Tổng quan nghiên cứu

Dự báo thời tiết và đặc biệt là dự báo mưa đóng vai trò sống còn trong việc bảo vệ sản xuất nông nghiệp, vận hành hồ chứa nước và giảm thiểu rủi ro thiên tai. Tuy nhiên, các hệ thống dự báo truyền thống thường phụ thuộc vào các trạm quan trắc mặt đất đơn lẻ, dẫn đến độ phủ thấp và sai số cục bộ lớn. Nghiên cứu này giải quyết bài toán cấp thiết trên bằng cách xây dựng giải pháp dự báo mưa thông minh, tích hợp đồng thời hai nguồn dữ liệu thời gian thực là OpenWeatherMap API và Sentinel Hub API.

Mục tiêu trọng tâm của đề tài là khai thác sức mạnh tổng hợp giữa dữ liệu khí tượng số trị và ảnh viễn thám vệ tinh, từ đó phát triển các mô hình học sâu có khả năng nhận diện mưa chính xác cao và cập nhật liên tục. Phạm vi không gian của nghiên cứu bao phủ 71 tỉnh, thành phố và khu vực trọng điểm tại Việt Nam, thu thập liên tục trong chu kỳ 20 ngày từ ngày 22/11/2023 đến ngày 12/12/2023. Tập dữ liệu số ban đầu ghi nhận tổng cộng 198.203 bản ghi thời tiết với 20 thuộc tính khí tượng chi tiết, trong đó ghi nhận 14.005 thời điểm có mưa và 184.198 thời điểm không mưa.

Ý nghĩa khoa học và thực tiễn của công trình thể hiện ở việc nâng cao độ chính xác dự báo lên trên 88,5%, giảm thiểu độ trễ xử lý dữ liệu vệ tinh xuống mức vài giây và hỗ trợ cảnh báo sớm hiện tượng mưa cực đoan trước từ 1 đến 3 giờ. Đây là nền tảng kỹ thuật quan trọng giúp tối ưu hóa chi phí vận hành cho các đô thị thông minh và hạn chế thiệt hại hàng tỷ đồng do ngập lụt mỗi năm.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên ba trụ cột lý thuyết chính: Lý thuyết dự báo thời tiết bằng phương pháp số, Lý thuyết phân tích chuỗi thời gian khí tượng học và Khung kiến trúc mạng nơ-ron học sâu. Trong đó, mô hình kết hợp trích xuất đặc trưng cục bộ thông qua Mạng nơ-ron tích chập 1 chiều (1D-CNN) và Perceptron đa tầng (MLP) được lựa chọn làm giải pháp cốt lõi cho dữ liệu số trị. Đối với dữ liệu không gian, kiến trúc mạng nơ-ron thị giác VGG16 gồm 16 tầng trọng số được áp dụng để xử lý ảnh vệ tinh đa quang phổ.

Các khái niệm trọng tâm xuyên suốt công trình bao gồm:

  • Mạng nơ-ron tích chập 1D: Cơ chế trượt các bộ lọc 1 chiều để nắm bắt tương quan giữa các biến khí tượng liên tục theo chuỗi.
  • Khối phần dư (Residual Block): Cơ chế kết nối tắt giúp luân chuyển gradient hiệu quả, ngăn ngừa hiện tượng triệt tiêu gradient khi mô hình học sâu gia tăng số tầng.
  • Mất cân bằng dữ liệu (Class Imbalance): Tình trạng chênh lệch lớn giữa các mẫu không mưa (chiếm khoảng 92,93%) và mẫu có mưa (chỉ chiếm 7,07%).
  • Kỹ thuật lấy mẫu hỗn hợp SMOTE-ENN: Sự kết hợp giữa thuật toán tạo mẫu thiểu số nhân tạo SMOTE và thuật toán làm sạch mẫu biên ENN để cân bằng dữ liệu.
  • Chuẩn hóa tầng (LayerNormalization): Phương pháp chuẩn hóa giá trị kích hoạt trong từng tầng nơ-ron nhằm ổn định tốc độ hội tụ của thuật toán tối ưu Adam.

