Mô hình tự động đánh giá và hỗ trợ cảnh báo tác động của tải trọng ngoài đến sạt lở bờ sông ở đồng bằng sông cửu long

Nghiên cứu mô hình AI cảnh báo sạt lở bờ sông ĐBSCL do tác động tải trọng ngoài. Giải pháp IoT giúp dự đoán và phòng ngừa sạt lở hiệu quả, bảo vệ cộng đồng.

Trường đại học

Trường Đại học Cần Thơ

Người đăng

Ẩn danh

Thể loại

Luận án tiến sĩ

2024

197
5
0

Phí lưu trữ

45 Point

Mục lục chi tiết

MỞ ĐẦU

LỜI CẢM ƠN

CHẤP THUẬN CỦA HỘI ĐỒNG

LỜI CAM ĐOAN

1. CHƯƠNG 1: GIỚI THIỆU

1.1. Lý do chọn đề tài

1.2. Mục tiêu nghiên cứu

1.2.1. Mục tiêu tổng quát

1.2.2. Mục tiêu cụ thể

1.3. Đối tượng nghiên cứu

1.4. Vấn đề nghiên cứu

1.5. Phạm vi nghiên cứu

1.6. Nội dung nghiên cứu

1.7. Phương pháp nghiên cứu

1.7.1. Phương pháp phân tích và tổng hợp tài liệu

1.7.2. Phương pháp khoan khảo sát địa chất, thống kê và địa thống kê

1.7.3. Phương pháp xử lý số liệu

1.7.4. Phương pháp số

1.7.5. Phương pháp thực nghiệm

1.7.6. Phương pháp mô hình máy học

1.8. Ý nghĩa của đề tài

1.8.1. Ý nghĩa khoa học

1.8.2. Ý nghĩa thực tiễn

1.9. Tính mới của đề tài

1.10. Cấu trúc của luận án

2. CHƯƠNG 2: TỔNG QUAN VỀ CƠ CHẾ SẠT LỞ BỜ, ỨNG DỤNG TỰ ĐỘNG HÓA VÀ IOT TRONG CẢNH BÁO SẠT LỞ

2.1. Tổng quan về sự sạt lở sông, rạch trên nền địa chất mềm yếu của ĐBSCL

2.1.1. Những nguyên nhân gây xói mòn, sạt lở bờ sông

2.1.2. Các cơ chế xói mòn, sạt lở bờ sông

2.2. Hiện trạng sạt lở

2.3. Các phương pháp đánh giá và cảnh báo sạt lở

2.3.1. Các phương pháp giám sát và cảnh báo

2.3.2. Ngưỡng cảnh báo

2.4. Xu hướng ứng dụng tự động hóa và IoT trong việc đánh giá và cảnh báo sạt lở

2.4.1. Tình hình nghiên cứu ứng dụng hệ thống IOT trong việc đánh giá và cảnh báo sạt lở ở Việt Nam

2.4.2. Tình hình nghiên cứu ứng dụng hệ thống IOT trong việc đánh giá và cảnh báo sạt lở trên thế giới

2.5. Ứng dụng máy học trong cảnh báo sớm sạt lở đất

2.5.1. Những nghiên cứu tiền đề về các hành vi cơ học của đất

2.5.2. Ứng dụng máy học trong nghiên cứu sạt lở đất

2.6. Tóm tắt tổng quan và vấn đề còn tồn tại

2.7. Kết luận chương 2

3. CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU

3.1. Mô hình sạt lở bờ sông

3.1.1. Khảo sát địa chất

3.1.2. Xây dựng mô hình bằng phương pháp phần tử hữu hạn

3.1.3. Bài toán mô phỏng xác định sức chịu tải cực hạn ( Qult )

3.1.4. Nghiên cứu mối quan hệ của tải trọng ngoài với ứng suất ngang và ứng suất cắt trong đất ven bờ

3.2. Hệ thống quan trắc và chuẩn hóa thiết bị

3.2.1. Thiết kế hệ thống cảm biến

3.2.2. Hiệu chuẩn cảm biến áp lực đất trong phòng thí nghiệm

3.2.3. Hiệu chuẩn trong thiết bị hiệu chuẩn cảm biến áp lực đất cỡ lớn

