Tóm tắt Luận án Tiến sĩ Kỹ thuật: Nghiên cứu xây dựng thuật toán tối ưu bộ thông số cho mô hình thủy văn Marine

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:27

Thêm vào BST

Báo xấu

5
lượt xem 3
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Mục tiêu nghiên cứu của luận án "Nghiên cứu xây dựng thuật toán tối ưu bộ thông số cho mô hình thủy văn Marine" là đề xuất được một giải thuật tối ưu toàn cục, đa mục tiêu mới dựa trên trên nền tảng tích hợp các ưu điểm vượt trội của các giải thuật đang được các nhà khoa học trên thế giới đánh giá cao; tích hợp được thuật toán tối ưu đề xuất vào mô hình thủy văn thông số phân bố Marine; áp dụng thử nghiệm thuật toán đề xuất mới cho lưu vực sông Nậm Mu.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Tóm tắt Luận án Tiến sĩ Kỹ thuật: Nghiên cứu xây dựng thuật toán tối ưu bộ thông số cho mô hình thủy văn Marine

BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ NÔNG NGHIỆP VÀ PTNT TRƯỜNG ĐẠI HỌC THỦY LỢI BÙI ĐÌNH LẬP NGHIÊN CỨU XÂY DỰNG THUẬT TOÁN TỐI ƯU BỘ THÔNG SỐ CHO MÔ HÌNH THỦY VĂN MARINE Ngành: Thủy văn học Mã số: 9440224 TÓM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT HÀ NỘI, NĂM 2023
Công trình được hoàn thành tại: Trường Đại học Thủy lợi Người hướng dẫn khoa học 1: GS.TS. Phạm Thị Hương Lan, Trường Đại học Thủy lợi Người hướng dẫn khoa học 2: GS.TS. Trần Hồng Thái, Tổng cục Khí tượng Thủy văn Phản biện 1: PGS.TS. Trần Ngọc Anh, Trường Đại học Khoa học Tự nhiên - Đại học Quốc gia Hà Nội Phản biện 2: PGS.TS. Hoàng Minh Tuyển, Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu Phản biện 3: GS.TS. Huỳnh Thị Lan Hương, Trường Đại học Tài nguyên và Môi trường Hà Nội Luận án sẽ được bảo vệ trước Hội đồng chấm luận án tại .......................................................................................................................... .......................................................................................................................... Vào lúc ....giờ....ngày.......tháng.......năm 2023. Có thể tìm hiểu luận án tại các thư viện: - Thư viện Quốc gia - Thư viện Trường Đại học thủy lợi
MỞ ĐẦU 1. Tính cấp thiết của luận án Biến đổi khí hậu, sự biến động của nguồn nước, các loại hình thiên tai cực đoan như hạn hán, thiếu nước, xâm nhập mặn, bão, lũ, ngập úng... đã và đang có nhiều tác động tiêu cực đến công tác quản lý tài nguyên nước và phòng, chống thiên tai. Do vậy cần có sự đánh giá, nhận diện đầy đủ và dự báo được các khả năng xảy ra để chủ động ứng phó trong mọi tình huống, đây là một vấn đề rất phức tạp, chịu tác động của nhiều yếu tố đầu vào phụ thuộc lẫn nhau, trong đó vấn đề tính toán dòng chảy trên lưu vực luôn là một thách thức lớn đối với các nhà khoa học vì tính bất định của nhiều yếu tố. Mô hình toán thủy văn luôn là một trong những công cụ hữu hiệu trong việc mô phỏng và dự báo nguồn nước và là một trong những yếu tố then chốt giúp nâng cao chất lượng dự báo. Tuy nhiên, hiện nay ở Việt Nam đa phần các công cụ, mô hình hỗ trợ tính toán, dự báo trong lĩnh vực này còn nhiều hạn chế. Các mô hình thủy văn mô tả quá trình mưa, dòng chảy được nghiên cứu và ứng dụng trong thực tiễn tại Việt Nam đến thời điểm hiện tại là không nhiều và không đa dạng, phổ biến sử dụng hiện nay là 2 mô hình thủy văn thông số tập trung (mô hình Tank và mô hình Nam). Gần đây, do các điều kiện về năng lực máy tính; chất lượng dữ liệu không gian (đặc biệt là dữ liệu vệ tinh, địa hình, thảm phủ); và chất lượng số liệu mưa mặt đất ngày một tốt hơn, các mô hình thủy văn thông số phân bố đang được phát triển và ứng dụng ngày càng nhiều trong thực tế, đặc biệt là ở các nước phát triển có chất lượng dữ liệu đầu vào tốt hơn. Mô hình thủy văn thông số phân bố ngày càng được ứng dụng nhiều trong các bài toán có liên quan đến lĩnh vực dự báo thủy văn và tài nguyên nước do có ưu điểm lớn là có thể mô phỏng và đánh giá biến động của tài nguyên nước theo không gian và thời gian. Tuy nhiên hầu hết các mô hình thủy văn thông số phân bố đang ứng dụng ở Việt Nam hiện nay, chưa có mô hình nào được phát triển và tích hợp tính năng điều khiển tối ưu thông số, đây là một hạn chế có ảnh hưởng rất lớn đến chất lượng dự báo và khả năng mở rộng phạm vi ứng dụng của mô 1
