Nghiệm thu cấp Cơ sở đề tài NCKH cấp Bộ mã số B2018-MDA-18ĐT do ThS Ngô Thị Phương Thảo làm chủ nhiệm

14/01/2020

Trường Đại học Mỏ - Địa chất tổ chức Hội đồng nghiệm thu cấp Cơ sở đề tài KH&CN cấp Bộ  "Nghiên cứu xây dựng mô hình cảnh báo và phân vùng nguy cơ lũ quét trên cơ sở tích hợp trí tuệ nhân tạo, dữ liệu và công nghệ địa tin học, áp dụng thử nghiệm cho khu vực tỉnh Lào Cai" mã số B2018-MDA-18ĐT do ThS Ngô Thị Phương Thảo làm chủ nhiệm

Mã số: B2018-MDA-18ĐT

Thời gian thực hiện: 2018-2019

Chủ nhiệm đề tài: ThS Ngô Thị Phương Thảo

Cơ quan chủ trì: Trường Đại học Mỏ - Địa chất

Thời gian nghiệm thu: 9h00' ngày 17 tháng 01 năm 2020 (Thứ Sáu)

Địa điểm: Phòng họp Khoa Khoa học và Kỹ thuật Địa chất, Tầng 4, nhà C 12 tầng, Trường Đại học Mỏ - Địa chất, Phường Đức Thắng - Quận Bắc Từ Liêm - TP Hà Nội

Trân trọng kính mời các đại biểu và nhà khoa học quan tâm tới dự.

THÔNG TIN KẾT QUẢ NGHIÊN CỨU ĐỀ TÀI

Mục tiêu

Xây dựng mô hình cảnh báo và phân vùng nguy cơ lũ quét có độ chính xác cao trên cơ sở ảnh Radar Sentinel-1, kỹ thuật GIS và địa thống kê, và mô hình trí tuệ nhân tạo mới. Thực nghiệm áp dụng cho khu vực thuộc tỉnh Lào Cai (Việt Nam).

Tính mới và sáng tạo

Nghiên cứu phát triển thuật toán và mô hình mới: cho việc phát hiện và chiết xuất hiện trạng lũ quét từ tư liệu ảnh viễn thám Sentinel-1 đa thời gian.

Nghiên cứu ứng dụng các thuật toán  trí tuệ nhân tạo, kỹ thuật khai phá dữ liệu, tối ưu hóa phục vụ xây dựng các mô hình dự báo và phân vùng lũ quét. Các mô hình này chưa được xem xét nghiên cứu ứng dụng tại Việt Nam.

Phương pháp đánh giá độ chính xác mô hình, thông qua các chỉ số thống kê: đường cong ROC, khu vực dưới đường cong AUC, hệ số Kappa, TP, TN, FP, FN. Phương pháp đánh giá độ chính xác này lần đầu tiên được nghiên cứu ứng dụng cho lũ quét tại Việt Nam.

Kết quả nghiên cứu

- Đã đưa ra được phương pháp luận để thành lập bản đồ hiện trạng lũ quét cho vùng nghiên cứu sử dụng ảnh SAR Sentinel-1A.

- Mô hình 1: Mô hình FA-LM-ANN là sự lai ghép giữa thuật toán FA (Firely Algorthm), kỹ thuật truyền ngược Levenberg-Marquardt (LM) và mô hình mạng trí tuệ nhân tạo cho dự báo vị trí có nguy cơ lũ quét.

Mô hình 2: Mô hình PSO-ELM là sự kết hợp giữa mô hình ELM tối ưu bằng thuật toán PSO cho dự báo vị trí có nguy cơ lũ quét

Mô hình 3: : Mô hình FURIA-GA-Bagging được tích hợp hệ thống dựa trên quy tắc luật mờ FURIA-GA kết hợp với ba phương pháp tập hợp, LogitBoost, Bagging và AdaBoost cho dự báo vị trí  có nguy cơ lũ quét.

Sản phẩm của đề tài

- Sản phẩm khoa học:

+  02 bài báo đăng trên tạp chí quốc tế uy tín ISI

+ 01 bài báo đăng tạp chí Trường Đại học Mỏ địa chất

+ 01 bài báo đã gửi tạp chí Trường Đại học Mỏ địa chất đang phản biện

- Sản phẩm đào tạo:

+ Bảo vệ thành công 01 luận văn đúng hướng nghiên cứu đề tài

+ Nội dung đề tài góp phần hoàn thiện luân án Tiến sỹ của chính chủ nhiệm đề tài.

- Sản phẩm ứng dụng

+ Mô hình dự báo lũ quét khu vực tỉnh Lào Cai: 03 mô hình với độ chính xác cao.

+ Bản đồ phân vùng và dự báo lũ quét khu vực tỉnh Lào Cai

+ Bộ cơ sở dữ liệu GIS cho khu vực tỉnh Lào Cai.

- Sản phẩm khác:+ Quy trình công nghệ xử lý ảnh viễn thám cho thành lập bản đồ hiện trạng lũ quét.

+ Báo cáo tổng kết đề tài

Phương thức chuyển giao, địa chỉ ứng dụng, tác động và lợi ích mang lại của kết quả nghiên cứu

Sản phẩm bản đồ phân vùng và dự báo lũ quét độ chính xác cao hoàn toàn có thể ứng dụng phục vụ cho việc lập kế hoạch sử dụng đất, thiết kế quy hoạch và giảm thiểu thiên tai. Ngoài ra, sản phẩm nghiên cứu là nền cơ sở để phát triển thêm các hệ thống cảnh báo sớm, cũng như đánh giá tổn hại tiềm năng cho các vùng có nguy cơ ảnh hưởng do lũ quét. Mô hình dự báo mới được phát triển có thể sử dụng hướng dẫn sinh viên làm đồ án tốt nghiệp, thạc sỹ, nghiên cứu sinh, góp phần nâng cao chất lượng đào tạo./.

KHCN

Các bài viết khác