Tổng quan nghiên cứu

Theo thống kê của các tổ chức hàng không quốc tế, khoảng 25% đến 35% các vụ tai nạn và sự cố an toàn bay có nguyên nhân trực tiếp hoặc gián tiếp xuất phát từ các hiện tượng thời tiết nguy hiểm như mưa dông, bão, gió giật, trần mây thấp dưới 200 mét hay sương mù hạn chế tầm nhìn. Tại Việt Nam vào đầu thập niên 2000, quy trình cung cấp thông tin khí tượng cho tổ lái và kiểm soát viên không lưu còn mang tính thủ công, phụ thuộc vào đường truyền fax hoặc điện thoại với độ trễ từ 15 đến 30 phút, gây khó khăn cho việc xử lý kịp thời các diễn biến thời tiết đột biến.

Luận văn thạc sĩ chuyên ngành Công nghệ Thông tin của tác giả Phạm Văn Bắc tại Trường Đại học Bách khoa – Đại học Quốc gia TP. Hồ Chí Minh đã tập trung giải quyết nút thắt này thông qua đề tài "Xây dựng hệ hỗ trợ ra quyết định hỗ trợ dự báo viên khí tượng hàng không". Mục tiêu trọng tâm của nghiên cứu là thiết lập một hệ hỗ trợ ra quyết định (Decision Support System - DSS) toàn diện, bao gồm hệ thống thông tin thực thi tự động cập nhật cơ sở dữ liệu thời tiết và phần mềm AnnForMet ứng dụng mạng neural nhân tạo (Artificial Neural Network - ANN) để mô hình hóa các quy luật thời tiết phức tạp.

Nghiên cứu được triển khai thử nghiệm thực tế tại Trung tâm Khí tượng sân bay Quốc tế Tân Sơn Nhất và sân bay Quốc tế Nội Bài trong giai đoạn 2003 – 2004. Hệ thống đã giúp tự động hóa 100% quy trình tiếp nhận dữ liệu khí tượng, rút ngắn trên 80% thời gian tra cứu và cung cấp công cụ dự báo số hóa hiệu quả, góp phần nâng cao tính chính xác và an toàn cho hàng chục ngàn chuyến bay mỗi năm.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên sự giao thoa giữa 3 trụ cột lý thuyết chính: Lý thuyết Vật lý Khí quyển và Phân tích Synop, Lý thuyết Hệ hỗ trợ Ra quyết định (DSS), và Lý thuyết Mạng Neural Nhân tạo (ANN).

Trong lĩnh vực khí quyển, nghiên cứu vận dụng các quy luật nhiệt - động lực học trong tầng đối lưu (Troposphere) có bề dày dao động từ 8 km ở vùng cực đến 18 km ở vùng xích đạo. Đây là nơi chứa khoảng 75% đến 90% khối lượng khí quyển, 90% lượng hơi nước và có nhiệt độ giảm trung bình 0,65°C trên mỗi 100 mét độ cao. Phương pháp dự báo số trị giải hệ 6 phương trình vi phân trạng thái khí quyển kết hợp định luật Newton thứ hai để tính toán trường nhiệt, độ ẩm và gió.

Khung kiến trúc hệ hỗ trợ ra quyết định DSS bao gồm 4 phân hệ cốt lõi: phân hệ quản lý dữ liệu tự động, phân hệ quản lý mô hình tính toán, phân hệ tri thức và phân hệ giao tiếp người - máy.

Mô hình mạng neural nhân tạo ANN sử dụng cấu trúc mạng nhiều tầng truyền thẳng (Multilayer Perceptron) huấn luyện bằng giải thuật lan truyền ngược (Backpropagation). Thuật toán này tối ưu hóa ma trận trọng số thông qua đạo hàm hàm lỗi sai số toàn phương trung bình, giúp mô hình hóa chính xác mối quan hệ phi tuyến giữa các yếu tố khí tượng đầu vào và hiện tượng thời tiết đầu ra.

Các khái niệm chuyên ngành then chốt bao gồm: Khí áp tiêu chuẩn QNE (1013,25 hPa trong điều kiện khí quyển tiêu chuẩn ISA tại nhiệt độ 15°C); Khí áp mực trạm QFE dùng cho hạ cánh; Khí áp quy đổi mực biển QNH (tuân theo bậc khí áp 8 mét biến thiên 1 hPa); mây vũ tích CB có đỉnh phát triển từ 11 km lên tới 18 km; và dải hội tụ nhiệt đới ITCZ khống chế gió mùa Tây Nam.

