B GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HC M - ĐỊA CHT
BÙI DUY QUNH
NGHIÊN CỨU XÂY DỰNG HÌNH DỰ BÁO CHO ĐÁNH GIÁ
RỦI RO DO XÂM NHẬP MN ĐỒNG BNG NG CU LONG
BẰNG CÔNG NGHỆ ĐA TIN HC TRÍ TU NHÂN TẠO
NGÀNH: KỸ THUT TRẮC ĐA - BẢN ĐỒ
MÃ SỐ: 9520503
TÓM TẮT LUẬN ÁN TIẾN SĨ K THUT
Hà Nội 2025
Công trình được hoàn thành tại: B môn Đo ảnh và Viễn thám, Khoa
Trắc địa - Bản đồ Quản lý đất đai, Trường Đại hc M - Địa cht
Người ng dn khoa hc:
1. PGS.TS Trần Xuân Trường
Trường Đại hc M - Địa cht
2. PGS.TS Lưu Thị Diu Chinh
Trường Đại học Xây dựng Hà Nội
Phn bin 1: PGS.TS Phm Minh Hi
Cc Viễn thám Quốc gia
Phn bin 2: PGS.TS Bùi Ngọc Quý
Đại hc Quc gia Hà Nội
Phn bin 3: PGS.TS Trịnh Lê Hùng
Hc vin K thut Quân sự
Lun án đưc bo v ti Hội đồng đánh giá lun án cấp Tng hp ti
Tờng Đại hc M -Địa cht o hồi giờ, ngày… tng m 2025
Có thể tìm hiểu luận án tại:
- Thư viện Quc gia
- Thư viện Trường Đại hc M - Địa cht
1
M ĐẦU
1. Tính cấp thiết của đề tài
Biến đổi khí hậu (BĐKH), trưc hết là sự ng lên toàn cầu mực
c bin dâng (NBD), là mt trong nhng thác thc ln đi với nn loại.
Cnh hiện ợng này đã khiến cho nhiều ng đất thp s b chìm bị m
nhp mn (XNM). D báo XNM trước đây được áp dụng trên hình thy
lc, thy văn với u cầu d liệu đầu vào lớn. Hin nay, ng nghệ đa tin
hc và trí tu nhân tạo hướng tip cn mới trong xây dựng hình dự o.
Vic nghiên cu xây dng mô hình dự báo XNM bng ng ngh đa tin hc và
t tu nhân to rt có ý nghĩa trong vic d báo XNM đ đánh g rủi ro thn tai
(RRTT) do XNM, đc bit ti khu vc đng bng sông Cu Long (ĐBSCL).
2. Mục đích, đối tượng và phạm vi nghiên cứu
Mc đích nghn cứu ca lun án phát triển nh dự báo không
gian XNM dòng chảy c mt phc v cho đánh giá RRTT do XNM tại
mt s tnh khu vc ĐBSCL. Đối ợng nghn cứu XNM ng chảy c
mt khu vc ng Cửu Long, ng ngh địa tin hc, trí tu nn tạo và khung
đánh gRRTT do XNM. Phạm vi nghn cu ti 6 tnh Tin Giang, Hu
Giang, Vĩnh Long, Bến Tre, TVinh c Trăng trong giai đoạn a k
m 2019 -2020.
3. Nội dung nghiên cứu
Nghn cứu ng dụng ng nghệ địa tin hc trong thu thp s liu
đầu vào cho mô nh dự báo XNM. Phát triển mt s hình dự o XNM
ng chảy c mt bằng trí tu nhân tạo. Đánh giá RRTT XNM dựa trên
phương pháp trng s bt cân bằng Iyengar-Sudarshan.
4. Phương pháp nghiên cứu
Pơng pháp điều tra thực đa, phương pháp thng kê và phân tích,
phương pháp t tu nn to, phương pháp hình hóa, pơng pháp viễn
thám GIS, phương pháp thực nghim, phương pháp chuyên gia.