3.3. Đo đạc thực địa và mô hình dự báo

3.3.1. Đo đạc thực địa

3.3.2. Ứng dụng kỹ thuật máy học để xây dựng mô hình dự đoán sạt lở đất bờ sông

3.4. Kết luận chương 3

4. CHƯƠNG 4: KẾT QUẢ VÀ THẢO LUẬN

4.1. Kết quả mô phỏng mô hình sạt lở bờ sông

4.1.1. Kết quả mô hình mô phỏng để xác định sức chịu tải cực hạn ( Qult ) và khảo sát hệ số an toàn của đất ven bờ dưới tác động của tải ngoài

4.1.2. Kết quả nghiên cứu mối quan hệ của tải trọng ngoài với ứng suất ngang và ứng suất cắt trong đất ven bờ. Xác định ngưỡng cảnh báo

4.2. Kết quả thiết kế hệ thống quan trắc và chuẩn hóa thiết bị

4.2.1. Kết quả thiết kế hệ thống quan trắc

4.2.2. Kết quả hiệu chuẩn cảm biến áp lực đất trong phòng thí nghiệm

4.2.3. Kết quả hiệu chuẩn cảm biến áp lực đất trong thiết bị hiệu chuẩn cỡ lớn

4.3. Kết quả đo đạc thực địa và mô hình dự đoán

4.3.1. Lọc nhiễu tín hiệu cảm biến

4.3.2. Kết quả đo đạc thực địa

4.3.3. Đánh giá mô hình đo đạc

4.3.4. Mô hình dự đoán

4.3.5. Ngưỡng cảnh báo

4.4. Kết luận chương 4

5. CHƯƠNG 5: KẾT LUẬN VÀ ĐỀ XUẤT

5.1. Những tồn tại và hướng phát triển

5.1.1. Những tồn tại

5.1.2. Hướng phát triển

TÀI LIỆU THAM KHẢO

DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ

Phụ lục 1: Địa chất khu vực nghiên cứu

Phụ lục 2: Ứng suất tại vị trí cách mép đường 1m, mực nước -1

Phụ lục 3: Thủy văn khu vực nghiên cứu

Tóm tắt

I. Tổng Quan Mô Hình AI Cảnh Báo Sạt Lở Bờ Sông ĐBSCL

Đồng bằng sông Cửu Long (ĐBSCL) đang phải đối mặt với tình trạng sạt lở bờ sông ngày càng nghiêm trọng, gây thiệt hại lớn về người và tài sản. Nguyên nhân chính bao gồm tác động của biến đổi khí hậu, nước biển dâng, và các hoạt động xây dựng cơ sở hạ tầng ven sông. Việc phát triển một hệ thống cảnh báo sớm hiệu quả là vô cùng cấp thiết. Nghiên cứu này tập trung vào việc xây dựng mô hình AI dựa trên nền tảng Internet of Things (IoT) để giám sát và dự báo nguy cơ sạt lở tại khu vực này. Mục tiêu là cung cấp thông tin kịp thời cho các nhà quản lý và người dân, giúp giảm thiểu rủi ro và thiệt hại do sạt lở gây ra. Hệ thống này sử dụng dữ liệu từ các cảm biến IoT để theo dõi sự thay đổi của nền đất ven sông.

1.1. Tầm quan trọng của cảnh báo sớm sạt lở bờ sông

Việc cảnh báo sớm sạt lở bờ sông là yếu tố then chốt để giảm thiểu thiệt hại. Hệ thống cảnh báo cần phải chính xác, tin cậy và kịp thời. Các nghiên cứu trước đây chưa đánh giá đầy đủ áp lực ngang trong khối trượt dưới tác dụng của tải trọng ngoài và chuyển vị ngang. Do đó, nghiên cứu này tập trung vào thiết kế và triển khai hệ thống đo đạc dựa trên IoT để theo dõi sự dịch chuyển của khối đất ven sông dưới tác dụng của tải trọng.

