dung-tri-tue-nhan-tao-trong-linh-vuc-khi-tuong-thuy-van-14112.html.
17. Quyết định số 1970/QĐ–TTg phê duyệt Chiến lược phát triển ngành khí tượng thủy văn đến năm 2030, tầm nhìn đến năm 2045.
18. Đài Khí tượng Thủy văn khu vực Nam Bộ. Báo cáo Tổng kết công tác năm 2022, 2022.
19. Tổng cục Khí tượng Thủy văn. Hội thảo “Ứng dụng trí tuệ nhân tạo trong lĩnh vực khí tượng thủy văn” tổ chức tại Tổng cục KTTV, ngày 22/9/2021.
20. Bonafilia, D.; Tellman, B.; Anderson, T.; Issenberg, E. Sen1floods11: a georeferenced dataset to train and test deep learning flood algorithms for sentinel–1. In: 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), 2020, pp. 835–845.