hình sang các lưu vực khác, do việc dò tìm thông số phải thực hiện thủ công sẽ tiêu tốn một lượng lớn thời gian, công sức, mang nặng tính chủ quan và hiểu biết của người hiệu chỉnh. Với mục tiêu có được một công cụ mô hình toán thủy văn hiện đại để giải các bài toán thực tiễn trong lĩnh vực thủy văn và tài nguyên nước. Trong khuôn khổ luận án tiến sĩ: “Nghiên cứu xây dựng thuật toán tối ưu bộ thông số cho mô hình thủy văn Marine”, tác giả sẽ đi sâu nghiên cứu các ưu, nhược điểm, cấu trúc của các giải thuật tối ưu trong lĩnh vực toán tối ưu và cấu trúc của các mô hình toán thủy văn thông số phân bố đang được đánh giá cao trên thế giới nhằm đề xuất một giải thuật tối ưu toàn cục, đa mục tiêu mới dựa trên trên nền tảng tích hợp các ưu điểm vượt trội của các giải thuật đang được các nhà khoa học trên thế giới quan tâm nghiên cứu. 2. Mục tiêu nghiên cứu của luận án ✓ Đề xuất được một giải thuật tối ưu toàn cục, đa mục tiêu mới dựa trên trên nền tảng tích hợp các ưu điểm vượt trội của các giải thuật đang được các nhà khoa học trên thế giới đánh giá cao. ✓ Tích hợp được thuật toán tối ưu đề xuất vào mô hình thủy văn thông số phân bố Marine ✓ Áp dụng thử nghiệm thuật toán đề xuất mới cho lưu vực sông Nậm Mu. 3. Đối tượng và phạm vi nghiên cứu Đối tượng nghiên cứu: Thuật toán tối ưu toàn cục, đa mục tiêu; Cấu trúc mô hình thủy văn thông số phân bố Phạm vi nghiên cứu: Bộ thông số của mô hinh Marine 4. Phương pháp nghiên cứu, kỹ thuật sử dụng Để đạt được mục tiêu của Luận án, trên cơ sở các nguồn tài liệu, các công trình nghiên cứu trên thế giới và ở Việt Nam trong lĩnh vực nghiên cứu thu thập được. Tác giả đã sử dụng các phương pháp nghiên cứu khoa học sau để thực hiện các nội dung nghiên cứu của Luận án: i) Phương pháp phân tích và tổng hợp lý thuyết; ii) Phương pháp kế thừa; iii) Phương pháp chuyên gia; iv) Phương pháp phân tích hệ thống. Kỹ thuật GIS và kỹ thuật lập trình được Luận án sử dụng để phân tích, xử lý dữ 2
liệu không gian, thử nghiệm giải thuật tối ưu và hiện thực hóa các kết quả nghiên cứu đạt được của Luận án. 5. Ý nghĩa khoa học và thực tiễn ▪ Ý nghĩa khoa học Góp phần hoàn thiện mô hình thủy văn thông số phân bố Marine. Có được một giải thuật tối ưu toàn cục, đa mục tiêu mới dựa trên trên nền tảng tích hợp các ưu điểm vượt trội của các giải thuật đang được các nhà khoa học trên thế giới đánh giá cao. Giải thuật đề xuất mới đã cải thiện được ba vấn đề còn tồn tại của các công trình nghiên cứu trước đó trong lĩnh vực thủy văn và tài nguyên nước bao gồm: 1) thời gian hiệu chỉnh còn rất lớn (đặc biệt là khi áp dụng cho mô hình thủy văn thông số phân bố); 2) bài toán có xu hướng hội tụ nhanh (giả hội tụ) khi số lượng thông số cần tìm lớn hoặc các hàm mục tiêu có tương quan cao; 3) các thuật toán thường có hiệu quả không cao khi số lượng các hàm mục tiêu cần hiệu chỉnh lớn. ▪ Ý nghĩa thực tiễn Mô hình phát triển sử dụng các kỹ thuật hiện đại, tích hợp năng lực khai thác hiệu quả các nguồn số liệu hiện có trên mạng lưới quan trắc KTTV của Việt Nam và kỹ thuật hiệu chỉnh thông số đa mục tiêu nên có tính ứng dụng thực tiễn cao, giúp nâng cao chất lượng giải các bài toán trong lĩnh vực thủy văn và tài nguyên nước. Mô hình sau khi phát triển thử nghiệm có thể triển khai trong nghiệp vụ tại Trung tâm Dự báo khí tượng thủy văn quốc gia; Mô hình phát triển được thiết kế phù hợp với điều kiện về số liệu và đặc điểm địa hình trên các lưu vực sông thuộc lãnh thổ Việt Nam nên có thể dễ dàng triển khai sang các lưu vực sông khác (ngoài lưu vực thử nghiệm của luận án). 6. Cấu trúc của luận án Ngoài phần mở đầu, phần kết luận và kiến nghị, luận án được trình bày trong 3 chương: Chương 1: Tổng quan các nghiên cứu về mô hình toán thủy văn thông số phân bố và bài toán ước tính thông số trong hệ thống phi tuyến; Chương 2: Cơ sở khoa học đề xuất giải thuật tối ưu bộ thông số mô hình MARINE. 3