1.2. Ứng dụng IoT trong giám sát sạt lở ở ĐBSCL

Ứng dụng IoT cho phép thu thập dữ liệu cảm biến theo thời gian thực, cung cấp thông tin chi tiết về tình trạng nền đất. Các cảm biến đo độ nghiêng, độ ẩm và áp lực đất được sử dụng để theo dõi các thông số cơ học của đất. Dữ liệu này được truyền về trung tâm xử lý để phân tích và đưa ra cảnh báo. Công nghệ IoT giúp giảm thiểu chi phí và tăng cường khả năng giám sát trên diện rộng.

II. Phân Tích Nguyên Nhân Sạt Lở Bờ Sông ở ĐBSCL

Sạt lở bờ sông tại Đồng bằng sông Cửu Long diễn ra do nhiều nguyên nhân phức tạp, bao gồm cả tự nhiên và nhân tạo. Các yếu tố tự nhiên như biến đổi khí hậu, thay đổi dòng chảy, và địa chất yếu của nền đất đóng vai trò quan trọng. Bên cạnh đó, hoạt động xây dựng, khai thác cát, và thay đổi sử dụng đất ven sông cũng góp phần làm gia tăng nguy cơ sạt lở. Theo nghiên cứu của Đặng Trâm Anh (2024), mật độ cơ sở hạ tầng và đường giao thông dọc bờ sông ngày càng tăng có tác động đến sự thay đổi ứng suất cực hạn và chuyển vị ngang của nền đất ven bờ sông, yếu tố này được xem là tác nhân kích hoạt.

2.1. Tác động của biến đổi khí hậu và nước biển dâng

Biến đổi khí hậunước biển dâng làm gia tăng tình trạng xói mòn và sạt lở bờ sông. Sự thay đổi về lượng mưa và mực nước sông khiến nền đất ven sông trở nên yếu hơn, dễ bị phá hủy bởi tác động của dòng chảy. Nghiên cứu cần tập trung vào đánh giá mức độ ảnh hưởng của các yếu tố này để đưa ra dự báo chính xác hơn.

2.2. Ảnh hưởng của hoạt động khai thác cát và xây dựng

Hoạt động khai thác cát và xây dựng ven sông làm thay đổi cấu trúc nền đất và dòng chảy, gia tăng nguy cơ sạt lở. Việc quản lý và kiểm soát các hoạt động này là vô cùng quan trọng. Các nghiên cứu cần đánh giá tác động của từng hoạt động cụ thể để đưa ra các biện pháp phòng ngừa hiệu quả.

III. Cách Xây Dựng Mô Hình AI Cảnh Báo Sạt Lở Dựa Trên IoT

Việc xây dựng mô hình AI cảnh báo sạt lở dựa trên IoT đòi hỏi sự kết hợp giữa công nghệ cảm biến, truyền thông, và học máy. Hệ thống bao gồm các cảm biến đo đạc các thông số quan trọng của đất, mạng lưới truyền dữ liệu, và thuật toán AI để phân tích và dự báo nguy cơ sạt lở. Các thuật toán học máy, đặc biệt là LSTM (Long Short-Term Memory), được sử dụng để xử lý dữ liệu chuỗi thời gian và dự đoán sự thay đổi của nền đất ven sông. Mô hình cần được huấn luyện và kiểm tra bằng dữ liệu thực tế để đảm bảo độ chính xác cao. Theo nghiên cứu, độ chính xác của ngưỡng phát hiện và phân loại của hệ thống được đo bằng cách sử dụng điểm F1 trung bình thu được từ các giá trị độ chính xác và thu hồi.

3.1. Lựa chọn và tích hợp các cảm biến IoT phù hợp

Việc lựa chọn các cảm biến IoT phù hợp là yếu tố then chốt để đảm bảo chất lượng dữ liệu. Các cảm biến cần có độ chính xác cao, độ bền tốt, và khả năng hoạt động ổn định trong môi trường khắc nghiệt. Các loại cảm biến thường được sử dụng bao gồm cảm biến độ ẩm, cảm biến áp lực đất, và cảm biến độ nghiêng.

3.2. Ứng dụng thuật toán học máy LSTM để dự báo sạt lở

Thuật toán LSTM là một lựa chọn phù hợp để xử lý dữ liệu chuỗi thời gian và dự đoán sạt lở. LSTM có khả năng ghi nhớ các thông tin quan trọng trong quá khứ và sử dụng chúng để dự đoán tương lai. Việc huấn luyện mô hình LSTM đòi hỏi một lượng lớn dữ liệu chất lượng cao.

