Tổng quan luận án

Sạt lở bờ sông tại khu vực Đồng bằng sông Cửu Long (ĐBSCL) là tai biến địa chất diễn ra ngày càng phức tạp và có xu hướng gia tăng về tần suất cũng như quy mô thiệt hại. ĐBSCL là vùng đồng bằng châu thổ trẻ được hình thành từ hơn 6.000 năm trước bởi sự bồi lắng phù sa sông Mekong và dòng bùn cát ven biển, có cấu trúc địa chất nền mềm yếu, khả năng chịu lực thấp và rất nhạy cảm với các biến động cơ học. Theo số liệu thống kê của Ban Chỉ đạo Quốc gia về Phòng, chống thiên tai đến tháng 9 năm 2023, toàn vùng ĐBSCL đã ghi nhận 558 điểm sạt lở bờ sông với tổng chiều dài bờ bị mất mát và ảnh hưởng vượt quá 740 km (trong đó có 81 điểm sạt lở nguy hiểm và 137 điểm sạt lở có nguy cơ cao, gây thiệt hại hơn 200 căn nhà cùng cơ sở hạ tầng trị giá hàng nghìn tỷ đồng). Riêng tại thành phố Cần Thơ, trong 9 tháng đầu năm 2023 đã diễn ra hơn 30 vụ sạt lở, làm hư hỏng 1.976 m chiều dài bờ sông.

Quá trình đô thị hóa nhanh chóng làm gia tăng mật độ xây dựng nhà cửa, đường giao thông và các công trình ven sông. Tải trọng ngoài từ các công trình này tác động trực tiếp lên nền đất ven bờ, làm thay đổi trạng thái ứng suất cắt, ứng suất ngang cực hạn và gia tăng chuyển vị ngang của khối đất. Mặc dù hiện tượng sạt lở đã được khảo sát dưới các góc độ thủy văn, dòng chảy và biến đổi hình thái lòng dẫn, khoảng trống nghiên cứu hiện nay là chưa có công trình nào đánh giá cụ thể mối quan hệ định lượng giữa áp lực ngang trong khối trượt dưới tác dụng của tải trọng ngoài và chuyển vị ngang của khối đất nền yếu để phục vụ cảnh báo sớm tự động.

Luận án tiến sĩ chuyên ngành Kỹ thuật điều khiển và Tự động hóa (mã số 9520216) của nghiên cứu sinh Đặng Trâm Anh tại Trường Đại học Cần Thơ (năm 2024), dưới sự hướng dẫn của PGS. Nguyễn Chí Ngôn và TS. Lương Vinh Quốc Danh, đã giải quyết khoảng trống kỹ thuật này bằng đề tài: "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".

Mục tiêu nghiên cứu

  • Mục tiêu tổng quát: Nghiên cứu thiết kế và chế tạo hệ thống quan trắc tự động dựa trên công nghệ Internet of Things (IoT) nhằm giám sát sự dịch chuyển của khối đất ven bờ sông dưới tác động của tải trọng ngoài; đồng thời xây dựng mô hình dự đoán nguy cơ sạt lở dựa trên dữ liệu chuỗi thời gian thu thập được phục vụ công tác cảnh báo sớm.
  • Mục tiêu cụ thể:
    1. Mục tiêu 1: Làm rõ cơ chế gây sạt lở bờ sông dưới tác động cơ học của tải trọng ngoài trên nền địa chất mềm yếu.
    2. Mục tiêu 2: Xây dựng và triển khai mô hình tự động hóa thu thập, phân tích dữ liệu thời gian thực dựa trên IoT về sự thay đổi áp lực ngang và chuyển vị góc nghiêng của khối đất ven bờ.
    3. Mục tiêu 3: Đề xuất mô hình mạng nơ-ron hồi quy bộ nhớ ngắn - dài hạn (LSTM) nhằm dự đoán nguy cơ sạt lở và phân cấp các ngưỡng cảnh báo từ dữ liệu cảm biến.