Phương pháp nghiên cứu

Nguồn dữ liệu nghiên cứu được thu thập tự động từ mạng viễn thông cố định hàng không toàn cầu AFTN và trạm thu vệ tinh SADIS. Dữ liệu bao gồm các bản tin quan trắc thời gian thực METAR, bản tin đặc biệt SPECI, bản tin dự báo sân bay TAF, cảnh báo thời tiết nguy hiểm SIGMET và WARNING, cùng các tệp dữ liệu số lưới nhị phân GRIB trên các mực đẳng áp chuẩn từ 1000 hPa đến 500 hPa và ảnh radar thời tiết.

Cỡ mẫu nghiên cứu bao gồm hơn 1.200 ca hình thế thời tiết điển hình được chọn lọc có chủ đích trong giai đoạn từ năm 2001 đến năm 2003 tại sân bay Quốc tế Tân Sơn Nhất và sân bay Quốc tế Nội Bài. Phương pháp chọn mẫu có chủ đích tập trung vào các hiện tượng thời tiết nguy hiểm đặc thù: hiện tượng mưa phùn và mù sương vào mùa đông xuân tại miền Bắc (do áp cao lạnh lục địa lệch biển biến tính) và dông nhiệt, mưa rào đối lưu mạnh vào mùa hè tại miền Nam.

Phương pháp phân tích kết hợp giữa lập trình hệ thống bằng ngôn ngữ C và PHP trên nền tảng máy chủ Apache HTTP Server để bóc tách cấu trúc điện văn tự động, cùng với mô hình huấn luyện mạng ANN. Lý do lựa chọn mạng ANN thay vì logic mờ thuần túy là nhờ khả năng tự thích nghi và trích xuất quy luật từ dữ liệu lớn đa chiều mà không phụ thuộc vào các giả định phân phối toán học tuyến tính hay quy tắc kinh nghiệm chủ quan.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Thứ nhất, hệ thống thông tin thực thi đã tự động hóa 100% quy trình thu thập, giải mã và lưu trữ dữ liệu khí tượng từ mạng AFTN và vệ tinh SADIS. Thời gian xử lý từ khi nhận điện văn đến khi hiển thị trực quan trên giao diện người dùng giảm mạnh từ 15 phút xuống dưới 3 giây.

Thứ hai, phần mềm AnnForMet ứng dụng mạng neural lan truyền ngược đã dự báo thành công các ca thời tiết dông, mưa rào tại sân bay Tân Sơn Nhất với độ chính xác đạt trên 85% đối với các đợt hoạt động mạnh của dải hội tụ nhiệt đới ITCZ và áp thấp Ấn - Miến trong các tháng 5 đến tháng 10.

Thứ ba, tại sân bay Nội Bài, mô hình mạng neural dự báo hiện tượng mưa phùn và mù ướt (khi tầm nhìn giảm xuống dưới 2.000 mét và độ ẩm vượt 85%) đạt tỷ lệ khớp đúng khoảng 82% đối với các trường hợp chịu tác động của áp cao lạnh lục địa lệch biển biến tính trong giai đoạn tháng 1 đến tháng 3.

Thứ tư, thuật toán tối ưu hóa bước học epsilon trong khoảng 0,1 đến 0,5 kết hợp trọng số quán tính momentum đã giúp đường cong hàm lỗi hội tụ nhanh chóng, giảm hơn 60% số vòng lặp huấn luyện (dưới 5.000 chu kỳ lặp) và triệt tiêu hoàn toàn nguy cơ rơi vào điểm cực tiểu cục bộ so với các mô hình mạng nơ-ron truyền thống.

Thảo luận kết quả

Khả năng nhận dạng chính xác của phần mềm AnnForMet bắt nguồn từ việc mô hình tích hợp đồng thời trường áp suất, trường gió và độ ẩm trên nhiều mực đẳng áp từ 1000 hPa đến 500 hPa, phản ánh chân thực cấu trúc ba chiều của hoàn lưu khí quyển.

So với công trình nghiên cứu của Marco Verdecchia (1997) tại Ý chỉ áp dụng mạng Elman Recurrent 148 nút nhập trên duy nhất mực 500 hPa để tính độ cao địa thế vị, AnnForMet có cấu trúc tinh gọn hơn với 12 đến 24 biến đầu vào nhưng giải quyết trực tiếp bài toán dự báo hiện tượng thời tiết mặt đất tại từng tọa độ sân bay cụ thể.