3.3. Xây dựng hệ thống thu thập và xử lý dữ liệu thời gian thực

Hệ thống thu thập và xử lý dữ liệu cần đảm bảo khả năng hoạt động liên tục và ổn định. Dữ liệu từ các cảm biến IoT cần được truyền về trung tâm xử lý một cách nhanh chóng và an toàn. Các thuật toán xử lý dữ liệu cần được tối ưu hóa để giảm thiểu thời gian chờ và đảm bảo tính kịp thời của cảnh báo.

IV. Đánh Giá Hiệu Quả Mô Hình AI Cảnh Báo Sạt Lở Dựa Trên IoT

Để đánh giá hiệu quả của mô hình AI cảnh báo sạt lở dựa trên IoT, cần thực hiện các thử nghiệm và so sánh với các phương pháp truyền thống. Các chỉ số đánh giá bao gồm độ chính xác của cảnh báo, thời gian phản hồi, và khả năng giảm thiểu thiệt hại. Kết quả nghiên cứu cần được công bố và chia sẻ với cộng đồng để lan tỏa các giải pháp hiệu quả. Việc ứng dụng thành công nghiên cứu có thể giúp xác định các sự kiện bất thường dẫn đến trượt lở bờ sông do tải trọng, từ đó tạo điều kiện phát triển hệ thống thông tin đáng tin cậy cung cấp cho các nhà quản lý khả năng đề xuất giải pháp kịp thời nhằm bảo vệ tính mạng, tài sản của người dân và cơ sở hạ tầng.

4.1. Độ chính xác và tin cậy của hệ thống cảnh báo

Độ chính xác và tin cậy là các yếu tố quan trọng nhất để đánh giá hiệu quả của hệ thống cảnh báo. Hệ thống cần có khả năng phát hiện chính xác các dấu hiệu sạt lở và đưa ra cảnh báo kịp thời. Các thử nghiệm cần được thực hiện trong các điều kiện khác nhau để đánh giá tính ổn định của hệ thống.

4.2. Khả năng giảm thiểu thiệt hại do sạt lở

Khả năng giảm thiểu thiệt hại là mục tiêu cuối cùng của hệ thống cảnh báo. Hệ thống cần giúp các nhà quản lý và người dân có đủ thời gian để chuẩn bị và ứng phó với nguy cơ sạt lở. Việc đánh giá khả năng giảm thiểu thiệt hại đòi hỏi sự phối hợp giữa các nhà khoa học, nhà quản lý, và cộng đồng.

4.3. So sánh với các phương pháp cảnh báo truyền thống

Việc so sánh với các phương pháp cảnh báo truyền thống giúp đánh giá ưu điểm và nhược điểm của mô hình AI. Các phương pháp truyền thống thường dựa trên kinh nghiệm và quan sát trực quan, trong khi mô hình AI sử dụng dữ liệu và thuật toán để đưa ra dự báo. So sánh giúp xác định các lĩnh vực mà mô hình AI có thể cải thiện hiệu quả cảnh báo.

V. Hướng Dẫn Triển Khai Hệ Thống Cảnh Báo Sạt Lở Thực Tế

Triển khai hệ thống cảnh báo sạt lở thực tế đòi hỏi sự hợp tác giữa các nhà khoa học, nhà quản lý, và cộng đồng. Quá trình triển khai bao gồm việc lắp đặt các cảm biến IoT, xây dựng trung tâm xử lý dữ liệu, và đào tạo người sử dụng. Hệ thống cần được kiểm tra và bảo trì định kỳ để đảm bảo hoạt động ổn định. Các kết quả dự đoán tối ưu được thu thập từ cửa sổ quan sát trong 4 phút 30 giây để dự đoán tương lai khoảng 2 giờ. Việc ứng dụng thành công nghiên cứu này có thể giúp xác định các sự kiện bất thường dẫn đến trượt lở bờ sông do tải trọng.