Vấn đề nghiên cứu

  • Vấn đề nghiên cứu 1: Tính tương thích và những điểm hạn chế của các hệ thống tự động giám sát địa kỹ thuật dựa trên IoT hiện có (vốn chủ yếu áp dụng cho sườn dốc vùng đồi núi chịu tác động của nước mưa) khi triển khai trên nền địa chất mềm yếu và chịu tác động tải trọng công trình tại vùng ĐBSCL.
  • Vấn đề nghiên cứu 2: Nguyên lý thiết kế và cấu trúc vận hành cần thiết của một mô hình tự động đánh giá, cảnh báo tác động của tải trọng ngoài đến sạt lở bờ sông nhằm đáp ứng yêu cầu kỹ thuật và điều kiện thực địa tại ĐBSCL.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Hiện tượng sạt lở bờ sông trên nền đất mềm yếu tại ĐBSCL; cơ chế biến dạng và trượt lở đất ven bờ dưới tác động của tải trọng; kiến trúc hệ thống quan trắc IoT; mô hình học máy dự báo chuỗi thời gian địa kỹ thuật.
  • Phạm vi nghiên cứu:
    • Về không gian: Tập trung vào điều kiện địa tầng đất yếu ven sông thuộc vùng ĐBSCL. Thí nghiệm thực địa được bố trí và kiểm chứng tại khu vực ven bờ sông Rạch Cái Sâu, phường Phú Thứ, quận Cái Răng, thành phố Cần Thơ.
    • Về giới hạn kỹ thuật: Mô hình thực nghiệm được giới hạn với độ sâu đáy kênh đào là 2,5 m tính từ mặt đất tự nhiên.

Tổng quan tài liệu và vị trí của luận án

Tổng quan tài liệu của luận án hệ thống hóa các hướng tiếp cận trong nghiên cứu sạt lở bờ sông và các giải pháp cảnh báo sớm trên thế giới cũng như tại Việt Nam:

Các hướng nghiên cứu trước đây

  1. Nghiên cứu nguyên nhân và cơ chế sạt lở bờ sông:

    • Các công trình của Thorne (1982), Simon và cộng sự (2000), Rinaldi và Darby (2002) đã phân loại chi tiết các cơ chế phá hoại bờ sông thành hai nhóm chính: hư hỏng do trọng lực/cơ học (trượt nông, trượt xoay, trượt phiến, phá hoại công xôn, xói mòn hốc tường) và hư hỏng do thủy lực dòng chảy cuốn trôi chân bờ (undercutting).
    • Tại ĐBSCL, các nghiên cứu của Trần Đình Hòa, Lê Mạnh Hùng, Nguyễn Nghĩa Hùng và cộng sự chỉ ra sự kết hợp bất lợi giữa thủy triều dao động lớn, lưu tốc dòng chảy mùa lũ, đặc điểm đất sét bùn mềm yếu có tính xúc biến cao và sự thiếu hụt bùn cát do hồ chứa thượng nguồn cùng nạn khai thác cát.
    • Báo cáo từ dự án Rise & Fall (2019) tại Trường Đại học Cần Thơ đã chỉ ra phát triển đô thị ven sông là một trong bảy nguyên nhân cốt lõi kích hoạt sạt lở bờ sông.

  2. Phương pháp xác định ngưỡng cảnh báo sạt lở:

    • Ngưỡng khí tượng/lượng mưa: Nhóm nghiên cứu của Rossi và cộng sự (2012), Martinotto (2017), Caroline R. Scheevel (2017), Jonathan W. Godt (2006), Alan F. Chleborad (2006) tập trung vào ngưỡng lượng mưa tích lũy và chỉ số hàm lượng nước ban đầu (AWI) để cảnh báo sạt lở sườn dốc đồi núi.
    • Ngưỡng cơ lý đất: Bishop (1955), Terzaghi (1943) và mô hình phá hoại Mohr-Coulomb thiết lập mối quan hệ giữa ứng suất cắt cực hạn và biến dạng dẻo; phương pháp đường đẳng $K_{min}$ dùng để xác định sự mở rộng của vùng biến dạng dẻo trong nền đất.