2
5. Ý nghĩa khoa học và thực tin của đề i
Luận án góp phần hoàn thiện mt s mô nh dự o XNM bằng
ng ngh đa tin hc trí tuệ nhân tạo để đánh g RRTT do XNM. Các
kết qu nghn cứu có th đưc ng dng trong ging dạy, nghiên cu khoa
hc và thực tế sn xut.
6. Những điểm mi ca luận án
1 - La chọn được c dữ liệu đa tin học thích hợp, phc v pt
triểnnh dự o không gian XNM ng chảy nước mt trên cơ s ng
dng phương pháp học máy theo nh thống Bayes (Bayesian Model
Averaging -BMA).
2 - Phát trin và thc nghim các mô hình học máy kết hp để d
báo không gian XNM dựa trên dữ liu đa tin hc (d liu vin thám) đa ngun.
3 Đ xuất và sử dụng phương pháp trng s bất cân bằng Iyengar-
Sudarshan trong xác định trng s cho nhiều tiêu chí đánh giá rủi ro do XNM
ti c ka cạnh dân sinh – kinh tế, giúp hạn chế tối đa c ý kiến ch quan
ca con ni.
7. Luận điểm bo v
- Luận đim th nht: Mô hình họcy kết hp PSO_Bagging và
PSO_RandomForest cho phép dự o không gian XNM dòng chảy nước mt
cho h thng sông Cửu Long vi độ chính xác caon so với các mônh
hc y đơn lẻ
- Lun đim th hai: Đánh g rủi ro do XNM theo phương pháp
trng s bt cân bằng Iyengar-Sudarshan trên cơ sở xem xét các khía cạnh
n sinh -kinh tế cho thy mức độ hiu qu phù hợp với điều kin ca khu
vc nghiên cu.
8. Kết cu ca luận án
Cu trúc luận án gồm các phn: m đầu, 4 chương nội dung, kết lun,
i liu tham kho và ph lc.
3
CHƯƠNG 1. TNG QUAN V CÁC VẤN ĐỀ NGHIÊN CỨU
1.1. Tổng quan về xâm nhập mặn
1.1.1. Khái niệm
XNM hiện tượng nước mn vi nồng độ mn bằng 4‰ xâm
nhập sâu vào nội đồng khi xy ra triều cường, nước biển dâng hoc cn
kit nguồn nước ngt [4].
1.1.2. Các nh ng của xâm nhập mn
XNM nh hưng đến nn kinh tế - xã hi, ảnh hưởng đến con người.
1.1.3. Các mô hình dự báo xâm nhập mn truyn thng
Các hình như MIKE (11,21), ISIS, FWQA, EFDC,
HEC_RAS, SAL, KODO1, VRSAP, HYDORGIS.
1.2. Công nghệ địa tin học hình trí tuệ nhân tạo trong xây
dựng mô hình dự báo xâm nhập mặn
1.2.1. Khái niệm v công nghệ địa tin hc
Công nghệ địa tin học hay còn gọi công nghệ 3S bao gm h
thống định v toàn cầu (Global Positioning System-GPS) nay là hệ thng
v tinh dẫn đường toàn cầu (Global Navigational Satellite Systems -
GNSS), viễn thám (Remote Sensing- RS) hệ thống thông tin địa
(GIS) [11,122,152,125].
1.2.2. Khái niệm v các mô hình trí tuệ nhân tạo
Trí tuệ nhân tạo (Artificial Intelligence- AI) trí thông minh
được th hin bằng máy móc và nó trái ngược với tthông minh tự nhiên
của con người. AI có mục tiêu chính là to ra nhng c máy thể t suy
nghĩ hành động giống như con người nhưng ưu điểm vượt trội
kh năng xử một lượng d liu ln vi tốc độ nhanh hơn con người
[98]. AI bao gm học máy và học sâu.