Đồng thời, so với cách tiếp cận bằng logic mờ của Jim Murtha (1995) tại Canada vốn chỉ đưa ra xác suất sương mù tĩnh, AnnForMet cho phép theo dõi xu thế biến đổi động và cường độ của hiện tượng thời tiết theo thời gian thực. Toàn bộ tiến trình hội tụ sai số và tương quan giữa các biến khí tượng được phần mềm trực quan hóa qua biểu đồ sai số trung bình bình phương (MSE) và các bảng ma trận nhầm lẫn, giúp dự báo viên dễ dàng so sánh kết quả định lượng giữa các lần thử nghiệm.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu và thực tiễn vận hành hệ thống, 4 nhóm giải pháp chiến lược được đề xuất như sau:

  1. Nâng cấp hạ tầng thu nhận và tích hợp cảm biến khí tượng: Cục Hàng không Việt Nam và Tổng công ty Quản lý bay cần lắp đặt bổ sung hệ thống cảnh báo gió đứt tầng thấp LLWAS và radar Doppler thế hệ mới tại 100% các sân bay cấp 4E. Mục tiêu nâng tần suất cập nhật dữ liệu quan trắc lên 1 phút/lần thay vì chu kỳ 30 phút của bản tin METAR hiện hành, hoàn thành trong giai đoạn 2004 – 2006.

  2. Mở rộng và tối ưu hóa mô hình mạng neural: Trung tâm Dự báo Khí tượng Hàng không phối hợp cùng các viện nghiên cứu phát triển thêm các biến thể mạng nơ-ron tích hợp giải thuật di truyền nhằm nâng độ chính xác dự báo dông lốc trước 2 giờ từ 85% lên trên 92%, triển khai thử nghiệm trên 12 sân bay nội địa trong vòng 18 tháng.

  3. Xây dựng cổng thông tin thời tiết dùng chung trên nền tảng Web: Đơn vị kỹ thuật công nghệ thông tin cần hoàn thiện hệ thống máy chủ cơ sở dữ liệu phân tán có khả năng phục vụ đồng thời trên 500 phiên truy cập của tổ lái, kiểm soát viên không lưu và nhân viên điều độ với thời gian phản hồi dưới 1 giây, thực hiện trong lộ trình 12 tháng.

  4. Chuẩn hóa chương trình đào tạo nghiệp vụ dự báo viên: Các cơ sở đào tạo chuyên ngành hàng không cần đưa nội dung khai thác hệ hỗ trợ ra quyết định DSS và phần mềm AnnForMet vào giáo trình bồi dưỡng định kỳ 6 tháng/lần cho 100% nhân sự khí tượng, nhằm kết hợp hài hòa giữa kinh nghiệm lâm sàng của chuyên gia và sức mạnh phân tích của trí tuệ nhân tạo.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang lại giá trị học thuật và thực tiễn sâu sắc cho 4 nhóm đối tượng chính:

  1. Dự báo viên khí tượng hàng không: Nắm bắt phương pháp kết hợp giữa bản đồ synop truyền thống và công cụ suy diễn mạng neural AnnForMet, giúp nâng cao năng lực chẩn đoán hiện tượng trần mây thấp dưới 300 mét và gió giật tại khu vực tiếp cận hạ cánh.

  2. Kỹ sư công nghệ thông tin và chuyên gia trí tuệ nhân tạo: Tiếp cận mô hình kiến trúc hoàn chỉnh của một hệ hỗ trợ ra quyết định (DSS), phương pháp giải mã chuỗi bản tin AFTN/SADIS bằng ngôn ngữ C/PHP và kỹ thuật tối ưu hóa mạng nơ-ron lan truyền ngược trên bộ dữ liệu phi tuyến hơn 1.000 tham số.

  3. Kiểm soát viên không lưu và cán bộ điều hành bay: Tận dụng cơ chế truy xuất thông tin khí tượng tự động qua Web Server để rút ngắn thời gian cảnh báo thời tiết nguy hiểm cho máy bay, hỗ trợ điều chỉnh đường bay tránh các khối mây CB trong bán kính 50 km quanh sân bay.

  4. Học viên cao học và giảng viên chuyên ngành Khí tượng / CNTT: Sử dụng luận văn như một tài liệu tham khảo chuẩn mực về ứng dụng tin học hóa trong khoa học trái đất, giải quyết bài toán liên ngành giữa vật lý khí quyển, động lực học chất lưu và khoa học máy tính.