  3. Hệ thống giám sát địa kỹ thuật và cảnh báo sớm (LEWS):

    • Tại Việt Nam: Gian và cộng sự (2016) phát triển hệ thống EWMRIL tại Nam Đàn (Nghệ An) sử dụng nền tảng Waspmote, cảm biến áp lực nước lỗ rỗng (PWP) và gia tốc kế để cảnh báo trượt dốc do mưa kết hợp GeoStudio. Một số nhóm tác giả khác áp dụng trạm đo mưa, camera quan sát và cảm biến căng kế để cảnh báo sạt lở taluy đường ô tô.
    • Trên thế giới: Hệ thống Inform @ Risk (2020) dùng cảm biến MEMS và truyền thông LoRa; công trình của Abraham và cộng sự (2020) tại dãy Himalayas Darjeeling sử dụng cảm biến đo nghiêng và độ ẩm đất; Benedetta Dini và cộng sự (2019) theo dõi đá lở bằng gia tốc kế; Taro Uchimura và cộng sự (2010, 2015) đề xuất hệ thống MEMS không dây cảnh báo sạt lở mái dốc qua tốc độ biến thiên góc nghiêng ($0,01^\circ/\text{h}$ là mức phòng ngừa, $0,1^\circ/\text{h}$ là mức cảnh báo); Abhirup Dikshit và cộng sự (2018) kết hợp đo độ ẩm thể tích và góc nghiêng; các nghiên cứu của Kais Mekki (2019) so sánh hạ tầng truyền thông LPWAN (LoRa, Sigfox, NB-IoT).
Công trình tiêu biểu Đối tượng & Phạm vi Thiết bị / Phương pháp Giới hạn kỹ thuật
Gian và ctv (2016) Sạt lở mái dốc do mưa (Nam Đàn, Nghệ An) Nút Waspmote, cảm biến PWP, gia tốc kế 3 trục, GeoStudio Chỉ giám sát biến dạng mái dốc taluy do mưa, không đo áp lực ngang do tải ngoài
Inform @ Risk (2020) Trượt lở đất sườn dốc đô thị Cảm biến MEMS đo nghiêng, công tắc phao đo mực nước ngầm, mạng LoRa Giám sát chuyển vị bề mặt và nước ngầm tầng nông, chưa tích hợp áp lực đất nền yếu
Abraham và ctv (2020) Sạt lở vùng đồi núi Chibo (Himalayas) Cảm biến độ nghiêng, cảm biến độ ẩm thể tích, trạm ghi dữ liệu không dây Không khảo sát tác động của tải trọng công trình xây dựng ven bờ
Uchimura và ctv (2015) Ổn định mái dốc địa kỹ thuật Cọc cảm biến MEMS đo độ nghiêng, đo tốc độ góc nghiêng Mô hình thiết kế chủ yếu cho đất sườn đồi, chưa đánh giá nền phù sa sét mềm ven sông

Khoảng trống luận án lựa chọn giải quyết

Các hệ thống cảnh báo sớm hiện nay hầu như tập trung vào cơ chế trượt dốc vùng đồi núi do lượng mưa kích hoạt. Tại ĐBSCL, sạt lở chịu tác động kết hợp của nền địa chất hạt mịn bão hòa nước và sự gia tăng tải trọng xây dựng ven sông. Chưa có nghiên cứu nào kết hợp đo đạc áp lực đất theo phương ngang bên trong khối trượt, chuyển vị góc nghiêng cọc cảm biến theo thời gian thực và mô hình hóa bằng học máy chuỗi thời gian (LSTM) để tự động hóa cảnh báo sạt lở bờ sông chịu tải trọng ngoài.

Cơ sở lý thuyết và phương pháp nghiên cứu

Cơ sở lý thuyết và khung phân tích

  • Lý thuyết đàn dẻo và tiêu chuẩn phá hoại Mohr-Coulomb: Phân tích trạng thái ứng suất giới hạn của phân tố đất dưới tác động tải trọng ngoài. Điều kiện bền chống cắt được xác định theo phương trình: $$\tau_f = \sigma \tan \varphi + C$$ Trong đó: $\sigma$ là ứng suất pháp vuông góc với mặt trượt, $C$ là lực dính đơn vị, $\varphi$ là góc ma sát trong của đất. Trạng thái dẻo xuất hiện khi ứng suất tiếp lớn nhất $\tau_{max}$ vượt qua sức kháng cắt giới hạn: $$\tau_{max} = \frac{\sigma_x - \sigma_y}{2} \sin 2\alpha - C \cos 2\alpha \ge 0$$
  • Phương pháp đường đẳng $K_{min}$: Xác định hệ số ổn định cục bộ tại từng điểm trong nền đất: $$K_{min} = \frac{\tau_f}{\tau_{max}} = \frac{2A}{\sigma_1 - \sigma_2}$$ Khi $K_{min} \le 1,0$, điểm đất chuyển sang trạng thái biến dạng dẻo. Vùng dẻo mở rộng liên tục từ mép tải trọng ra mái dốc bờ sông sẽ hình thành cung trượt phá hoại toàn phần.
  • Lý thuyết mạng thần kinh hồi quy Long Short-Term Memory (LSTM): Mô hình học sâu chuyên biệt cho dữ liệu chuỗi thời gian. Mạng LSTM giải quyết vấn đề triệt tiêu đạo hàm (vanishing gradient) của mạng RNN truyền thống nhờ cấu trúc ô trạng thái (cell state) và ba cổng chức năng (cổng quên - forget gate, cổng vào - input gate, cổng ra - output gate), cho phép học các phụ thuộc dài hạn từ chuỗi số liệu cảm biến áp lực đất và góc nghiêng.

