MỞ ĐẦU. 1 CHƯ¡NG 1: TỔNG QUAN VỀ NGHIÊN CỨU Li QUÉT.2 Khái niệm vß lũ quét .3 Tổng quan tình hình nghiên cứu lũ quét trên thÁ giãi .4 Tổng quan tình hình nghiên cứu lũ quét t¿i Việt Nam .5 Điám mãi đ°ÿc phát trián trong luÃn án. 21 CHƯ¡NG 2: KHU VþC NGHIÊN CỨU VÀ C¡ SỞ KHOA HỌC .1 Lựa chãn khu vực nghiên cứu. Ph°¡ng pháp luÃn phát hiện lũ quét sÿ dāng Ánh Radar Sar Sentinel- .2 Nghiên cứu xây dựng mô hình m¿ng N¡-ron nhân t¿o FA-LM- ANN cho phân vùng nguy c¡ lũ quét .3 Nghiên cứu xây dựng mô hình PSO-ELM cho phân vùng nguy c¡ lũ quét .4 Nghiên cứu xây dựng mô hình Ensemble learning trong phân vùng nguy c¡ lũ quét .3 Đánh giá đá chính xác mô hình.
42 CHƯ¡NG 3: THþC NGHIỆM VÀ KẾT QUẢ. Quy trình xây dựng mô hình trí tuệ nhân t¿o trong phân vùng nguy c¡ lũ quét. Xây dựng c¡ sç dā liệu lũ quét. Thành lÃp bÁn đã hiện tr¿ng lũ quét.
Xây dựng các bÁn đã thành phần. Xây dựng dā liệu huấn luyện và dā liệu kiám tra. Phân tích đa cáng tuyÁn và lựa chãn các bÁn đã thành phần. Xây dựng mô hình tích hÿp FA-LM-ANN cho phân vùng nguy c¡ lũ quét.
Quy trình xây dựng mô hình tích hÿp FA-LM-ANN.2 KÁt quÁ căa mô hình .3 Thành lÃp bÁn đã phân vùng nguy c¡ lũ quét. Xây dựng mô hình tích hÿp PSO-ELM cho phân vùng nguy c¡ lũ quét .1 Quy trình xây dựng mô hình tích hÿp PSO-ELM. KÁt quÁ căa mô hình .3 Thành lÃp bÁn đã phân vùng nguy c¡ lũ quét. Xây dựng mô hình Ensemble learning cho phân vùng nguy c¡ lũ quét .1 Quy trình xây dựng mô hình tích hÿp PSO-ELM cho phân vùng nguy c¡ lũ quét .2 KÁt quÁ căa mô hình .3 Thành lÃp bÁn đã phân vùng nguy c¡ lũ quét.
84 KẾT LUẬN VÀ KIẾN NGHỊ. 89 NHỮNG CÔNG TRÌNH Đà CÔNG BỐ CỦA NCS. 92 DANH MĀC TÀI LIỆU THAM KHẢO. 94 PHĀ LĀC iv DANH MĀC CÁC CHþ VI¾T TÀT Chÿ vi¿t tÁt Chÿ vi¿t đÅy đă AHP Analytical Hierarchy Process AI Artificial Intelligence ANN Artificial Neural Network AUC Area Under the Curve BO Bat Optimization CSO Cuckoo Search Optimization DT Decision Tree ELM Extreme Learning Machines FA Firefly Algorithm FA-LM -ANN Firefly Algorithm- Levenberg–Marquardt - Artificial Neural Network FN False Negative FP False Postive FR Frequency Ratio FURIA Fuzzy Unordered Rule Induction Algorithm GA Genetic Algorithm GRD Ground Range Detected LM Levenberg–Marquardt LMB Levenberg–Marquardt Backpropagation LMS Least Means Squares v Chÿ vi¿t tÁt Chÿ vi¿t đÅy đă LMT Logistic Model Tree LVQ Learning Vector Quantization MAE Mean Absolute Error MBO Monarch ButterflyOptimizaation ME Mean Error ML Machine Learning MLPNN Multilayer Perceptron Neural Network MSE Mean Squared Error PSO Particle Swarm Optimization RMSE Root Mean Squared Error ROC Receiver Operating Characteristic SPI Stream Power Index SVM Support Vector Machine TN True Negative TOL Tolerance TP True Postive TWI Topgraphic Wetness Index VIF Variance Inüation Factor vi DANH MĀC CÁC BÀNG BIÂU TT Tên bÁng Trang BÁng 2.
Đặc điám căa Ánh vệ tinh Sentinel-1. Ành SAR Sentinel-1A sÿ dāng cho việc phát hiện lũ quét. Phân tích đa cáng tuyÁn cho các bÁn đã thành phần. Hiệu suất dự báo căa mô hình FA-LM ANN.