Phương pháp nghiên cứu

Nguồn dữ liệu được trích xuất trực tiếp qua giao diện lập trình ứng dụng từ OpenWeatherMap (cung cấp 20 biến số khí tượng như nhiệt độ, áp suất, độ ẩm, hướng gió, tầm nhìn) và Sentinel Hub (cung cấp 76 ảnh viễn thám phân giải cao mỗi chu kỳ quét). Cỡ mẫu nghiên cứu ban đầu đạt 198.203 dòng dữ liệu số thu thập từ 71 tỉnh thành Việt Nam trong khung thời gian từ ngày 22/11/2023 đến ngày 12/12/2023.

Phương pháp chọn mẫu phân tầng ngẫu nhiên được áp dụng để chia dữ liệu thành 80% cho tập huấn luyện và 20% cho tập kiểm định độc lập. Nhằm xử lý 2 vấn đề lớn trong tập dữ liệu thô là giá trị khuyết thiếu và sự chênh lệch mẫu nghiêm trọng, nghiên cứu sử dụng kỹ thuật IterativeImputer để ước lượng giá trị thiếu theo phương pháp lặp đa biến, sau đó áp dụng StandardScaler để chuẩn hóa dữ liệu về phân phối chuẩn có kỳ vọng bằng 0 và phương sai bằng 1.

Tiếp đó, kỹ thuật SMOTE-ENN được áp dụng, mở rộng tập dữ liệu cân bằng lên 336.617 dòng (trong đó nhãn không mưa gồm 177.307 mẫu và nhãn có mưa gồm 159.310 mẫu). Lý do lựa chọn mô hình CNN-MLP và VGG16 là nhờ khả năng tự động học các biểu diễn phi tuyến phức tạp từ dữ liệu đa chiều mà các thuật toán học máy cổ điển không thể khái quát hóa trọn vẹn.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Thứ nhất, quá trình tiền xử lý bằng SMOTE-ENN đã giải quyết triệt để bài toán mất cân bằng dữ liệu, nâng số lượng mẫu mưa từ 14.005 mẫu ban đầu lên 159.310 mẫu trong tổng số 336.617 mẫu sau xử lý, giúp tăng độ nhạy nhận diện hiện tượng mưa thực tế lên hơn 32% so với khi huấn luyện trên tập dữ liệu thô.

Thứ hai, mô hình tích hợp CNN-MLP với 32 bộ lọc tích chập 1D kết hợp khối Residual Block và 5 tầng kết nối dày đặc (Dense layers từ 128, 256, 128, 64 đến 1 nơ-ron) đạt hiệu năng vượt trội với độ chính xác trên 88,5%, giảm sai số bình phương trung bình khoảng 24,7% khi so sánh với các mô hình Decision Tree và RNN truyền thống.

Thứ ba, mô hình VGG16 xử lý dữ liệu ảnh vệ tinh Sentinel Hub (đầu vào kích thước 224x224x3 pixel, tích hợp lớp Dropout 0,5 và tầng Dense phân loại nhị phân) đạt độ chính xác nhận diện vùng mưa trên 86,2%, thể hiện khả năng nhận diện hình thái mây đối lưu vượt trội hơn kiến trúc ResNet50 trong các điều kiện thời tiết phức tạp.

Thứ tư, việc tinh lọc 10 trường đặc trưng then chốt (nhiệt độ, nhiệt độ tối thiểu, nhiệt độ tối đa, độ ẩm, áp suất mặt đất, tầm nhìn, tốc độ gió, hướng gió, gió giật, độ phủ mây) giúp giảm 45% thời gian huấn luyện mô hình so với việc giữ lại toàn bộ 20 trường thuộc tính ban đầu mà không làm suy giảm độ chính xác tổng thể.

Thảo luận kết quả

Nguyên nhân chính giúp kiến trúc CNN-MLP đạt hiệu quả cao là nhờ sự phối hợp nhịp nhàng giữa tầng Conv1D trong việc trích xuất mối tương quan giữa các biến vật lý khí quyển và các tầng Dense trong việc tổng hợp thông tin phi tuyến. Việc bổ sung LayerNormalization và hàm kích hoạt ReLU đã kiểm soát hiện tượng bão hòa gradient, giúp thuật toán Adam tối ưu hóa hàm mất mát một cách ổn định.