Phương pháp nghiên cứu thực tế

  1. Phương pháp khảo sát địa chất và thí nghiệm cơ lý đất:
    • Khoan khảo sát tại hiện trường bờ sông Rạch Cái Sâu. Mẫu đất nguyên dạng được lấy bằng ống mẫu chuyên dụng đường kính $D = 91\text{ mm}$, khoảng cách trung bình $3\text{ m}$ lấy một mẫu.
    • Thí nghiệm trong phòng xác định các chỉ tiêu cơ lý: thành phần hạt, độ ẩm tự nhiên ($W_0$), khối lượng thể tích tự nhiên ($\gamma$), khối lượng thể tích khô ($\gamma_c$), khối lượng riêng ($G_s$), giới hạn chảy ($W_L$), giới hạn dẻo ($W_P$), chỉ số dẻo ($I_P$), độ sệt ($B$), góc ma sát trong ($\varphi$), lực dính kết ($C$), hệ số nén lún ($a$), mô đun tổng biến dạng ($E_0$), hệ số rỗng ban đầu ($e_0$).
  2. Phương pháp mô phỏng số:
    • Sử dụng phần mềm phần tử hữu hạn Plaxis 2D (phiên bản 8.2) để mô hình hóa bài toán ổn định bờ sông dưới tác động của các cấp tải trọng ngoài ($q$) và các mức dao động mực nước sông.
    • Xác định sức chịu tải cực hạn ($Q_{ult}$), hệ số an toàn ($FS$), sự phân bố của ứng suất đứng ($\sigma_{yy}$), ứng suất ngang ($\sigma_{xx}$), ứng suất cắt ($\sigma_{xy}$) và sự phát triển của vùng biến dạng dẻo.
  3. Phương pháp thực nghiệm và chuẩn hóa thiết bị:
    • Chế tạo hệ thống cọc quan trắc địa kỹ thuật gồm cảm biến áp lực đất Kyowa BED-A-200KP (dải đo $200\text{ kPa}$), cảm biến đo góc nghiêng và độ ẩm đất, đặt trong ống bảo vệ PVC.
    • Mạch thu thập số liệu sử dụng vi điều khiển tích hợp bộ biến đổi tương tự - số 24-bit chuyên dụng AD7192 với hệ số khuếch đại Gain = 128.
    • Hiệu chuẩn cảm biến áp lực đất qua ba giai đoạn: (1) Trong môi trường chất lỏng (nước/khí); (2) Trong môi trường cát mịn ($15\text{ cm}$ độ dày); (3) Trong mô hình cống tròn bê tông cốt thép cỡ lớn chứa đất sét hiện trường để xác định hệ số phản hồi thực tế của cảm biến trong đất.
  4. Phương pháp học máy và phân tích dữ liệu:
    • Xử lý và làm mịn tín hiệu thô bằng bộ lọc thông thấp (low-pass filter) để triệt tiêu nhiễu tần số cao.
    • Xây dựng mô hình LSTM huấn luyện trên tập dữ liệu chuỗi thời gian thực địa; cấu hình cửa sổ quan sát (sliding window) dài 4 phút 30 giây để dự báo trạng thái dịch chuyển và áp lực ngang trong 2 giờ tiếp theo. Đánh giá mô hình bằng độ chính xác (Precision), độ thu hồi (Recall) và điểm F1 ($F_1\text{-score}$).

Nội dung chính theo từng chương

Chương 1: Giới thiệu

Chương này thiết lập cơ sở khoa học và tính cấp thiết của đề tài. Tác giả tổng hợp bức tranh sạt lở tại ĐBSCL và Cần Thơ, chỉ rõ mối liên hệ giữa tốc độ đô thị hóa và nguy cơ mất ổn định bờ sông. Đề tài xác định rõ 3 mục tiêu cụ thể, 2 vấn đề nghiên cứu then chốt, 6 nội dung triển khai và 6 nhóm phương pháp nghiên cứu chính. Phạm vi nghiên cứu được định vị cụ thể tại bờ sông Rạch Cái Sâu (Cần Thơ) trên nền địa chất bùn sét yếu với mô hình kênh đào sâu 2,5 m. Luận án khẳng định ý nghĩa khoa học trong việc xác lập hệ số ngưỡng an toàn của nền đất yếu dưới tác động tải trọng và ý nghĩa thực tiễn thông qua việc chế tạo hoàn chỉnh hệ thống thiết bị quan trắc IoT kết hợp trí tuệ nhân tạo.