5.1. Lựa chọn vị trí lắp đặt cảm biến IoT

Việc lựa chọn vị trí lắp đặt cảm biến IoT cần dựa trên các yếu tố địa chất, địa hình, và lịch sử sạt lở của khu vực. Các vị trí có nguy cơ sạt lở cao cần được ưu tiên lắp đặt cảm biến. Số lượng cảm biến cần thiết phụ thuộc vào diện tích khu vực và mức độ rủi ro.

5.2. Đào tạo người sử dụng và cộng đồng

Đào tạo người sử dụng và cộng đồng là yếu tố quan trọng để đảm bảo hiệu quả của hệ thống cảnh báo. Người sử dụng cần được hướng dẫn về cách đọc và hiểu thông tin cảnh báo, cũng như các biện pháp ứng phó khi có sạt lở. Cộng đồng cần được nâng cao nhận thức về nguy cơ sạt lở và cách phòng tránh.

VI. Tương Lai Phát Triển Mô Hình AI Cảnh Báo Sạt Lở Bền Vững

Tương lai của mô hình AI cảnh báo sạt lở nằm ở việc phát triển các hệ thống bền vững, có khả năng thích ứng với các thay đổi của môi trường và xã hội. Các nghiên cứu cần tập trung vào việc tích hợp các nguồn dữ liệu khác nhau, cải thiện độ chính xác của dự báo, và giảm thiểu chi phí vận hành. Việc chia sẻ dữ liệu và hợp tác giữa các nhà khoa học, nhà quản lý, và cộng đồng là yếu tố then chốt để đạt được mục tiêu này.

6.1. Tích hợp dữ liệu từ nhiều nguồn khác nhau

Việc tích hợp dữ liệu từ nhiều nguồn khác nhau, bao gồm dữ liệu thời tiết, dữ liệu địa chất, và dữ liệu xã hội, giúp cải thiện độ chính xác của dự báo. Các nguồn dữ liệu này cần được xử lý và phân tích một cách hiệu quả để tạo ra thông tin hữu ích.

6.2. Nâng cao khả năng dự báo và thích ứng

Hệ thống cảnh báo cần có khả năng dự báo chính xác các sự kiện sạt lở và thích ứng với các thay đổi của môi trường. Các thuật toán AI cần được cải tiến liên tục để nâng cao khả năng dự báo và giảm thiểu sai sót.

13/05/2025
Mô hình tự động đánh giá và hỗ trợ cảnh báo tác động của tải trọng ngoài đến sạt lở bờ sông ở đồng bằng sông cửu long

Trích đoạn nội dung tài liệu

Chương 1 GIỚI THIỆU 1.1 Lý do chọn đề tài Sạt lở đất là một trong những thảm họa thiên nhiên phổ biến trên thế giới, gây ra thiệt hại lớn về môi trường, tài sản, kinh tế và con người [1, 2]. Đồng bằng sông Cửu Long (ĐBSCL) là một trong ba đồng bằng châu thổ lớn nhất thế giới [3], được hình thành từ hơn 6.000 năm trước do sự bồi lắng của phù sa từ sông Mekong và dòng bùn cát ven biển. Là một đồng bằng non trẻ, ĐBSCL có cấu trúc nền địa chất yếu, rất dễ bị tổn thương vì vậy bất kỳ một sự tác động từ tự nhiên hay con người đều gây ảnh hưởng lớn đến nền đất nơi đây [4, 5]. Hiện tượng sạt lở bờ sông và xói lở bờ biển đang diễn ra nghiêm trọng tại ĐBSCL, lan rộng và phức tạp hơn theo thời gian.TS Trần Đình Hòa: “vấn đề sạt lở đất trên hệ thống sông, kênh và bờ biển ở ĐBSCL là xu thế không thể đảo ngược”.