Chương 3: Kết quả nghiên cứu thử nghiệm và thảo luận CHƯƠNG 1: TỔNG QUAN CÁC NGHIÊN CỨU VỀ MÔ HÌNH TOÁN THỦY VĂN THÔNG SỐ PHÂN BỐ VÀ BÀI TOÁN ƯỚC TÍNH THÔNG SỐ TRONG HỆ THỐNG PHI TUYẾN 1.1 Tổng quan cấu trúc và cơ sở toán học trong các hệ thống mô phỏng quá trình mưa, dòng chảy thông số phân bố đang sử dụng trên thế giới Các mô hình thủy văn thông số phân bố đang được phát triển và ứng dụng trong thực tế ngày càng nhiều, đặc biệt là ở các nước phát triển có chất lượng dữ liệu đầu vào tốt hơn. Hầu hết các trường đại học lớn trên thế giới đều nghiên cứu và phát triển mô hình thủy văn thông số phân bố nhằm phục vụ công tác nghiên cứu và giảng dạy, một vài mô hình có cấu trúc và thuật toán tốt đã được triển khai vào ứng dụng trong thực tế. Để đạt được mục tiêu nghiên cứu của luận án, trong nội dung này luận án đã tập trung phân tích tổng quan cấu trúc vật lý-toán (theo lát cắt ngang) của 12 hệ thống mô hình điển hình có tính ứng dụng cao, hiện đang được sử dụng tại nhiều nước trên thế giới, trong đó có Việt Nam để phục vụ cho mục đích phát triển mô hình toán và giải bài toán điểu khiển tối ưu đa mục tiêu của luận án. Các kết quả nghiên cứu tổng quan đã chỉ ra: - Trong cấu trúc của hệ thống các mô hình thủy văn thông số phân bố, các thành phần trong hệ thống thường được biểu diễn bằng các phương trình đạo hàm riêng, chứa cả biến không gian và thời gian. - Để thiết lập hệ thống, người phát triển hệ thống thường chia lưu vực ra thành các ô lưới tính, mỗi ô lưới được xem như cấu trúc của một mô hình thủy văn thông số tập trung thu nhỏ. 1.2 Tổng quan các thông số trong mô hình thủy văn thông số phân bố Ở nội dung này, luận án tiến hành phân tích tổng quan các thông số thường được sử dụng để hiệu chỉnh, kiểm định hệ thống và phân tích vai trò của chúng dựa trên tài liệu của 12 hệ thống nhằm định hướng cho việc lựa chọn phương pháp luận thực hiện mục tiêu nghiên cứu của luận án. Các kết quả phân tích cho thấy: số lượng thông số cần xác định trong hệ thống là rất lớn, độ lớn tùy thuộc vào độ phân giải của lưới tính, để xác định được các thông số trong hệ thống đòi hỏi máy 4
tính phải có năng lực tính toán lớn, tuy nhiên phần lớn các thông số trong hệ thống đều có liên quan đến lớp phủ thực vật và cấu trúc đất do vậy vấn đề này cũng có thể được cải thiện nếu tìm được quy luật này. 1.3 Tổng quan các phương pháp ước tính thông số trong hệ thống phi tuyến Ở nội dung này, luận án đã phân tích các kết quả đạt được về phương pháp ước tính thông số trong hệ thống phi tuyến từ công trình nghiên cứu đã được thực hiện trong hơn 3 thập kỷ qua. Các kết quả phân tích cho thấy vẫn còn tồn tại nhiều vấn đề cần phải tiếp tục nghiên cứu hoàn thiện để nâng cao hơn nữa hiệu quả của của thuật toán như: Thời gian hiệu chỉnh còn rất lớn (đặc biệt là khi áp dụng cho mô hình thủy văn thông số phân bố); Bài toán có xu hướng hội tụ nhanh (giả hội tụ) khi số lượng thông số cần tìm lớn hoặc các hàm mục tiêu có tương quan cao; Các thuật toán thường có hiệu quả không cao khi số lượng các mục tiêu hiệu chỉnh lớn;… 1.4 Tổng quan các nghiên cứu trong nước về vấn đề ước tính thông số trong hệ thống mô hình thủy văn 1.4.1 Tổng quan hiện trạng các công trình nghiên cứu có ứng dụng kỹ thuật tối ưu để giải các bài toán trong lĩnh vực thủy văn và tài nguyên nước Ở Việt Nam, kỹ thuật tối ưu hóa đã được nhiều nhà khoa học quan tâm nghiên cứu và ứng dụng để giải các bài toán khác nhau trong lĩnh vực thủy văn và tài nguyên nước, trong đó đặc biệt tập trung nhiều là bài toán tối ưu hóa trong tính toán vận hành hệ thống liên hồ chứa trên lưu vực. Các công trình nghiên cứu điển hình trong hai thập kỷ qua có thể kể đến như: Trần Hồng Thái (2005) [1]; Hà Văn Khối, Lê Bảo Trung (2003) [2]; Nguyễn Thế Hùng, Lê Hùng (2009) [3]; Ngô Lê Long, Henrik Madsen, Dan Rosbjerg (2007) [4]; Nguyễn Lan Châu và nnk (2010) [5]; Hoàng Thanh Tùng, Hà Văn Khối, Nguyễn Thanh Hải (2013) [6]; Nguyễn Hữu Khải, Lê Xuân Cầu (2009) [7]. Có thể nhận thấy, các phương pháp tối ưu sử dụng để giải các bài toán trong lĩnh vực thủy văn và tài nguyên nước ở nước ta hiện nay, đa phần là phương pháp quy hoạch động hai chiều, giải thuật tiến hóa xáo trộn phức hợp SCE, và một vài công cụ tối ưu được xây dựng sẵn từ các công trình nghiên cứu ngoài nước, hầu hết các phương pháp sử dụng hiện nay đều sử dụng kỹ thuật tối ưu đơn mục tiêu để 5