Chương 2: Tổng quan về cơ chế sạt lở bờ, ứng dụng tự động hóa và IoT trong cảnh báo sạt lở

Chương 2 trình bày chi tiết các nguyên nhân và cơ chế sạt lở bờ sông vùng ĐBSCL:

  • Bốn nhóm nguyên nhân: Thủy văn - động lực dòng chảy; Địa chất - thổ nhưỡng (đất sét mềm, tính xúc biến cao, dễ nứt nẻ do khô hạn - ngập lũ); Địa hình - hình thái lòng dẫn (chuyển động dòng thứ sinh tại khúc uốn); Hoạt động kinh tế - xã hội (khai thác cát, xây dựng công trình làm gia tăng tải trọng bờ).
  • Các cơ chế phá hoại: Trượt nông, trượt xoay, trượt phiến, phá hoại công xôn, xói mòn dạng hốc tường và xói mòn chân bờ do thủy lực.
  • Lược khảo công nghệ: Đánh giá 26 hệ thống LEWS trên thế giới; phân tích các mô hình mạng cảm biến không dây (WSN), công nghệ truyền thông LPWAN (LoRa, NB-IoT, Sigfox); phân tích cơ sở lý thuyết đàn dẻo Mohr-Coulomb và phương pháp đường đẳng $K_{min}$ trong đánh giá ổn định nền. Điểm lại các nghiên cứu ứng dụng học máy trong địa kỹ thuật và chỉ ra các hạn chế của việc thiếu đo đạc trực tiếp áp lực ngang trong đất mềm ven sông.

Chương 3: Phương pháp nghiên cứu

Chương 3 mô tả toàn bộ quy trình thiết kế mô hình toán học, mô phỏng số, chế tạo phần cứng và thiết lập thuật toán:

  • Mô hình hóa phần tử hữu hạn: Thiết lập lưới phần tử trong Plaxis 2D với số liệu địa chất từ hố khoan thực địa Rạch Cái Sâu. Thiết lập bài toán xác định sức chịu tải cực hạn $Q_{ult}$ và khảo sát sự thay đổi ứng suất ($\sigma_{xx}, \sigma_{yy}, \sigma_{xy}$) theo độ sâu và khoảng cách đến mép tải.
  • Thiết kế phần cứng IoT: Cấu trúc hệ thống gồm các nút cảm biến (Sensor Node) và bộ điều khiển trung tâm (Central Controller). Nút cảm biến tích hợp đầu đo áp lực đất Kyowa BED-A-200KP, chip ADC AD7192 độ phân giải 24-bit. Thiết kế quy trình đóng gói cảm biến trên cọc thép lồng trong vỏ bảo vệ PVC để cắm sâu vào lòng đất.
  • Quy trình hiệu chuẩn thiết bị: Thực nghiệm hiệu chuẩn cảm biến BED-A-200KP trong bình áp lực chất lỏng, trong thùng cát mịn và trong cống bê tông cốt thép cỡ lớn chứa đất sét nhằm bù trừ sai số do độ cứng tương đối giữa cảm biến và môi trường đất xung quanh.
  • Xây dựng mô hình LSTM: Thiết lập kiến trúc mạng nơ-ron hồi quy LSTM gồm các tầng ẩn, tầng kết nối đầy đủ (Dense layer) và hàm kích hoạt nhằm dự báo chuỗi thời gian áp lực và góc nghiêng; xây dựng quy trình phân cấp ngưỡng cảnh báo dựa trên giá trị tính toán và dữ liệu đo.

Chương 4: Kết quả và thảo luận

Chương 4 công bố toàn bộ dữ liệu mô phỏng, dữ liệu hiệu chuẩn thiết bị và kết quả thực nghiệm đo đạc thực địa kết hợp học máy:

  • Kết quả mô phỏng Plaxis 2D:
    • Sức chịu tải cực hạn của nền đất tự nhiên khi chưa đào sông là $Q_{ult} = 20,61\text{ kPa}$; khi có mái dốc bờ sông đào sâu 2,5 m, sức chịu tải cực hạn giảm xuống còn $Q_{ult} = 14,3\text{ kPa}$.
    • Hệ số an toàn tổng thể ($FS$) giảm dần phi tuyến tính khi tải trọng ngoài ($q$) tăng từ $0$ đến $20,5\text{ kPa}$ và khi mực nước sông hạ thấp từ $0,0\text{ m}$ xuống $-1,5\text{ m}$.
    • Phân tích sự hình thành vùng biến dạng dẻo: Vùng dẻo bắt đầu xuất hiện từ góc mép tải trọng ngoài ở các cấp tải nhỏ ($q = 2 - 5\text{ kPa}$), sau đó phát triển mạnh và mở rộng kết nối với cung trượt mái dốc khi tải trọng đạt ngưỡng $q = 14,3\text{ kPa}$.
  • Kết quả hiệu chuẩn cảm biến: Xác lập đường đặc tuyến tương quan tuyến tính giữa áp suất tác dụng đầu vào và tín hiệu điện áp đầu ra của cảm biến BED-A-200KP qua các chu kỳ gia tải - dỡ tải trong ba môi trường thử nghiệm.
  • Kết quả đo đạc thực địa và mô hình LSTM:
    • Bộ lọc số thông thấp loại bỏ thành công các thành phần nhiễu tín hiệu đo.
    • Tập dữ liệu thu thập thực tế phục vụ huấn luyện và kiểm thử mô hình học máy đạt 374.415 mẫu.
    • Mô hình mạng LSTM với cấu hình cửa sổ quan sát 4 phút 30 giây cho phép dự báo trước biến trạng thái dịch chuyển và áp lực ngang trong thời gian 2 giờ.
    • Kết quả xác thực mô hình đạt độ chính xác (Precision), độ thu hồi (Recall) và điểm $F_1\text{-score} = 0,8232$, độ lệch chuẩn ổn định ở mức xấp xỉ 1%.
Cấp tải trọng khảo sát ($q$) Trạng thái vùng dẻo dưới nền Ứng suất ngang gia tăng $\Delta\sigma_{xx}$ Ngưỡng an toàn / Cảnh báo
$q = 2,0 - 3,5\text{ kPa}$ Cục bộ tại góc mép tải, biến dạng đàn hồi chiếm ưu thế Nhỏ, dao động trong giới hạn an toàn Mức 1: Bình thường (An toàn)
$q = 5,0 - 7,5\text{ kPa}$ Vùng dẻo bắt đầu mở rộng xuống tầng sét yếu sâu Gia tăng tuyến tính theo chiều sâu Mức 2: Chú ý (Theo dõi)
$q = 10,0 - 10,7\text{ kPa}$ Vùng dẻo phát triển rộng về phía chân mái dốc Gia tăng nhanh, biến dạng nghiêng bắt đầu tăng Mức 3: Cảnh báo (Nguy cơ)
$q \ge 14,3\text{ kPa}$ ($Q_{ult}$) Vùng dẻo liên kết hoàn toàn tạo thành mặt trượt liên tục Vượt ngưỡng kháng cắt cực hạn của đất nền Mức 4: Báo động nguy hiểm (Sạt lở)

Chương 5: Kết luận và đề xuất

Chương cuối tóm lược các kết quả cốt lõi của luận án: Hoàn thành thiết kế hệ thống phần cứng IoT đo đạc áp lực đất và góc nghiêng; làm sáng tỏ quy luật phân bố ứng suất và biến dạng dẻo do tải ngoài; xây dựng mô hình dự báo LSTM đạt độ chính xác cao. Đồng thời, chương này chỉ rõ các mặt tồn tại kỹ thuật và kiến nghị các hướng phát triển tiếp theo.

Kết quả và những đóng góp mới

Đóng góp mới về mặt khoa học và lý luận

  1. Làm rõ một cách định lượng cơ chế phát sinh và phát triển vùng biến dạng dẻo trong nền đất yếu phù sa ven sông ĐBSCL dưới tác động của tải trọng ngoài hình băng kết hợp với sự hạ thấp của mực nước triều.
  2. Thiết lập được mối tương quan giữa độ tăng ứng suất ngang ($\Delta\sigma_{xx}$), ứng suất cắt ($\sigma_{xy}$) với chuyển vị góc nghiêng của cọc cảm biến trong khối trượt, làm cơ sở khoa học để xác định các mức ngưỡng cảnh báo sạt lở bờ sông dựa trên thông số cơ học đất thực đo.

