THÔNG TIN TÓM TẮT VỀ NHỮNG KẾT LUẬN MỚI CỦA LUẬN ÁN TIẾN SĨ
Tên đề tài luận án: “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”
Ngành: Kỹ thuật Trắc địa- Bản đồ
Mã số: 9.520503
Họ và tên nghiên cứu sinh: Bùi Duy Quỳnh
Khóa đào tạo: 2021 – 2024
Họ và tên cán bộ hướng dẫn:
1. PGS. TS Trần Xuân Trường
2. PGS. TS Lưu Thị Diệu Chinh
Tên cơ sở đào tạo: Trường Đại học Mỏ – Địa chất
TÓM TẮT NHỮNG KẾT LUẬN MỚI CỦA LUẬN ÁN
1. Các dữ liệu địa tin học kết hợp với các tham số đề xuất là dữ liệu đầu vào trong các mô hình dự báo xâm nhập mặn và được lựa chọn bằng phương pháp BMA giúp cho việc tối ưu cho mô hình dự báo, giúp cải thiện hiệu suất mô hình với hệ số xác định R² tăng từ 10% – 14%.
2. Các mô hình trí tuệ nhân tạo có khả năng dự báo xâm nhập mặn bề mặt nước khu vực giáp biển với độ chính xác cao. Các kết quả nghiên cứu đã chỉ ra rằng mô hình dự báo xâm nhập mặn như Bagging, RandomForest, PSO_Bagging, PSO_RandomForest có mức độ chính xác cao trong khoảng từ 75% đến 94% khi dự báo xâm nhập mặn tại ĐB SCL.
3. Mô hình kết hợp PSO_RandomForest là mô hình tốt nhất cho dự báo xâm nhập mặn khi áp dụng cho các loại ảnh viễn thám quang học và radar với hệ số xác định R² > 0.80. Qua đó có thể áp dụng mô hình này để dự báo xâm nhập mặn ở các khu vực khác có điều kiện địa hình, thủy văn và môi trường tương tự.
4. Áp dụng phương pháp trọng số bất cân bằng Iyengar-Sudarshan để đánh giá rủi ro do xâm nhập mặn là phù hợp với đặc thù của khu vực nghiên cứu và các nguồn dữ liệu thu thập được. Kết quả độ tin cậy của bản đồ rủi ro được thể hiện qua chỉ số Moran’s I = 0.776, giá trị z = 36.594, giá trị p < 0.01 (1%) cho thấy rủi ro thiên tai do xâm nhập mặn xảy ra tập trung (không xảy ra do ngẫu nhiên) và có sự tương quan mạnh về không gian.