giải bài toán (một vài nghiên cứu đã xem xét, lập luận để chuyển hóa các mục tiêu còn lại thành các ràng buộc của bài toán). Hầu hết các lời giải hiện nay đều được thực hiện dựa trên các kỹ thuật tối ưu được đề xuất từ trước năm 2008. 1.4.2 Tổng quan các nghiên cứu trong nước về vấn đề ước tính tối ưu thông số trong hệ thống mô hình thủy văn Không có nhiều công trình nghiên cứu ứng dụng các kỹ thuật tối ưu để giải bài toán ước tính thông số trong hệ thống mô hình thủy văn được tìm thấy trên các tạp trí công bố trong nước. Công trình nghiên cứu điển hình trong hai thập kỷ qua để giải quyết bài này có thể kể đến tác giả Trần Hồng Thái (2009) [8]. Từ các kết quả nghiên cứu đăng trên các tạp chí khoa học cho thấy, các mô hình thủy văn mô tả quá trình mưa, dòng chảy được nghiên cứu và ứng dụng trong thực tiễn tại Việt Nam không nhiều, phổ biến sử dụng hiện nay là 2 mô hình thủy văn thông số tập trung NAM (đặc biệt là mô hình Mike-NAM của DHI) và mô hình TANK của Nhật Bản, cả hai mô hình này đều đã được tích hợp sẵn tính năng dò tìm thông số tự động. Gần đây, các điều kiện về năng lực máy tính; chất lượng dữ liệu vệ tinh (đặc biệt là dữ liệu địa hình, thảm phủ); và chất lượng số liệu mưa mặt đất ngày một tốt hơn, một vài mô hình thủy văn thông số phân bố đã được nghiên cứu ứng dụng ở nước ta như mô hình MARINE, WETSPA, WEB-DHM, DIMOSOP, SWAT, IFAS..., tuy nhiên hầu hết các mô hình thủy văn thông số phân bố này đều chưa được phát triển và tích hợp tính năng điều khiển tối ưu thông số. 1.5 Định hướng nghiên cứu của luận án Từ các kết quả nghiên cứu tổng quan, tác giả nhận thấy việc nghiên cứu đề xuất một giải thuật tối ưu mới dựa trên nền tảng tích hợp các ưu điểm vượt trội của các giải thuật đang được các nhà khoa học trên thế giới đánh giá cao, phù hợp để giải các bài toán trong lĩnh vực thủy văn và tài nguyên nước, đặc biệt là giải bài toán ước tính tối ưu thông số trong hệ thống mô hình thủy văn phân bố chứa các phương trình toán học phi tuyến là cần thiết và cũng là định hướng nghiên cứu của tác giả trong luận án này. 1.6 Kết luận chương 1 - Các phương pháp tối ưu sử dụng để giải các bài toán trong lĩnh vực thủy văn và 6
tài nguyên nước ở nước ta hiện nay, đa phần là phương pháp quy hoạch động hai chiều, giải thuật tiến hóa xáo trộn phức hợp SCE, và một vài công cụ tối ưu được xây dựng sẵn từ các công trình nghiên cứu ngoài nước. Hầu hết các lời giải hiện nay đều được thực hiện dựa trên các kỹ thuật tối ưu được đề xuất từ trước năm 2008. - Trên thế giới, các thuật toán tối ưu được đề xuất để hiệu chỉnh mô hình thủy văn còn tồn tại nhiều vấn đề cần phải tiếp tục nghiên cứu hoàn thiện như: Thời gian hiệu chỉnh còn rất lớn (đặc biệt là khi áp dụng cho mô hình thủy văn thông số phân bố); Bài toán có xu hướng hội tụ nhanh (giả hội tụ) khi số lượng thông số cần tìm lớn hoặc các hàm mục tiêu có tương quan cao; Các thuật toán thường có hiệu quả không cao khi số lượng các mục tiêu hiệu chỉnh lớn. - Dựa trên những hạn chế được chỉ ra trong phần tổng quan, tác giả đã định hướng được hướng nghiên cứu của luận án để cải thiện những hạn chế nêu trên. CHƯƠNG 2: CƠ SỞ KHOA HỌC ĐỀ XUẤT GIẢI THUẬT TỐI ƯU BỘ THÔNG SỐ MÔ HÌNH MARINE 2.1 Nghiên cứu đề xuất giải thuật tối ưu toàn cục đa mục tiêu mới cho bài toán hiệu chỉnh thông số tự động trong mô hình thủy văn Nếu phân loại phương pháp giải theo hàm mục tiêu hiệu chỉnh F(X), bài toán tối ưu có thể phân ra thành ba lớp chính gồm: 1) Bài toán tối ưu thông số đơn mục tiêu; 2) Bài toán tối ưu thông số đa mục tiêu tổng hợp về đơn mục; 3) Bài toán tối ưu thông số đa mục tiêu giải trực tiếp. Theo cách thứ 3 bài toán tối ưu đa mục tiêu (MOP) được biểu diễn như sau: Min 𝐹(𝑥) = (𝑓1 (𝑥), … , 𝑓 𝑚 (𝑥)) 𝑇 (2-3) 𝑔 𝑗 (𝑥) ≥ 0, 𝑗 = 1, … , 𝐽 𝑆𝑎𝑜 𝑐ℎ𝑜: { ℎ 𝑘 = 0, 𝑘 = 1, … , 𝐾 𝑥 ∈ Ω Trong đó: ▪ J và K là số của bất phương trình và phương trình ràng buộc tương ứng ▪ 𝛀 ⊆ ℝ 𝒏 là không gian thông số (không gian biến quyết định), ▪ 𝒙 = (𝒙 𝟏 , … , 𝒙 𝒏 ) 𝑻 ∈ 𝛀 là véc tơ thông số 7