Trong 10 năm qua, hiện tượng này ngày càng tăng không chỉ về số lượng mà còn cả về mức độ thiệt hại. Theo dữ liệu thống kê của Ban chỉ đạo quốc gia về phòng chống thiên tai - Việt Nam, đến tháng 9 năm 2023, đã có 558 địa điểm sạt lở bờ sông trong khu vực, dẫn đến tổng chiều dài bờ sông bị ảnh hưởng và mất mát lên đến hơn 740 km. Trong số đó có 81 điểm sạt lở nguy hiểm và 137 điểm sạt lở có nguy cơ cao, gây thiệt hại cho hơn 200 căn nhà, tài sản của cư dân và hạ tầng trị giá hàng nghìn tỷ đồng (VND). Chỉ tính riêng thành phố Cần Thơ, là 1 trong 13 tỉnh thành ở khu vực ĐBSCL, trong 9 tháng đầu năm 2023 đã có hơn 30 vụ sạt lở diễn ra nhấn chìm hoàn toàn, làm sụp đổ một phần và hư hỏng nhiều căn nhà.976 mét chiều dài bờ sông bị ảnh hưởng và sạt lở [6].

Sạt lở đất gây ra hậu quả nghiêm trọng đối với môi trường và đời sống người dân. Mất đất, xâm nhập mặn, hư hỏng hoặc phá hủy cơ sở hạ tầng như đường giao thông, hệ thống thoát nước, các cơ sở dân sinh khác, cùng với nguy cơ mất mát về tính mạng và tài sản là những tác động trực tiếp của sạt lở đất ở ĐBSCL. Tình trạng này ảnh hưởng nặng nề đến sản xuất và đời sống của người dân trong khu vực. Tại cuộc họp vào ngày 12/08/2023, Thủ tướng Phạm Minh Chính đã bày tỏ quan ngại về tình hình sạt lở ở ĐBSCL và kêu gọi các nhà khoa học đóng góp ý kiến gợi ý các nhà quản lý để giải quyết vấn đề này.

Thủ tướng nhấn mạnh: “Nhiệm vụ bảo đảm tính mạng, tài sản của nhân dân và các công trình của Nhà nước, bảo đảm sinh kế của nhân dân phải thuận thiên, phát triển nhưng phải bền vững là những vấn đề lớn đặt ra cho vùng ĐBSCL”. Bên cạnh, tại hội thảo về đánh giá tình hình thiên tai khu vực Tây Nguyên, ĐBSCL và lãnh thổ Việt Nam do Viện Hàn Lâm Khoa học và Công Nghệ Việt Nam, Bộ Khoa học và Công Nghệ tổ chức tại Hà Nội ngày 29/08/2023, GS. Trần Đình Hoà nhấn mạnh cần có các giải pháp và công nghệ mới trong phòng chống sạt lở nhằm chủ động dự báo, cảnh báo, thích ứng với vấn đề sạt lở trên hệ thống sông, kênh và bảo vệ các khu vực bờ biển trọng yếu để quản lý và kiểm soát rủi ro thiên tai. Cũng 1 tại hội thảo này, Thứ trưởng Bộ Khoa Học và Công Nghệ Nguyễn Hoàng Giang đã đồng tình với ý kiến của các nhà khoa học là : ”Tai biến địa chất ngày càng trầm trọng và phức tạp, ảnh hưởng lớn đến kinh tế và an sinh xã hội, Vì vậy, cần có các nghiên cứu chuyên sâu, toàn diện, bao quát, liên tục và liên ngành”.

Nguyên nhân chính của sạt lở đất bao gồm lượng mưa lớn, biến động mực nước ngầm, dịch chuyển dòng sông, thiếu trầm tích và khai thác cát quá mức [7-10]. Bên cạnh đó, quá trình đô thị hóa nhanh chóng ở ĐBSCL cũng làm tăng mật độ nhà cửa và đường sá dọc theo bờ sông, tác động đến ứng suất và chuyển vị nền đất ven bờ. Đánh giá nguyên nhân và tìm giải pháp hiệu quả là cần thiết để ngăn ngừa và giảm thiểu thiệt hại do sạt lở đất gây ra. Nhiều nghiên cứu đã sử dụng các cách tiếp cận khác nhau để giải quyết vấn đề sạt lở như sử dụng ảnh vệ tinh và hệ thống thông tin địa lý (GIS) để theo dõi sự thay đổi hình dạng bờ sông và xây dựng bản đồ nguy cơ trượt lở đất [8, 11-13], giám sát bằng hệ thống cảm biến GPS [14], xây dựng mô hình số, mô hình toán học để đánh giá tác động của các yếu tố như dòng chảy và mực nước sông [15-17].