So với các nghiên cứu trước đây vốn chỉ sử dụng hồi quy tuyến tính hoặc mạng nơ-ron truyền thống với độ chính xác dao động trong khoảng 72% đến 78%, phương pháp tiếp cận đa luồng này mang lại bước nhảy vọt về độ tin cậy. Dữ liệu thực nghiệm có thể được trình bày trực quan thông qua biểu đồ ma trận nhầm lẫn để minh chứng tỷ lệ phân loại chính xác giữa hai nhãn, kết hợp cùng đường cong ROC-AUC đạt mức trên 0,91 và bảng tổng hợp so sánh các chỉ số Accuracy, Precision, Recall, F1-Score giữa các kiến trúc CNN-MLP, LSTM, Decision Tree và VGG16.

Đề xuất và khuyến nghị

Thứ nhất, tích hợp hệ thống pipeline thu thập tự động từ OpenWeatherMap API và Sentinel Hub API vào các máy chủ dự báo khí tượng thời gian thực. Đội ngũ kỹ sư dữ liệu và chuyên viên khí tượng cần triển khai giải pháp này nhằm đạt mục tiêu giảm độ trễ cập nhật luồng dữ liệu xuống dưới 60 giây, thực hiện trong khung thời gian từ Quý I đến Quý II/2024.

Thứ hai, triển khai đóng gói mô hình học sâu CNN-MLP và VGG16 thành các dịch vụ microservices trên nền tảng điện toán đám mây có hỗ trợ tăng tốc GPU. Các doanh nghiệp công nghệ nông nghiệp thông minh và quản lý đô thị cần thực hiện giải pháp này để phục vụ đồng thời trên 500.000 truy vấn dự báo mỗi phút với độ sẵn sàng hệ thống đạt 99,9% trong vòng 6 tháng tiếp theo.

Thứ ba, mở rộng mạng lưới thu thập dữ liệu ảnh vệ tinh và trích xuất thông số khí tượng tại 100% các huyện đảo, vùng núi hiểm trở trên khắp 63 tỉnh thành Việt Nam. Bộ Tài nguyên và Môi trường cùng các Sở Khoa học và Công nghệ địa phương cần phối hợp thực hiện trong giai đoạn 2024 - 2025 nhằm tăng mật độ giám sát khí quyển thêm 40%.

Thứ tư, chuẩn hóa quy trình làm sạch và cân bằng dữ liệu khí tượng tự động bằng kỹ thuật SMOTE-ENN và IterativeImputer trước khi nạp vào các thuật toán AI. Nhóm nghiên cứu phát triển mô hình cần thiết lập bộ quy chuẩn này trong 3 tháng đầu triển khai dự án nhằm hạ tỷ lệ nhiễu cảm biến xuống dưới mức 2%.

Đối tượng nên tham khảo luận văn

Nhóm nghiên cứu và học viên sau đại học chuyên ngành Hệ thống Thông tin, Khoa học Máy tính và Khoa học Dữ liệu: Luận văn cung cấp toàn bộ kiến trúc chi tiết của mô hình lai CNN-MLP, kỹ thuật tinh chỉnh mạng VGG16 cho ảnh viễn thám và phương pháp giải quyết triệt để bài toán mất cân bằng dữ liệu lớn.

Chuyên gia khí tượng thủy văn và cán bộ quản lý tài nguyên nước: Tài liệu mang lại giải pháp công nghệ chi phí thấp thông qua tích hợp API mở, giúp thay thế hoặc bổ trợ hiệu quả cho các hệ thống radar thời tiết đắt đỏ trong việc dự báo nguy cơ ngập lụt cục bộ.

Kỹ sư phát triển phần mềm và doanh nghiệp khởi nghiệp Nông nghiệp công nghệ cao: Dễ dàng ứng dụng mã nguồn và pipeline xử lý dữ liệu để xây dựng tính năng tự động cảnh báo thời tiết trên ứng dụng di động cho hơn 10.000 hộ nông dân, hỗ trợ điều tiết lịch tưới tiêu chuẩn xác.

Cơ quan phòng chống thiên tai và tìm kiếm cứu nạn các cấp: Cung cấp tài liệu tham khảo thực chứng để xây dựng dashboard giám sát thời tiết thời gian thực cho 71 địa bàn trọng điểm, giúp kích hoạt các kịch bản sơ tán và ứng phó bão lũ trước từ 12 đến 24 giờ.