▪ F: Ω -> Rm là hàm ánh xạ từ không gian thông số Ω sang không gian Euclid m chiều. ▪ Rm gọi là không gian mục tiêu. Lựa chọn tốt nhất hiện nay để giải bài toán trên là phát triển các thuật toán theo hướng tiến hóa đa mục tiêu (MOEAs), kết hợp với khái niệm tối ưu Pareto. Từ các kết quả tổng hợp, phân tích ưu, nhược điểm của các công trình nghiên cứu trong và ngoài nước, phân tích ưu, nhược điểm của các phương pháp giải khác nhau. Luận án lựa chọn hướng tiếp cận giải bài toán theo cách thứ 3 "Giải bài toán tối ưu đa mục tiêu trực tiếp" để xây dựng giải thuật nhằm đạt được mục tiêu nghiên cứu của luận án. Giải thuật tối ưu đa mục tiêu mới của luận án được xây dựng trên nền tảng kết hợp các thành tựu đã đạt được của thuật toán tối ưu đơn mục tiêu trong lĩnh vực thủy văn và tài nguyên nước SCE_UA và thuật toán tối ưu đa mục tiêu SPEA/R [9]. Cụ thể giải thuật tối ưu đề xuất mới của luận án sẽ được xây dựng trên nền tảng ứng dụng các khái niệm sau: o Tiếp cận kết hợp tất định, ngẫu nhiên o Tiến hóa phức hợp o Tiến hóa cạnh tranh o Xáo trộn phức hợp o Phân rã không gian dựa trên hướng tham chiếu o Đánh giá cá thể dựa trên hướng tham chiếu ▪ Giải thuật đề xuất mới MSCE_UA Giải thuật MSCE_UA được thiết kế để có thể tìm kiếm lời giải tối ưu (trong không gian lời giải khả thi) trên tập tối ưu Pareto thông qua tập các lời giải tham gia. Khác với thuật toán gốc SCE_UA, kỹ thuật tối ưu đa mục tiêu sẽ được luận án sử dụng để tiến hóa mẫu thay cho kỹ thuật tối ưu đơn mục tiêu của thuật toán gốc. Cấu trúc thuật toán MSCE_UA được thiết kế tương tự thuật toán SCE_UA [10], các kỹ thuật đánh giá cá thể, sắp xếp mẫu của thuật toán SCE_UA và CCE được thay thế bằng thuật toán SPEA/R [11] cải tiến. Cấu trúc tổng thể của thuật toán MSCE_UA 8
1: Input: S (mẫu khởi động) 2: Ouput: Xấp xỉ tập Pareto-optimal front và bộ thông số tối ưu đề xuất 3: Khởi động thuật toán, nạp file cấu hình chứa các thông tin điều khiển thuật toán vào biến 𝑗 1 4: Sinh s điểm mẫu véctơ 𝜃 𝑖 = (𝜃1 , … , 𝜃 𝑠𝑛 ) với i=1, …, s và j=1, …, n trong không gian thông số 𝛺 𝜖 𝑅 𝑛 và lưu trữ trong tập X, xác định tập véctơ hàm mục tiêu tương ứng 𝐹(𝜃 𝑖 ) = (𝑓1 (𝜃 𝑖 ), … , 𝑓 𝑀 (𝜃 𝑖 ) , và lưu trữ trong biến Xf[1:s, 𝑓j , … , 𝑓 𝑀 , fitness), trong đó j=1÷M, M là số hàm mục tiêu. 5: Sinh tập hướng tham chiếu W: UniformPoint(k, M, emxArray_real_T *W); 6: Tính giá trị fitness cho mỗi cá thể trong mẫu X dựa trên tập véctơ hàm mục tiêu tương ứng Xf bằng cách sử dụng hàm: SPEAR(Xf, Xf[fitness]), sắp xếp lại mẫu X theo giá trị tăng dần của Xf[fitness]. 7: Chia mẫu X và tập véctơ hàm mục tiêu tương ứng Xf tới p phức phợp và lưu trữ trong biến tương ứng Cx 𝑘 , Cf 𝑘 với k = 1, …, p 8: Tiến hóa các phức hợp đã chia riêng biệt theo theo thuật toán tiến hóa phức hợp cạnh tranh cải tiến void MCCE(Cx, Cf) 9: Xáo trộn các các phức hợp Cx và Cf trở lại mẫu X và tập véctơ hàm mục tiêu Xf tương ứng, tính toán fitness SPEAR(Xf, Xf[fitness]) và sắp xếp mẫu X theo chiều tăng dần của giá trị fitness. 10: Kiểm tra hội tụ. Nếu điều kiện hội tụ thỏa mãn thì kết thúc thuật toán, nếu không thì quay lại bước 7. Tiếp cận MCCE xem bài toán tìm kiếm toàn cục như là một quá trình tiến hóa tự nhiên. Mỗi thành viên trong cộng đồng là một tiềm năng cha để tham gia vào tiến trình sản sinh thế hệ mới. Phức hợp con tham gia vào tiến trình tiến hóa giống như một cặp cha mẹ. Để đảm bảo quá trình tiến hóa là cạnh tranh, các phức hợp con sẽ được luận án lựa chọn theo luật phân phối xác suất hình thang ở đó các cá thể cha có giá trị fitness tốt hơn sẽ đóng góp vào quá sản sinh thế hệ con cao hơn. 9
