Các nhiệm vụ khác
liên kết website
Lượt truy cập
 Lượt truy cập :  13079543
  • Kết quả thực hiện nhiệm vụ

So sánh khả năng dự đoán độ mặn vùng cửa sông Mê Kông của các thuật toán học máy: Trường hợp nghiên cứu Cửa Đại Hàm Luông và Cổ Chiên

Trường đại học Thủ Dầu Một

UBND Tỉnh Bình Dương

Cơ sở

ThS. Phạm Ngọc Hoài

ThS. Phạm Ngọc Hoài (Chủ nhiệm nhiệm vụ), ThS. Trần Thành Thái (Thành viên chính), TS. Phạm Bảo Quốc (Thành viên chính), ThS. Phan Thị Thanh Huyền (Thư ký đề tài), CN. Lương Lê Lâm (Thành viên)

Khoa học tự nhiên

01/12/2021

01/10/2022

2022

Bình Dương

Mục Đích là đánh giá khả năng chính xác của các thuật toán học máy, bao gồm các thuật toán truyền thống (MLR, KNNR, RFR, và SVR) và thuật toán học sâu (ANN) trong dự báo mặn ở các cửa sông Mê Kông khi ở điều kiện hạn chế dữ liệu đầu vào. So sánh tính chính xác trong dự báo mặn khi ít dữ liệu đầu vào của các thuật toán học máy truyền thống và thuật toán học máy học sâu. So sánh tính chính xác trong dự báo mặn khi ít dữ liệu đầu vào của một số thuật toán học máy học sâu. Tìm ra thuật toán tối ưu cho dự báo mặn khi ít dữ liệu đầu vào. Tiếp cận từ các nguồn tài liệu, thông tin tạp chí khoa học trong và ngoài nước; Thu thập và đánh giá thông tin khoa học, nghiên cứu lý thuyết về lĩnh vực nghiên cứu; Thu thập, xử lý dữ liệu ->Phân tích, xử lý bằng các thuật toán học máy -> Dự báo. Đề tài đã ứng dụng thành công các thuật toán học máy vào dự báo mặn các cửa sông Mê Kông với độ chính xác cao. Ngoài ra, đề tài đã tìm ra thuật toán tối ưu khi dữ liệu đầu vào còn hạn chế. Các kết quả đã được xuất bản trong 5 bài báo quốc tế và quốc gia uy tín. Kết quả đề tài có tính ứng dụng để dự báo xâm nhập mặn vùng cửa sông Mê Kông trong điều kiện biến đổi khí hậu. Phục vụ công tác quản lý và sử dụng hợp lý nguồn tài nguyên nước ngọt vùng Đồng bằng sông Cửu Long, nhất là vào mùa khô. Dự báo thời gian thực dựa trên các số liệu từ các trạm quan trắc mặn ở cửa sông.

So sánh; Dự đoán; Mê Kông; Nghiên cứu: Cửa Đại

BDG-2022-065