Câu hỏi thường gặp

Tại sao mạng neural nhân tạo (ANN) lại ưu việt hơn phương pháp synop truyền thống trong dự báo thời tiết?
Phương pháp synop truyền thống phụ thuộc lớn vào đánh giá định tính và kinh nghiệm chủ quan của con người khi xử lý các hình thế phức tạp. Mạng ANN sử dụng giải thuật lan truyền ngược tự động học các quy luật phi tuyến từ dữ liệu quan trắc lịch sử, mang lại kết quả định lượng khách quan với sai số bình phương tối thiểu tiệm cận mức 0,01.

Hệ thống thông tin thực thi trong luận văn xử lý những loại dữ liệu khí tượng nào?
Hệ thống tự động bóc tách 100% các định dạng điện văn tiêu chuẩn quốc tế từ mạng viễn thông AFTN gồm METAR, SPECI, TAF, SIGMET, WARNING; ảnh vệ tinh SADIS; ảnh radar thời tiết; và dữ liệu số lưới nhị phân GRIB trên các mực áp suất chuẩn từ 1000 hPa đến 500 hPa.

Phần mềm AnnForMet dự báo hiện tượng dông mưa tại sân bay Tân Sơn Nhất dựa trên cơ chế nào?
Phần mềm tiếp nhận các thông số đầu vào gồm nhiệt độ, điểm sương, áp suất QNH, hướng và tốc độ gió cùng đặc trưng hoàn lưu của dải hội tụ nhiệt đới ITCZ. Qua mạng nơ-ron đa tầng, AnnForMet nhận dạng nhanh các tổ chức mây vũ tích CB và đưa ra cảnh báo dông rào trước 1 đến 3 giờ với độ chính xác trên 85%.

Nghiên cứu đã khắc phục hiện tượng kẹt cực tiểu cục bộ trong huấn luyện mạng neural như thế nào?
Tác giả đã áp dụng hàm kích hoạt Sigmoid chuẩn hóa, kết hợp hiệu chỉnh bước học epsilon linh hoạt từ 0,1 đến 0,5 và bổ sung tham số quán tính. Cải tiến này giúp tốc độ hội tụ của thuật toán tăng gấp 2 lần và giảm số chu kỳ huấn luyện xuống dưới 5.000 bước lặp.

Khả năng nhân rộng hệ thống DSS sang các sân bay khác tại Việt Nam có thuận lợi gì?
Hệ thống được thiết kế theo cấu trúc module hóa độc lập trên nền máy chủ Apache HTTP Server và cơ sở dữ liệu quan hệ, cho phép cài đặt phân tán qua mạng WAN hoặc đường truyền điện thoại với chi phí thấp, dễ dàng chuyển giao tới hơn 20 sân bay địa phương trên toàn quốc.

Kết luận

  • Xây dựng thành công hệ hỗ trợ ra quyết định DSS tự động hóa 100% quy trình thu thập, xử lý và lưu trữ dữ liệu khí tượng hàng không từ mạng viễn thông AFTN và vệ tinh SADIS.
  • Phát triển phần mềm AnnForMet ứng dụng mạng neural lan truyền ngược, đạt độ chính xác trên 85% trong dự báo thời tiết nguy hiểm tại sân bay Tân Sơn Nhất và trên 82% tại sân bay Nội Bài.
  • Tối ưu hóa thời gian trích xuất và hiển thị dữ liệu thời tiết trực quan trên nền tảng Web từ 15 phút xuống dưới 3 giây, phục vụ đa người dùng đồng thời.
  • Xây dựng cơ sở dữ liệu học máy chuẩn hóa gồm hơn 1.200 ca hình thế thời tiết đặc thù phục vụ công tác nghiên cứu chuyên sâu và hỗ trợ tác nghiệp thực tế.
  • Khẳng định tính hiệu quả vượt trội của việc ứng dụng công nghệ thông tin và trí tuệ nhân tạo vào việc hiện đại hóa công tác khí tượng, bảo đảm an toàn bay tại Việt Nam.

Trong lộ trình 24 tháng tới, hệ thống cần được tích hợp thêm các nguồn dữ liệu viễn thám không gian và thử nghiệm diện rộng trên toàn bộ các cảng hàng không thuộc 3 miền Bắc, Trung, Nam. Quý độc giả, nghiên cứu sinh và các đơn vị quản lý bay quan tâm có thể tra cứu toàn văn luận văn tại thư viện Đại học Bách khoa TP. Hồ Chí Minh để ứng dụng mô hình công nghệ tiên tiến này vào thực tiễn quản trị và nghiên cứu khoa học.