2.2 Nghiên cứu tích hợp giải thuật vào mô hình Marine Để đảm bảo giải thuật hoạt động hiệu quả, chính xác trước khi mã hóa và triển khai ứng dụng trong thực tế. Trong nội dung này luận án sử dụng công cụ MatLab để mô phỏng và đánh giá mức độ hiệu quả của bài toán tối ưu đa mục tiêu đề xuất, trên nền tảng các bài toán kiểm thử mẫu ZDT1, ZDT6 và DTLZ1, DTLZ5 được đề xuất bởi [12] và [13] trước khi tiến hành tích hợp vào mô hình Marine. ▪ Kết quả thử nghiệm giải thuật trên các bài toán kiểm tra a) Tập Pareto front trên bài b) Tập Pareto front trên bài toán ZDT1 toán ZDT6 Hình 2-2: Kết quả mô phỏng tập Pareto front qua bài toán kiểm tra a) ZDT1 và b) ZDT6 a) Tập Pareto front trên bài b) Tập Pareto front trên bài toán DTLZ1 toán DTLZ5 Hình 2-3: Kết quả mô phỏng tập Pareto front qua bài toán kiểm tra a) DTLZ1 và b) DTLZ5 Kết quả thử nghiệm giải thuật trên 4 bài toán kiểm tra Hình 2-2 và Hình 2-3 cho thấy rõ ràng, thuật toán đề xuất có thể đạt được một sự phân bố khá tốt của các 10
điểm (lời giải) trên tập Pareto front, không gian lời giải cũng đã chỉ ra được tính đa dạng của các lời giải trên các hàm mục tiêu cạnh tranh của tập Pareto front. Bảng 2.1: Kết quả chỉ số đánh giá mức độ hiệu quả của giải thuật IGD, HV (trung bình và độ lệch chuẩn) đạt được qua các bài toán kiểm tra ZDT1 ZDT6 DTLZ1 DTLZ5 IGD HV IGD HV IGD HV IGD HV 4.9621e-3 7.1880e-1 6.9891e-2 3.1083e-1 4.6169e-2 7.6382e-1 2.9604e-2 7.6382e-1 (4.33e-4) (7.32e-4) (5.30e-2) (6.19e-2) (2.31e-2) (8.01e-2) (4.50e-3) (8.01e-2) Bảng 2.1 cũng cho thấy các chỉ số đánh giá mức độ hiệu quả của giải thuật IGD, HV là khá tốt, toàn bộ các chỉ số IGD đều có giá trị nhỏ hơn 0.1, chỉ số HV nhỏ hơn 0.8. Chỉ số IGD và HV có xu hướng tốt hơn so với NSGA-II, NSGA-II+SDE, MOEA/D, MOEA/IGD-NS trên cùng bài toán kiểm tra [55], trên bài toán ZDT1 chỉ số HV của NSGA-II là 6.6054e-1, MOEA/D là 6.6035e-1, MOEA/IGD-NS là 6.6085e-1 trong khi của giải thuật đề xuất là 7.1880e-1, chỉ số IGD của MOEA/D là 4.9935e-3 trong khi của giải thuật đề xuất là 4.9621e-3,... ▪ Xây dựng chương trình tối ưu thông số toàn cục, đa mục tiêu đề xuất mới MSCE_UA Có 25 hàm chức năng và khoảng 4500 dòng lệnh được luận án mã hóa trên ngôn ngữ lập trình C++ để thực hiện bước 5 và 6 trong giải thuật tổng thể MSCE_UA dựa trên nền tảng kế thừa cơ sở lý thuyết và giải thuật SPEA/R (chi tiết mã nguồn của thuật toán xem trong phần phụ lục báo cáo chính). Chương trình được thiết kế để hoạt động theo các bước đã được đề xuất trong giải thuật của luận án. Các bước 3,4 và 7,8,9,10 được tích hợp trực tiếp trên đối tượng (mô hình) cần tối ưu, bước 5, 6 hoạt động song song cùng đối tượng tối ưu. Sau mỗi chu trình tiến hóa, tập hợp các cá thể mới sẽ được chuyển qua bước 5,6 để đánh giá và phân loại, các cá thể sau khi xác định được vị trí trong quần thể sẽ được chuyển lại bước 7 để tiếp tục chu trình tiến hóa cho đến khi điều kiện hội tụ ở bước 10 được thỏa mãn. Chương trình có khả năng hoạt động song song trên nhiều Server hoạt động trong môi trường hệ điều hành Linux và hệ điều hành máy tính hiệu năng cao Cray XC 40 Series. 11
▪ Tích hợp giải thuật vào mô hình Marine Mô hình MARINE (Modelisation de lAnticipation du Ruissellement at des Inondations pour des événements Extrêmes) do Viện Cơ học chất lỏng Toulouse của Pháp phát triển (IMFT -Institut de Mecanique de Fluides de Toulouse). Mô hình được phát triển dựa trên phương trình bảo toàn khối lượng và phương thức thấm Green Ampt. Trong nội dung này, luận án đã tích hợp trực tiếp thuật toán vào mô hình thủy văn thông số phân bố MARINE như là một phần của mô hình toán, sử dụng ngôn ngữ lập trình Fortran và C++. Mô hình được thiết kế để chạy thử nghiệm song song trên 02 Server sử dụng hệ điều hành Linux (Red Hat Enterprise Linux Server, 18 Processor: Intel CPU @ 2.6 GHZ). Có 4 mô đun chức năng chính được bổ sung vào mô hình Marine nhằm mục đích tích hợp thuật toán vào mô hình và thực hiện các bước 3,4 và 7,8,9,10 trong thuật toán đề xuất mới MSCE_UA (chi tiết mã nguồn xem phần phụ lục báo cáo chính). 