Đóng góp mới về mặt thực tiễn và kỹ thuật

  1. Thiết kế và chế tạo thành công hệ thống giám sát tự động dựa trên IoT: Tích hợp cảm biến đo áp lực đất Kyowa BED-A-200KP và cảm biến đo độ nghiêng, sử dụng vi mạch biến đổi ADC 24-bit AD7192, cho phép thu thập, lọc nhiễu và truyền dữ liệu thời gian thực lên máy chủ đám mây với mức tiêu thụ năng lượng thấp và độ ổn định cao tại thực địa.
  2. Đề xuất quy trình và thiết bị hiệu chuẩn cảm biến cỡ lớn: Xây dựng mô hình cống bê tông cốt thép chứa đất sét hiện trường để hiệu chuẩn cảm biến áp lực đất, giúp triệt tiêu sai số ảnh hưởng của môi trường đất nền trước khi lắp đặt thực tế.
  3. Ứng dụng thành công mô hình học sâu LSTM trong dự báo cảnh báo sớm: Khai thác tập dữ liệu lớn 374.415 mẫu đo thực địa, xây dựng thuật toán dự báo trước 2 giờ với điểm số $F_1 = 0,8232$, cung cấp công cụ tự động hỗ trợ các nhà quản lý đưa ra quyết định phòng chống thiên tai kịp thời.

Kiến nghị và giải pháp đề xuất

  • Đề xuất các cơ quan quản lý đô thị và quy hoạch xây dựng tại ĐBSCL áp dụng mô hình phân cấp ngưỡng tải trọng và kiểm soát nghiêm ngặt khoảng cách xây dựng công trình, nhà ở và đường giao thông dọc mép bờ sông.
  • Triển khai nhân rộng mô hình quan trắc tự động IoT tại các điểm bờ sông xung yếu, kết hợp tích hợp dữ liệu cảm biến vào hệ thống thông tin địa lý (GIS) và cổng thông tin cảnh báo thiên tai đô thị.

Hạn chế và hướng nghiên cứu tiếp

Những hạn chế của luận án

  • Địa điểm thử nghiệm thực địa mới được thực hiện tập trung tại một vị trí đại diện ven bờ sông Rạch Cái Sâu (phường Phú Thứ, quận Cái Răng, TP. Cần Thơ), giới hạn với mô hình hình học kênh đào sâu 2,5 m tính từ mặt đất tự nhiên.
  • Dữ liệu đo đạc thực nghiệm thực tế chưa bao quát hết mọi biến động cực đoan của các chu kỳ thủy văn lũ lớn kéo dài nhiều năm hoặc các dạng tải trọng động phức tạp từ phương tiện giao thông thủy/bộ công suất lớn.

Hướng nghiên cứu phát triển tiếp theo

  • Mở rộng phạm vi lắp đặt thử nghiệm hệ thống tại nhiều vị trí có cấu trúc địa tầng, hình thái bờ sông và mức độ chịu tải khác nhau trên toàn vùng ĐBSCL.
  • Tiếp tục tối ưu hóa thuật toán học máy, kết hợp mô hình LSTM với các kiến trúc mạng nơ-ron tích chập (CNN) hoặc các mô hình tối ưu hóa bầy đàn (PSO) nhằm nâng cao độ chính xác dự báo và kéo dài khoảng thời gian dự báo trước.
  • Nghiên cứu tích hợp nguồn năng lượng tái tạo (pin mặt trời) và công nghệ truyền thông không dây tầm xa tiết kiệm năng lượng (LoRaWAN, NB-IoT) để tăng tính độc lập và khả năng vận hành lâu dài của các trạm đo tại vùng sâu, vùng xa.

Giá trị tham khảo

Luận án là tài liệu tham khảo chuyên môn hữu ích cho nhiều nhóm đối tượng:

  • Nghiên cứu sinh, học viên cao học và giảng viên thuộc các ngành Kỹ thuật điều khiển và Tự động hóa, Kỹ thuật Địa kỹ thuật - Công trình xây dựng, Kỹ thuật Tài nguyên nước và Công nghệ Thông tin: Tham khảo trực tiếp phương pháp tích hợp cảm biến cơ học đất với vi điều khiển 24-bit, quy trình hiệu chuẩn cảm biến áp lực đất trong cống cỡ lớn và phương pháp huấn luyện mạng LSTM trên chuỗi thời gian cảm biến thực địa (Chương 3 và Chương 4).
  • Các kỹ sư thiết kế và chuyên gia địa kỹ thuật: Tham khảo dữ liệu mô phỏng Plaxis 2D về quy luật phân bố ứng suất ngang, ứng suất cắt và sức chịu tải cực hạn $Q_{ult}$ của nền đất yếu ven sông dưới tác dụng của tải trọng công trình (Chương 4 và các Phụ lục).
  • Các nhà quản lý đô thị, cán bộ Ban Chỉ huy Phòng chống thiên tai và Tìm kiếm cứu nạn tại ĐBSCL: Tham khảo khung phân cấp 4 ngưỡng cảnh báo sạt lở và kiến trúc hệ thống cảnh báo sớm dựa trên IoT để xây dựng chính sách quản lý hành lang an toàn bờ sông và đầu tư trang thiết bị giám sát thiên tai.