So sánh hiệu suất căa mô hình FA-LM-ANN vãi các mô hình LM-ANN, FA-ANN, SVM, và CT. Hiệu suất căa mô hình vãi ph°¡ng pháp kiám tra chéo ten-fold. Đánh giá hiệu suất căa mô hình PSO-EML. Đánh giá đá chính xác căa các mô hình.
Đặc điám căa các lãp có nguy c¡ cao lũ quét cho khu vực nghiên cứu từ mô hình PSO-ELM. Đánh giá sÿ dāng FSMs và đá chính xác phân lo¿i. Đánh giá tầm quan trãng căa bÁn đã thành phần lũ quét theo ph°¡ng pháp VLQ. Hiệu suất căa mô hình trên tÃp dā liệu huấn luyện.
Đánh giá đá chính xác mô hình kiám tra. Tÿ lệ phần trăm mÃt đá t°¡ng đái lũ quét trên tÃp dā liệu huấn luyện. Tÿ lệ phần trăm mÃt đá t°¡ng đái lũ quét trên tÃp dā liệu kiám tra. KÁt quÁ kiám nghiệm tháng kê Wilicoxon trên bá dā liệu kiám tra.
87 vii DANH MĀC CÁC HÌNH TT Tên hình Trang Hình 1. Khung quy trình đánh giá răi ro thÁm hãa thiên tai - UNISDR .1 Vá trí khu vực nghiên cứu. Ph°¡ng pháp luÃn phát hiện lũ quét sÿ dāng Ánh Sentinel-1. Phát hiện lũ quét trên Ánh tổ hÿp màu Sentinel-1A đa thåi gian.
Cấu trúc mát mô hình ANN cho phân vùng nguy c¡ lũ quét. Quy trình xây dựng mô hình trí tuệ nhân t¿o trong phân vùng nguy c¡ lũ quét. Vá trí các điám khÁo sát khu vực nghiên cứu. Quy trình xây d°ng c¡ sç dā liệu lũ quét.
Khu vực lũ quét từ Ánh SAR Sentinel-1 căa vùng nghiên cứu. Các bÁn đã thành phần cho nghiên cứu lũ quét .5 S¡ đã quy trình xây dựng mô hình tích hÿp FA-LM-ANN cho phân vùng nguy c¡ lũ quét. Quá trình tái °u hóa căa căa ph°¡ng pháp hßn hÿp FA-LM. Mô hình FA-LM-ANN cho phân vùng nguy c¡ lũ quét.
So sánh tác đá hái tā giāa FA-LM ANN và LM-ANN. BÁn đã phân vùng nguy c¡ lũ quét khu vực nghiên cứu. Ph°¡ng pháp nghiên cứu PSO-ELM. Giá trá tái °u so vãi vòng lặp trong quá trình huấn luyện mô hình.
Đá khãp căa mô hình PSO-ELM vãi tÃp dā liệu huấn luyện. Hiệu suất dự báo căa mô hình PSO-ELM trên bá dā liệu kiám tra. AUC căa mô hình PSO-ELM. BÁn đã phân vùng nguy c¡ lũ quét khu vực nghiên cứu.
Đ°ång cong phân tách các lãp nguy c¡ lũ quét căa khu vực nghiên cứu. Quy trình xây dựng bÁn đã phân vùng nguy c¡ lũ quét vãi Ensemble Learning. Phân tích ROC, Recall, Precision căa mô hình. BÁn đã phân vùng nguy c¡ lũ quét theo mô hình FURIA-GA- LogitBoost.
BÁn đã phân vùng nguy c¡ lũ quét theo mô hình FURIA-GA- AdaBoost. BÁn đã phân vùng nguy c¡ lũ quét theo mô hình FURIA-GA- Bagging. Phân tích ROC. Tính cÃp thi¿t căa lu¿n án Lũ lāt đứng đầu trong danh sách nhāng thÁm hãa thiên nhiên, bao gãm cÁ sá l°ÿng th°¡ng vong lÁn thiệt h¿i vß tài sÁn [197, 232], đặc biệt là t¿i các khu vực th°ång xuyên cháu Ánh h°çng căa bão và áp thấp nhiệt đãi [50, 173, 227].
Năm 2013, thiệt h¿i do lũ gây ra trên toàn thÁ giãi °ãc tính h¡n 50 tÿ USD [228]. Theo các dự báo, đÁn năm 2050, thiệt h¿i từ lũ có thá tăng lên đáng ká, vãi mức °ãc tính lên đÁn mát nghìn tÿ USD mßi năm do sự tăng đát biÁn vß dân sá và biÁn đổi khí hÃu [50, 101]. Theo báo cáo căa Trung tâm nghiên cứu dách tễ hãc vß thÁm hãa sau thiên tai (Centre for Research on the Epidemiology of Disasters - CRED), Việt Nam thuác khu vực Đông Nam Á, n¡i cháu Ánh h°çng căa bão và áp thấp nhiệt đãi. Báo cáo cho biÁt Việt Nam đ°ÿc xác đánh là mát trong 10 quác gia đứng đầu cháu Ánh h°çng do biÁn đổi khí hÃu [64].
