Sử dụng sức mạnh của trí tuệ nhân tạo, một nhóm nghiên cứu đi sâu vào lĩnh vực quản lý đập, cách mạng hóa phương pháp tiếp cận nhằm tối ưu hóa hoạt động và dự đoán hành vi. Để đối phó với tác động ngày càng tăng của các thách thức khí hậu đối với các con đập của Hàn Quốc, việc sử dụng công nghệ học sâu mang tính đổi mới này không chỉ dự báo các mô hình mà còn tiết lộ những vấn đề phức tạp trong quá trình ra quyết định hướng dẫn các cấu trúc quan trọng này.

(Ảnh: Russ McElroy từ Pixabay)
Sử dụng AI để giám sát đập
Một nhóm nghiên cứu do Giáo sư Jonghun Kam và Eunmi Lee, một tiến sĩ đứng đầu. ứng viên đến từ Khoa Khoa học & Kỹ thuật Môi trường tại Đại học Khoa học và Công nghệ Pohang (POSTECH), gần đây đã tận dụng các kỹ thuật học sâu để phân tích mô hình vận hành đập và đánh giá hiệu quả của chúng, như được báo cáo trong Tech Xplore.
Vào tháng 8 năm 2020, một con đập gần sông Seomjin ở Hàn Quốc đã phải đối mặt với tình trạng tràn bờ và thiệt hại hơn 76 triệu USD do hạn hán kéo dài và lượng mưa dữ dội.
Sự cố này đã thúc đẩy nhóm nghiên cứu khám phá xem liệu việc quản lý đập dự đoán có thể ngăn chặn được những thảm họa như vậy hay không. Hàn Quốc phụ thuộc rất nhiều vào các con đập và cơ sở hạ tầng liên quan để quản lý nước, đặc biệt là trong mùa mưa cao điểm vào mùa hè.
Tuy nhiên, cuộc khủng hoảng khí hậu toàn cầu đã dẫn đến những hiện tượng thời tiết khó lường như bão và hạn hán, đặt ra thách thức cho hoạt động vận hành đập. Do đó, nhóm nghiên cứu đã bắt tay vào nghiên cứu nhằm nâng cao các mô hình vật lý thông thường bằng cách sử dụng mô hình AI được đào tạo trên dữ liệu lớn mở rộng.
Nhóm nghiên cứu đặt mục tiêu phát triển một mô hình AI có khả năng dự đoán mô hình vận hành của các con đập trong lưu vực sông Seomjin, đặc biệt là Đập sông Seomjin, Đập Juam và Đập Kiểm soát Juam. Ngoài ra, họ muốn hiểu quy trình ra quyết định của các mô hình AI đã được đào tạo.
Đơn vị định kỳ có kiểm soát
Bằng cách sử dụng mô hình Gated Recurrent Unit (GRU), một thuật toán học sâu, nhóm đã huấn luyện nó với dữ liệu kéo dài từ năm 2002 đến năm 2021 từ các con đập dọc sông Seomjin. Các biến đầu vào bao gồm dữ liệu về lượng mưa, dòng chảy vào và dòng chảy ra, trong khi mức đập theo giờ đóng vai trò là đầu ra.
Nhóm nghiên cứu tuyên bố rằng phân tích đã đạt được độ chính xác ấn tượng, với chỉ số hiệu quả vượt quá 0,9.
Sau đó, nhóm đã tạo ra các kịch bản để hiểu cách mô hình GRU đã đào tạo phản ứng với những thay đổi trong đầu vào, chẳng hạn như thay đổi -40%, -20%, +20% và 40% trong mỗi biến đầu vào. Nghiên cứu tiết lộ rằng trong khi những thay đổi về lượng mưa có tác động tối thiểu đến mực nước đập, thì những thay đổi về dòng chảy vào lại tác động đáng kể đến mực nước.
Điều thú vị là, sự thay đổi giống hệt nhau về dòng chảy ra dẫn đến mực nước khác nhau ở các con đập khác nhau, cho thấy mô hình GRU đã học được các sắc thái vận hành riêng biệt của mỗi con đập. Giáo sư Jonghun Kam giải thích rằng cuộc kiểm tra không chỉ dừng lại ở việc dự đoán mô hình vận hành đập mà còn đánh giá hiệu quả của chúng bằng cách sử dụng mô hình AI.
Nhóm đã giới thiệu một phương pháp để gián tiếp hiểu quá trình ra quyết định của các mô hình hộp đen dựa trên AI xác định mực nước đập.
Giáo sư Jonghun Kam cho biết trong một tuyên bố: “Mong muốn của chúng tôi là cái nhìn sâu sắc này sẽ góp phần hiểu biết sâu sắc hơn về hoạt động của đập và nâng cao hiệu quả của chúng trong tương lai”.
Những phát hiện của nghiên cứu đã được phát hành trên Tạp chí Thủy văn.

ⓒ 2023 TECHTIMES.com Mọi quyền được bảo lưu. Không sao chép mà không được phép.