Câu hỏi thường gặp

1. Sức chịu tải cực hạn ($Q_{ult}$) của nền đất tại khu vực nghiên cứu thay đổi như thế nào khi có sự xuất hiện của mái dốc bờ sông?

Theo kết quả mô phỏng phần tử hữu hạn trên phần mềm Plaxis 2D trong luận án, trong điều kiện đất nền đồng nhất khi chưa đào kênh/sông, sức chịu tải cực hạn của nền đạt $Q_{ult} = 20,61\text{ kPa}$. Khi hình thành mái dốc bờ sông (với độ sâu đáy kênh đào 2,5 m), sức chịu tải cực hạn của nền đất ven bờ giảm xuống còn $Q_{ult} = 14,3\text{ kPa}$ (giảm khoảng 30,6%). Khi tải trọng ngoài vượt qua giá trị $14,3\text{ kPa}$, vùng biến dạng dẻo sẽ phát triển liên tục nối liền từ mép tải trọng ra mái dốc, gây phá hoại tổng thể khối trượt.

2. Hệ thống phần cứng quan trắc IoT trong luận án sử dụng các loại cảm biến và vi mạch xử lý tín hiệu nào?

Hệ thống sử dụng cảm biến áp lực đất Kyowa mã hiệu BED-A-200KP (dải đo $200\text{ kPa}$), kết hợp cảm biến đo độ nghiêng và độ ẩm đất được gắn cố định trên cọc kim loại đặt trong ống nhựa PVC bảo vệ. Tín hiệu điện áp nhỏ từ cảm biến được thu nhận và chuyển đổi thông qua chip ADC 24-bit chuyên dụng AD7192 với mức khuếch đại Gain = 128, kết nối với bộ vi điều khiển trung tâm và truyền số liệu lên Cloud Server.

3. Quy mô tập dữ liệu thực nghiệm và hiệu suất dự báo của mô hình học máy LSTM đạt mức nào?

Tập dữ liệu thu thập từ hệ thống cảm biến tại thực địa bờ sông Rạch Cái Sâu dùng để huấn luyện và kiểm thử mô hình gồm 374.415 mẫu. Sử dụng cửa sổ quan sát trượt dài 4 phút 30 giây, mô hình LSTM dự báo trạng thái dịch chuyển và ứng suất trước 2 giờ với độ chính xác (Precision), độ thu hồi (Recall) và điểm $F_1\text{-score} = 0,8232$, độ lệch chuẩn giữa các lần thử nghiệm xấp xỉ 1%.

4. Tại sao tác giả phải tiến hành hiệu chuẩn cảm biến áp lực đất trong mô hình cống bê tông cỡ lớn?

Do tính chất cơ học của cảm biến bằng kim loại cứng có sự chênh lệch lớn so với độ mềm yếu của đất sét bão hòa nước xung quanh, hiệu ứng tập trung ứng suất sẽ làm sai lệch giá trị đo. Việc hiệu chuẩn trong mô hình cống bê tông cốt thép kích thước lớn chứa chính mẫu đất sét tại hiện trường giúp thiết lập đường chuẩn tương quan thực tế giữa áp suất tác dụng và tín hiệu đầu ra của cảm biến, đảm bảo độ tin cậy của dữ liệu khi cắm cọc quan trắc ngoài thực địa.

Kết luận

Luận án tiến sĩ của Đặng Trâm Anh đã giải quyết thành công bài toán tự động hóa đánh giá và cảnh báo sớm tác động của tải trọng ngoài đến sạt lở bờ sông trên nền đất mềm yếu ĐBSCL bằng cách kết hợp liên ngành giữa Cơ học đất, Công nghệ IoT và Học máy chuỗi thời gian. Công trình đã làm sáng tỏ cơ chế phát triển vùng biến dạng dẻo dưới tác dụng tải trọng, chế tạo hoàn chỉnh hệ thống cọc cảm biến đo áp lực ngang và góc nghiêng kết nối đám mây, đồng thời xây dựng mô hình dự báo LSTM đạt độ chính xác $F_1 = 0,8232$ trên tập dữ liệu 374.415 mẫu thực địa. Kết quả nghiên cứu cung cấp cơ sở khoa học và giải pháp công nghệ hoàn chỉnh, hỗ trợ hiệu quả cho công tác quản lý đô thị và giảm thiểu rủi ro thiên tai sạt lở bờ sông tại khu vực Đồng bằng sông Cửu Long.