HÃu quÁ, Việt Nam đã liên tāc bá Ánh h°çng nặng do các tai biÁn thiên nhiên gây ra nh° bão và áp thấp nhiệt đãi, lũ lāt và tr°ÿt lç đất. Đặc biệt, chß vãi lũ lāt đã °ãc tính khoÁng 71% dân sá và 59% diện tích đất căa Việt Nam bá Ánh h°çng trong vài năm qua [37, 56, 185, 196]. Tổng thiệt h¿i °ãc tính s¡ bá do bão và lũ trong giai đo¿n 1996-2015 đã chiÁm 0,62% tổng sÁn ph¿m quác nái (GDP) căa Việt Nam. Đißu này t°¡ng đ°¡ng vãi khoÁng 2,12 tÿ USD [134].
Dự báo cho thấy trong các năm tãi, biÁn đổi khí hÃu tiÁp tāc phức t¿p, dÁn đÁn các hiện t°ÿng thåi tiÁt bất th°ång và không theo quy luÃt, nh° bão nhiệt đãi hay m°a lãn bất th°ång gây lũ quét. Do đó, việc nghiên cứu vß lũ lāt đang trç nên ngày càng quan trãng h¡n bao giå hÁt. Đißu này giúp đÁm bÁo sự ổn đánh trong cuác sáng căa cáng đãng dân c°, bÁo vệ tài sÁn, môi tr°ång sáng và nguãn tài nguyên tự nhiên khßi nhāng tác đáng tiêu cực căa biÁn đổi khí hÃu. Nghiên cứu vß lũ lāt 2 không chß đóng vai trò quan trãng trong việc hiáu và dự báo các tác đáng căa biÁn đổi khí hÃu, mà còn cung cấp c¡ sç đá xây dựng các biện pháp phòng ngừa và ứng phó hiệu quÁ đá bÁo vệ cuác sáng và tài sÁn căa ng°åi dân.
Đây là nhiệm vā nằm trong ch°¡ng trình māc tiêu ứng phó vãi biÁn đổi khí hÃu và tăng tr°çng xanh căa Chính phă Việt Nam (QuyÁt đánh Sá: 1670/QĐ-TTg, ngày 31 tháng 10 năm 2017). Trong các lo¿i hình lũ lāt, lũ quét là hiện t°ÿng thiên tai đián hình và khác biệt so vãi lũ th°ång, do tính chất diễn biÁn nhanh vãi c°ång đá m¿nh, th°ång xÁy ra trong khoÁng thåi gian ngÅn, chẳng h¿n d°ãi 6 giå [169]. æ Việt Nam, đặc biệt t¿i các tßnh mißn núi phía BÅc, lũ quét là mát vấn đß th°ång xuyên xÁy ra và nghiêm trãng. Đißu này do Ánh h°çng căa m°a lãn, xái xÁ, hoặc do m°a kéo dài trong các c¡n bão nhiệt đãi kÁt hÿp vãi tính chất đặc thù căa đáa hình nh° chênh cao lãn, đá dác cao và cÅt xẻ sâu.
Ngoài ra, sự phát trián dân sá và gia tăng các ho¿t đáng dân sinh nh° chặt phá rừng và sÿ dāng đất không theo quy ho¿ch trong nhāng năm gần đây đã làm lũ quét có diễn biễn rất khác liệt và mức đá tàn phá cao. Do vÃy, nghiên cứu xây dựng các mô hình dự báo lũ quét nhằm dự báo các khu vực có nguy c¡ xÁy ra lũ quét là yêu cầu hÁt sức cấp thiÁt, từ đó giúp cáng đãng và chính quyßn đáa ph°¡ng chu¿n bá ứng phó tr°ãc thÁm hãa này, đãng thåi giÁm thiáu thiệt h¿i đái vãi ng°åi dân, tài sÁn và môi tr°ång. Đá giÁm thiáu Ánh h°çng tàn phá căa lũ quét, Việt Nam đã thực hiện nhißu nghiên cứu vß vấn đß này. Các nghiên cứu này nhằm xác đánh và dự báo hay cÁnh báo nguy c¡ lũ quét t¿i các khu vực cā thá.
Mát trong nhāng ph°¡ng pháp quan trãng đã đ°ÿc áp dāng là thiÁt lÃp các mô hình không gian và bÁn đã dự báo các khu vực có khÁ năng xÁy ra nguy c¡ lũ quét [74, 139, 147, 225]. Tuy đã có nhißu nghiên cứu vß lũ quét t¿i Việt Nam, nh°ng việc áp dāng các mô hình truyßn tháng đá dự báo lũ quét vÁn gặp phÁi nhißu h¿n chÁ. 3 Các mô hình này th°ång dựa trên sự liên quan giāa thăy văn, thăy lực, dòng chÁy và đáa hình đá xác đánh nguy c¡ lũ quét.