2.3 Kết luận chương 2 Trong chương này, luận án: 1) Đã đề xuất và xây dựng được giải thuật tối ưu toàn cục, đa mục tiêu mới MSCE_UA để giải các bài toán tối ưu trong lĩnh vực thủy văn và tài nguyên nước. Chương trình có thể vận hành trên môi trường hệ điều hành Linux (chạy song song trên nhiều Server) hoặc vận hành trên hệ thống Cray XC Series (hệ thống siêu máy tính hiệu năng cao); 2) Đã lồng ghép thành công được giải thuật mới vào mô hình thủy văn thông số phân bố MARINE phục vụ bài toán hiệu chỉnh và kiểm định thông số mô hình tự động khi xét đồng thời các tiêu chí đánh giá kết quả. Thuật toán đề xuất mới MSCE_UA được thực hiện dựa trên sự lai ghép giữa hai thuật toán SCE_UA và SPEA/R, trên nền tảng tích hợp các ưu điểm vượt trội của hai thuật toán này, nhằm nâng cao hiệu quả và chất lượng của bài toán hiệu chỉnh thông số trong mô hình thủy văn thông số phân bố và ứng dụng để giải các bài toán tối ưu khác trong lĩnh vực thủy văn và tài nguyên nước. 12
CHƯƠNG 3: KẾT QUẢ NGHIÊN CỨU THỬ NGHIỆM VÀ THẢO LUẬN Để đánh giá khả năng ứng dụng của thuật toán đề xuất mới MSCE_UA trong thực tế, luận án lựa chọn tích hợp cả hai: thuật toán gốc SCE_UA và thuật toán đề xuất MSCE_UA vào mô hình thủy văn thông số phân bố MARINE. Lưu vực lựa chọn thử nghiệm thuật toán là lưu vực sông Nâm Mu (đến hồ Bản Chát) trên sông Đà. 3.1 Ứng dụng mô hình Marine cho lưu vực thử nghiệm 3.1.1 Phân chia lưu vực bộ phận Trong quá trình triển khai ứng dụng mô hình, để giảm thiểu tác động theo không gian của các yếu tố đầu vào như thành phần đất, thành phần thảm phủ và sự biến động của phân bố mưa theo không gian..., hầu hết các mô hình toán thủy văn hiện đại hiện nay, đều đòi hỏi phải chia nhỏ lưu vực lớn thành các tiểu lưu vực nhỏ hơn, trước khi có thể thực hiện được các mô phỏng thủy văn. Nhưng, cách thức phân chia lưu vực như thế nào? và chia thành bao nhiêu tiểu lưu vực thì hợp lý? vẫn còn là những câu hỏi khó và là vấn đề còn gặp nhiều khó khăn khi triển khai ứng dụng trong thực tế. Hình 3-10: Mô tả tiến trình đánh số lưu vực trong môi trường ARC/INFO cho lưu vực hồ Bản Chát 13
Công tác phân chia lưu vực không hợp lý sẽ dẫn đến những khó khăn trong công tác hiệu chỉnh thông số mô hình và quá trình gom nước diễn toán lũ trong sông, từ đó kéo theo chất lượng mô phỏng lũ trên lưu vực cũng bị suy giảm. Để giải quyết vấn đề này, luận án đã nghiên cứu và lựa chọn hệ thống đánh số lưu vực Pfafstetter để thực hiện nhiệm vụ phân chia tiểu lưu vực cho lưu vực thử nghiệm [14]. Ngôn ngữ AML (ARC/INFO Macro Language) và ngôn ngữ lập trình Fortran là hai công cụ chính được sử dụng để hiện thực hóa phương pháp đánh số lưu vực Pfafstetter và ứng dụng cho hồ chứa Bản Chát. Hình 3-10 là kết quả ứng dụng hệ thống đánh số lưu vực Pfafstetter cho lưu vực hồ Bản Chát, theo đó 9 lưu vực từ lưu vực lớn đã được đánh số và tách rời để có thể sẵn sàng ứng dụng mô hình Marine vào tính toán dòng chảy từ mưa. 3.1.2 Thiết lập sơ đồ tính mưa~dòng chảy cho mô hình Marine Hình 3-11: Sơ đồ tính mưa dòng chảy cho lưu vực hồ Bản Chát 14
Sơ đồ tính mưa~dòng chảy trên lưu vực được xây dựng chủ yếu dựa trên quá trình phân tích hiện trạng về tình hình: mạng lưới sông suối; hệ thống hồ chứa thủy điện vừa và nhỏ; sự phân bố địa hình; và cơ sở hạ tầng hệ thống trạm quan trắc mưa, lũ hiện có trên lưu vực. Hình 3-11 là kết quả thiết lập sơ đồ tính mưa~dòng chảy cho lưu vực phục vụ gom nước trên hệ thống từ mô hình Marine, có tổng số 9 tiểu lưu vực, 12 node gom nước và 4 segment tham gia trực tiếp vào quá trình tính toán dòng chảy đến hồ Bản Chát. 3.2 Số liệu, thông số và hàm mục tiêu tham gia thử nghiệm 3.2.1 Số liệu thử nghiệm Luận án sử dụng 19 năm (2001-2019) số liệu quan trắc lấy từ nguồn dữ liệu do Trung tâm Dự báo KTTV quốc gia cung