Câu hỏi thường gặp

Lợi ích của việc kết hợp dữ liệu số OpenWeatherMap và ảnh vệ tinh Sentinel Hub là gì? Việc tích hợp này mang lại cái nhìn đa chiều khi vừa khai thác được các chỉ số khí quyển định lượng như nhiệt độ, độ ẩm từ OpenWeatherMap, vừa nắm bắt được cấu trúc mây không gian từ ảnh viễn thám Sentinel Hub. Sự kết hợp này giúp mô hình nhận diện chính xác hình thái mưa cục bộ với độ tin cậy trên 88,5%.

Kỹ thuật SMOTE-ENN giải quyết hiện tượng mất cân bằng dữ liệu như thế nào? Thuật toán SMOTE tiến hành nội suy để tạo thêm các mẫu nhân tạo cho lớp thiểu số có mưa, trong khi thuật toán ENN loại bỏ các mẫu nhiễu nằm sát ranh giới quyết định. Kỹ thuật này đã cân bằng tập dữ liệu từ 14.005 mẫu mưa ban đầu lên 159.310 mẫu, cải thiện đáng kể độ nhạy phân loại.

Tại sao kiến trúc CNN-MLP lại vượt trội hơn các mô hình học máy truyền thống? Mô hình CNN-MLP tận dụng tầng Conv1D để tự động trích xuất các đặc trưng không gian cục bộ từ chuỗi dữ liệu khí tượng đa chiều mà không cần chọn lọc thủ công. Kết hợp với các tầng kết nối dày đặc, mô hình đạt độ chính xác cao hơn Decision Tree và RNN truyền thống khoảng 24,7%.

Mô hình VGG16 được tùy biến ra sao để xử lý ảnh vệ tinh thời tiết? Mạng VGG16 được giữ lại 13 tầng tích chập trích xuất đặc trưng sâu, sau đó kết nối với tầng làm phẳng có kích thước 25.088 chiều, một tầng Dense 256 nơ-ron, một tầng Dropout 0,5 chống quá khớp và tầng đầu ra Sigmoid. Cấu hình này giúp phân loại ảnh mây với độ chính xác đạt trên 86,2%.

Hệ thống dự báo này có thể triển khai thực tế trên diện rộng tại Việt Nam hay không? Hoàn toàn khả thi vì toàn bộ quy trình thu thập dữ liệu từ 71 tỉnh thành đều được tự động hóa qua API với chi phí vận hành tối ưu. Hệ thống được viết bằng ngôn ngữ Python, dễ dàng đóng gói thành các dịch vụ điện toán đám mây phục vụ hàng triệu người dùng theo thời gian thực.

Kết luận

  • Tích hợp thành công hai nguồn dữ liệu thời gian thực là OpenWeatherMap API và ảnh vệ tinh viễn thám Sentinel Hub API.
  • Thu thập và xử lý toàn diện 198.203 bản ghi khí tượng tại 71 tỉnh, thành phố của Việt Nam, mở rộng thành công lên 336.617 mẫu cân bằng bằng kỹ thuật SMOTE-ENN.
  • Thiết kế mô hình lai CNN-MLP với 32 bộ lọc Conv1D và Residual Block, đạt độ chính xác dự báo vượt trội trên 88,5%.
  • Tùy biến mạng VGG16 phân loại ảnh vệ tinh kích thước 224x224 pixel với độ chính xác đạt 86,2% nhờ lớp Dropout 0,5 chống quá khớp.
  • Xây dựng hoàn chỉnh pipeline tự động hóa từ trích xuất dữ liệu, tiền xử lý, huấn luyện đến đánh giá mô hình thời gian thực.

Đóng góp cốt lõi của công trình là cung cấp một giải pháp dự báo mưa thông minh, chi phí thấp và độ chính xác cao dựa trên công nghệ học sâu cho ngành khí tượng Việt Nam. Trong kế hoạch 12 tháng tới, nhóm nghiên cứu sẽ tiếp tục tích hợp thêm dữ liệu radar Doppler và mở rộng bài toán dự báo định lượng lượng mưa tức thời. Hãy tham khảo ngay toàn văn luận văn để ứng dụng những kỹ thuật AI tiên tiến này vào các dự án chuyển đổi số nông nghiệp và cảnh báo thiên tai của bạn.