Công nghệ mạng cảm biến và Internet-of-Things (IoT) đã được sử dụng để thiết lập hệ thống giám sát trượt lở đất, giúp phát hiện và cảnh báo sớm, giảm thiểu rủi ro và thiệt hại [18-20]. Mặc dù vấn đề sạt lở bờ sông ở ĐBSCL đã được nghiên cứu và ghi nhận từ lâu, vẫn chưa có nghiên cứu cụ thể nào đánh giá áp lực ngang của đất trong khối trượt dưới tác dụng của tải trọng và chuyển vị ngang của khối đất gây ra sạt lở. Việc thiếu các nghiên cứu chi tiết về áp lực này dẫn đến khoảng trống trong việc hiểu rõ cơ chế gây sạt lở, từ đó làm hạn chế hiệu quả của các biện pháp phòng chống. Đề tài nghiên cứu "Mô hình tự động đánh giá và hỗ trợ cảnh báo tác động của tải trọng ngoài đến sạt lở bờ sông ở ĐBSCL" được thực hiện nhằm đáp ứng nhu cầu cấp thiết về một hệ thống giám sát và hỗ trợ cảnh báo sớm hiệu quả.

Bằng cách ứng dụng công nghệ cảm biến và IoT, mô hình này sẽ cho phép theo dõi liên tục sự dịch chuyển của khối đất ven sông dưới tác động của tải trọng ngoài, từ đó xây dựng mô hình dự báo về nguy cơ sạt lở phục vụ cảnh báo sớm. Phát triển mô hình tự động này là bước tiến quan trọng trong việc áp dụng công nghệ tiên tiến vào quản lý thiên tai, đồng thời mở ra hướng nghiên cứu mới trong việc đánh giá và dự báo sạt lở trên nền đất yếu ven bờ sông. Điều này rất có ý nghĩa đối với ĐBSCL, không chỉ giúp giảm thiểu thiệt hại về tài sản và con người mà còn tăng cường khả năng ứng phó của cộng đồng trước thiên tai, góp phần vào sự phát triển bền vững và an toàn cho các cộng đồng ven sông, ven biển.2 Mục tiêu nghiên cứu 1.1 Mục tiêu tổng quát Mục tiêu của đề tài là nghiên cứu thiết kế và chế tạo hệ thống quan trắc tự động dựa trên công nghệ IoT trong việc giám sát sự dịch chuyển của khối đất ven bờ sông dưới tác động của tải trọng ngoài và xây dựng mô hình dự đoán về nguy cơ sạt lở dựa trên dữ liệu thu thập phục vụ cho cảnh báo sớm.2 Mục tiêu cụ thể Mục tiêu 1: Hiểu rõ cơ chế gây sạt lở bờ sông dưới tác động của tải trọng ngoài. Mục tiêu 2: Xây dựng và triển khai mô hình tự động hóa dựa trên công nghệ IoT để thu thập và phân tích dữ liệu theo thời gian thực về sự thay đổi áp lực ngang và sự dịch chuyển của khối đất ven bờ dưới tác động của tải trọng.

