| Mô hình dự báo mới sẽ có khả năng dự đoán tốt hơn những hiện tượng thời tiết cực đoan. (Nguồn: Tân Hoa xã) |
Có tên gọi ED-DLSTM, mô hình không dựa vào dữ liệu dòng chảy lịch sử như các mô hình dự báo khác, thay vào đó sử dụng các thuộc tính như độ cao và lượng mưa.
Trong một bài báo đăng trên Tạp chí The Innovation ngày 6/5, nhóm do các nhà nghiên cứu tại Viện Hàn lâm Khoa học Trung Quốc (CAS) dẫn đầu đã trình bày chi tiết những điểm vượt trội của mô hình ED-DLSTM so với các mô hình khác.
Ouyang Chaojun, tác giả và là giáo sư tại CAS, cho biết: “Chúng tôi đã áp dụng thử nghiệm mô hình trên một số khu vực sử dụng các lưu vực có dữ liệu giám sát lịch sử”. Ông giải thích điều này có thể đưa ra dự đoán dòng chảy trong các lưu vực thiếu hồ sơ dòng chảy.
Trong bài báo, các nhà nghiên cứu viết: “Mô hình đề xuất của chúng tôi đã đạt được hiệu suất tiên tiến trong các nhiệm vụ dự báo dòng chảy xuyên khu vực so với các mô hình học máy và mô hình thủy văn cổ điển khác. Dự báo dòng chảy và lũ lụt vẫn là một trong những thách thức lâu dài trong ngành thủy văn".
Các nhà nghiên cứu cho rằng điều này là do những hạn chế trong việc hiệu chỉnh các mô hình dự báo vật lý, đặc biệt là ở các lưu vực không có trạm đo - những khu vực tập trung mưa mà thiếu hồ sơ về dòng chảy cũng như nhu cầu sử dụng thông tin dòng chảy lịch sử cho các mô hình dựa trên dữ liệu.
CAS cho biết, hơn 95% các lưu vực vừa và nhỏ trên toàn thế giới thiếu hoặc có số liệu thủy văn hạn chế, gây khó khăn cho việc dự báo lượng mưa và lũ lụt.
"Nhiều mô hình dự báo yêu cầu dữ liệu lịch sử chất lượng, nêu bật những thách thức lớn trong việc phát triển các dự báo dòng chảy đáng tin cậy cho hàng nghìn lưu vực mà không cần truy cập các thông số vật lý hoặc dữ liệu lịch sử”, nhóm nghiên cứu chỉ rõ.
Đồng thời CAS cho rằng, việc phát triển các chiến lược dự báo lũ cấp quốc gia hoặc khu vực phải dựa vào dự đoán dòng chảy từ hàng nghìn lưu vực chưa có thông số vật lý cũng như hồ sơ lịch sử.
Để đạt được điều này, các nhà nghiên cứu đã đề xuất một mô hình chỉ sử dụng các yếu tố đầu vào khí tượng, như lượng mưa và nhiệt độ hay các thuộc tính đất tĩnh. Trong đó, các thuộc tính tĩnh như đặc điểm của đất có thể được lấy từ dữ liệu vệ tinh có sẵn trên toàn thế giới.
Các nhà nghiên cứu đã sử dụng dữ liệu giám sát lịch sử từ năm 2010 đến năm 2012 - bao gồm hơn 2.000 lưu vực ở Hoa Kỳ, Canada, Trung Âu và Anh - để kiểm tra tính chính xác của mô hình.
Nhóm nghiên cứu viết: “Lần đầu tiên, mô hình AI thủy văn cung cấp các phân tích so sánh ở quy mô toàn cầu. Trong mô hình này, các thuộc tính không gian và đặc điểm khí hậu theo chuỗi thời gian được xử lý riêng biệt, khác với các mô hình sử dụng chỉ số tổng hợp dẫn đến sai lệch dự đoán và mô phỏng lớn hơn. So với các mẫu mô hình khác, ED-DLSTM thể hiện khả năng dự đoán vượt trội”, nhà khoa học Ouyang phân tích.
(theo SCMP)