cấp để đánh giá hiệu suất và hiệu quả của thuật toán. Sử dụng số liệu lũ ứng với mùa lũ các năm điển hình lũ lớn, lũ trung bình và lũ nhỏ trên lưu vực để hiệu chỉnh thông số mô hình, bao gồm các năm 1969, 1971, 1999, 2001 ÷ 2009, 2012 ÷ 2019 (15/6-15/10). Các năm trước 2009 lấy số liệu lưu lượng tại trạm Bản Củng để kiểm định hiệu chỉnh thông số, các năm sau 2012 sử dụng trực tiếp số liệu lưu lượng đến hồ Bản Chát để kiểm định, hiệu chỉnh thông số 3.2.2 Thông số và hàm mục tiêu tham gia thử nghiệm Luận án lựa chọn 04 thông số để thử nghiệm thuật toán tối ưu đề xuất MSCE_UA cho mô hình Marine bao gồm: thông số sức cản bề mặt 𝐾 𝑚 ;  độ rỗng đất; 𝛹 Cột nước mao dẫn của mặt ướt (mm); 𝐾 Độ dẫn thuỷ lực (mm/hr). Các thông số khác được cố định hoặc tính toán nội suy từ dữ liệu bản đồ DEM, xem Bảng 3.7. Bảng 3.7: Các thông số tối ưu và giới hạn biên của chúng trong mô hình Marine Các thông số tối ưu Ký hiệu biến Biên dưới Biên trên 𝑲 𝒎 var4_ODS 0.01 0.3  var1_ETA 0.25 0.5 𝜳 (mm) var2_SF 20 520 𝑲 (mm/hr) var3_KGA 0.3 120 Nghiên cứu này lựa chọn 03 hàm mục tiêu có tính xung đột cao tham gia đồng thời vào bài toán tối ưu, các hàm mục tiêu được chỉ ra trong Bảng 3.8. 15
Bảng 3.8: Danh sách các hàm mục tiêu tham gia vào bài toán thử nghiệm Tên hàm mục tiêu Ký hiệu biến Công thức toán 𝑛 ∑ 𝑡=1(𝑂 𝑡 − 𝑆 𝑡 (𝜃))2 Nash–Sutcliffe NASH 1− Measure ∑ 𝑡=1(𝑂 𝑡 − ̅ )2 𝑛 𝑂 𝑀𝑙 Root Mean Squared 1 1 𝑛𝑗 RMSE ∑ √ ∑ (𝑂 𝑖 − 𝑆 𝑖 (𝜃))2 Error 𝑀𝑙 𝑛𝑗 𝑖=1 𝑗=1 Absolute Peak APD | max {𝑂 𝑡 } − max {𝑆 𝑡 (𝜃)}| Difference 1≤𝑡≤𝑛 1≤𝑡≤𝑛 Trong đó: 𝑂 𝑡 là lưu lượng thực đo tại thời điểm quan trắc t (t=1, …, n); 𝑀 𝑙 là số sự kiện dòng chảy thấp, 𝑛 𝑗 là số bước trong mỗi sự kiện; 𝑆 𝑡 (𝜃) giá trị lưu lượng mô phỏng đạt được của mô hình Marine tại thời điểm t; ̅ là giá trị trung bình lưu 𝑂 lượng thực đo của chuỗi quan trắc. 3.3 Phân tích kết quả thử nghiệm 3.3.1 Kết quả ứng dụng thử nghiệm giải thuật đề xuất mới MSCE_UA hiệu chỉnh thông số cho mô hình Marine Hình 3-22: Không gian thông số chuẩn hóa, đường đậm là lời giải tìm được của giải thuật MSCE_UA phù hợp cho mùa lũ nhiều năm 16
Hình 3-23: Không gian mục tiêu chuẩn hóa, đường đậm là 3 mục tiêu tối ưu đồng thời đạt được của giải thuật MSCE_UA tương ứng với thông số tìm được Bảng 3.13: Kết quả đánh giá chỉ tiêu mô phỏng mùa lũ các năm thông qua lưu lượng đến hồ Bản Chát Qđến Bản Chát Năm S/ Nash 2001 0.65 0.58 2002 0.56 0.69 2003 0.57 0.68 2004 0.57 0.68 2005 0.67 0.55 2006 0.54 0.71 2007 0.51 0.74 2008 0.64 0.59 2009 0.54 0.71 Trung bình 0.58 0.66 Max 0.67 0.74 Min 0.51 0.55 (*) Bảng trên tính trong điều kiện lưu lượng đến hồ Bản Chát được nội suy từ trạm Bản Củng theo tỷ lệ diện tích. 17
▪ Phân tích kết quả Hình 3-24: Đường quá trình giữa lưu lượng đến hồ Bản Chát tính toán và thực tế (nội suy) năm 2009 Các kết quả đạt được trong Bảng 3.13 cho thấy giải thuật đề xuất mới MSCE_UA áp dụng thử nghiệm hiệu chỉnh thông số cho mô hình Marine cho kết quả khá tốt, chỉ tiêu chất lượng S/ và chỉ tiêu Nash đều đạt chỉ tiêu cho phép, điều đó cho thấy giải thuật đề xuất mới có thể ứng dụng để tối ưu thông số cho mô hình Marine. 3.3.2 Kết quả so sánh giữa giải thuật đề xuất mới MSCE_UA và giải thuật gốc SCE_UA trong bài toán hiệu chỉnh thông số mô hình Marine Trong thử nghiệm này, luận án quan tâm chủ yếu đến mức độ hội tụ của các thông số tối ưu và khả năng mô phỏng của mô hình toán thủy văn thông số phân bố trên nền tảng ứng dụng thuật toán mới MSCE_UA so với thuật toán gốc SCE_UA, các khía cạnh khác của thuật toán SCE_UA và thuật toán SPEA/R có thể tìm thấy trong tài liệu [10], [11]. ▪ Phân tích thông số tối ưu Các lời giải tối ưu của 4 thông số trong mô hình Marine trên các sự kiện lũ khác nhau, biểu diễn trên các biểu đồ Hình 3-25 cho thấy vùng hội tụ của cả hai phương pháp có khuynh hướng tương tự nhau, tuy nhiên thông số var2_SF (cột nước mao dẫn) và thông số var3_ODS (độ nhám bề mặt) của phương pháp SCE_UA có vùng biến động mạnh và hội tụ kém hơn so với phương pháp mới MSCE_UA 18