Mục tiêu 3: Đề xuất mô hình mạng nơ-ron LSTM dự đoán về nguy cơ sạt lở dựa trên dữ liệu của hệ thống cảm biến thu thập được để cảnh báo.3 Đối tượng nghiên cứu Đối tượng nghiên cứu chính của đề tài này là hiện tượng sạt ở bờ sông trên nền đất mềm yếu ở ĐBSCL. Ngoài ra còn có các đối tượng nghiên cứu liên quan khác như: cơ chế trượt lở đất ven bờ, thiết kế hệ thống quan trắc dựa trên công nghệ IoT, xây dựng mô hình dự báo dựa trên dữ liệu quan trắc ghi nhận được.4 Vấn đề nghiên cứu Các vấn đề nghiên cứu chính của đề tài này là: Vấn đề nghiên cứu 1: Tình hình thực hiện các nghiên cứu về hệ thống tự động giám sát địa kỹ thuật dựa trên IoT về các sườn dốc vùng đồi núi không ổn định để cảnh báo sớm sạt lở đất hiện nay có phù hợp với yêu cầu thực tiễn tại khu vực ĐBSCL đặt ra hay không? Những điểm chưa đáp ứng được là gì? Vấn đề nghiên cứu 2: Cần phải phát triển mô hình tự động đánh giá và hỗ trợ cảnh báo tác động của tải trọng ngoài đến sạt lở bờ sông với nguyên lý như thế nào để có thể đáp ứng được yêu cầu đặt ra? 1.5 Phạm vi nghiên cứu Tình trạng sạt lở bờ sông ở khu vực ĐBSCL nói chung và trên địa bàn thành phố Cần Thơ nói riêng đang diễn biến rất phức tạp. Phát triển đô thị là một trong số bảy nguyên nhân cơ bản gây ra hiện tượng sạt lở được các chuyên gia chỉ ra trong Tuyển tập kết quả nghiên cứu của dự án Rise & Fall đã báo cáo ở hội nghị tổng kết tại Trường Đại học Cần Thơ vào năm 2019. Hiện nay, nhu cầu đô thị hóa đã thúc đẩy việc xây dựng công trình ven sông, đặc biệt ở khu vực ven đô của thành phố Cần Thơ gia tăng về số lượng và qui mô công trình ngày càng lớn.

Do đó, phạm vi nghiên cứu chính của luận án được giới hạn với điều kiện địa chất mềm yếu thuộc khu vực ĐBSCL. Cụ thể, các thí nghiệm thực địa được thực hiện trên nền đất yếu ven bờ sông Rạch Cái Sâu, phường Phú Thứ, quận Cái Răng, thành phố Cần Thơ để kiểm tra nguyên lý hoạt động của hệ thống đo đạc và đánh giá dữ liệu ghi nhận được giới hạn ở mô hình thực địa có độ sâu đáy kênh đào là 2,5m tính từ mặt đất tự nhiên.6 Nội dung nghiên cứu Để giải quyết các mục tiêu đã đề ra, luận án bao gồm những nội dung nghiên cứu chính như sau: 3 Nội dung 1: Tổng quan về các cơ chế sạt lở bờ sông, các mô hình quan trắc sạt lở hiện có để đánh giá được tính khả dụng của mô hình đối với điều kiện địa chất của ĐBSCL; Nội dung 2: Xây dựng mô hình khảo sát xác định mối quan hệ của tải trọng ngoài với ứng suất đứng, ứng suất ngang và ứng suất cắt trong đất ven bờ. Xác định ngưỡng cảnh báo phá hoại mái dốc bờ sông dựa trên kết quả khảo sát của mô hình; Nội dung 3: Thiết kế hệ thống đo đạc dựa trên công nghệ IoT; Nội dung 4: Hiệu chuẩn cảm biến áp lực đất trong phòng.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ

Tóm tắt:

Bài viết "Mô Hình AI Cảnh Báo Sạt Lở Bờ Sông ở Đồng Bằng Sông Cửu Long Dựa Trên IoT" trình bày một giải pháp ứng dụng trí tuệ nhân tạo (AI) và Internet of Things (IoT) để dự báo và cảnh báo sớm nguy cơ sạt lở bờ sông tại Đồng bằng sông Cửu Long. Mô hình này thu thập dữ liệu từ các cảm biến IoT đặt dọc theo bờ sông, sau đó sử dụng các thuật toán AI để phân tích và dự đoán khả năng xảy ra sạt lở. Ưu điểm của mô hình này là khả năng cảnh báo sớm, giúp chính quyền và người dân có thời gian chuẩn bị và ứng phó, giảm thiểu thiệt hại về người và tài sản.

Để hiểu rõ hơn về các phương pháp giám sát sạt lở bờ sông, bạn có thể tham khảo thêm Luận văn thạc sĩ quản lý tài nguyên và môi trường ứng dụng viễn thám radar giám sát sạt lở trên sông tiền đoạn qua tỉnh đồng tháp. Tài liệu này cung cấp một góc nhìn khác về việc sử dụng công nghệ viễn thám radar để theo dõi và đánh giá tình trạng sạt lở, bổ sung kiến thức cho việc áp dụng các giải pháp AI và IoT.