Đăng nhập để tải tài liệu không giới hạn
Tham gia 8.000+ người dùng Thư Viện Luận Án
Đang tải tài liệu...
NGHIÊN CỨU XÂY DỰNG MÔ HÌNH DỰ BÁO CHO ĐÁNH GIÁ RỦI RO DO XÂM NHẬP MẶN Ở ĐỒNG BẰNG SÔNG CỬU LONG BẰNG CÔNG NGHỆ ĐỊA TIN HỌC VÀ TRÍ TUỆ NHÂN TẠO
KỸ THUẬT TRẮC ĐỊA - BẢN ĐỒ
Luận án tập trung nghiên cứu xây dựng mô hình dự báo và đánh giá rủi ro do xâm nhập mặn (XNM) tại Đồng bằng sông Cửu Long (ĐBSCL) bằng cách tích hợp công nghệ địa tin học và trí tuệ nhân tạo. Biến đổi khí hậu và mực nước biển dâng đang gây ra thách thức lớn, dẫn đến XNM ở các vùng đất thấp. Các phương pháp dự báo XNM truyền thống thường dựa vào mô hình thủy lực/thủy văn với yêu cầu dữ liệu đầu vào lớn. Công nghệ địa tin học và trí tuệ nhân tạo được xem là hướng tiếp cận mới đầy tiềm năng để giải quyết vấn đề này, đặc biệt trong việc đánh giá rủi ro thiên tai (RRTT) do XNM.
Mục đích chính của nghiên cứu là phát triển một mô hình dự báo không gian XNM dòng chảy nước mặt để hỗ trợ đánh giá RRTT tại 6 tỉnh ven biển ĐBSCL (Tiền Giang, Hậu Giang, Vĩnh Long, Bến Tre, Trà Vinh và Sóc Trăng) trong giai đoạn mùa khô 2019-2020. Nội dung nghiên cứu bao gồm việc ứng dụng công nghệ địa tin học để thu thập dữ liệu đầu vào, phát triển các mô hình dự báo XNM dòng chảy nước mặt sử dụng trí tuệ nhân tạo, và đánh giá RRTT XNM dựa trên phương pháp trọng số bất cân bằng Iyengar-Sudarshan.
Luận án đã đạt được những điểm mới quan trọng: lựa chọn các dữ liệu địa tin học thích hợp và phát triển mô hình dự báo không gian XNM dòng chảy nước mặt dựa trên học máy theo mô hình thống kê Bayes (BMA); phát triển và thực nghiệm các mô hình học máy kết hợp (PSO_Bagging và PSO_RandomForest) để dự báo XNM không gian từ dữ liệu viễn thám đa nguồn; và đề xuất phương pháp trọng số bất cân bằng Iyengar-Sudarshan để xác định trọng số cho các tiêu chí đánh giá rủi ro XNM, giảm thiểu tính chủ quan.
Kết quả cho thấy, mô hình học máy kết hợp PSO_RandomForest mang lại độ chính xác cao nhất cho dự báo XNM từ ảnh viễn thám Landsat 8, Sentinel-1B và Sentinel-2, với hệ số xác định R² tăng từ 10% đến 14% khi sử dụng dữ liệu đề xuất. Phương pháp Iyengar-Sudarshan được chứng minh là phù hợp để đánh giá rủi ro XNM, với bản đồ rủi ro cho thấy sự tập trung và tương quan không gian mạnh mẽ của rủi ro thiên tai. Các kết quả này có ý nghĩa khoa học và thực tiễn, có thể ứng dụng trong giảng dạy, nghiên cứu và sản xuất.
Cấu trúc của luận án bao gồm các phần sau:
Tải không giới hạn tất cả tài liệu, không cần chờ. Chỉ từ 199.000đ/tháng.
Xem gói hội viên