Tóm tắt Luận án Tiến sĩ: Nghiên cứu phát triển phương pháp học máy kết hợp thông tin không gian cho bài toán phân loại chất lượng nước ngầm

Nguồn nước ngầm đóng vai trò thiết yếu cho hàng tỷ người nhưng đang đối mặt với những thách thức nghiêm trọng từ ô nhiễm, đô thị hóa và biến đổi khí hậu, đặc biệt ở các khu vực như Đông Nam Á. Các phương pháp đánh giá truyền thống thường tốn kém, chậm và thiếu khả năng mở rộng. Nghiên cứu này tập trung vào việc khắc phục những hạn chế này bằng cách phát triển các phương pháp học máy tiên tiến, tích hợp thông tin không gian để cải thiện đáng kể độ chính xác và khả năng tổng quát trong phân loại chất lượng nước ngầm, đặc biệt là khả năng uống được. Mục tiêu là cung cấp một giải pháp hiệu quả và đáng tin cậy cho việc giám sát và quản lý tài nguyên nước quý giá này.

Các nhà khoa học, nhà nghiên cứu trong lĩnh vực học máy, GIS, khoa học môi trường, kỹ thuật nước, và các nhà hoạch định chính sách liên quan đến quản lý tài nguyên nước và sức khỏe cộng đồng.

Nghiên cứu này giải quyết bài toán cấp bách về đánh giá và phân loại chất lượng nước ngầm, một nguồn tài nguyên quan trọng đang chịu áp lực lớn. Luận văn đề xuất và phát triển các phương pháp học máy (ML) và học sâu (DL) kết hợp với Hệ thống thông tin địa lý (GIS) để khắc phục những hạn chế của các phương pháp truyền thống (chậm, tốn kém, thiếu khách quan) và cải thiện các mô hình ML/DL hiện có (độ chính xác, khả năng mở rộng, khả năng giải thích). Trọng tâm là nâng cao hiệu suất phân loại khả năng uống được của nước ngầm bằng cách sử dụng các mô hình lai tiên tiến như AI-LGBM (Máy Tăng Cường Gradient Nhẹ có tăng cường AI), PSO-SCNN (Mạng Nơ-ron Tích Chập Không Gian được tối ưu hóa bằng Tối ưu hóa Bầy Đàn), và CNN-GIS. Các mô hình này được huấn luyện và kiểm chứng trên bộ dữ liệu vật lý hóa học và không gian từ Đồng bằng sông Cửu Long (Việt Nam) và Odisha (Ấn Độ), với mục tiêu phân loại thành nhiều cấp độ như "Xuất sắc", "Tốt" và "Kém". Phương pháp nghiên cứu bao gồm việc sử dụng các kỹ thuật tối ưu hóa siêu tham số (như PSO, Optuna, AIO) và lựa chọn đặc trưng (MIFS) để đảm bảo độ bền vững và khả năng tổng quát. Giá trị ứng dụng của công trình nằm ở khả năng cung cấp phân loại chất lượng nước ngầm chính xác, kịp thời và có thể trực quan hóa thông qua bản đồ GIS, hỗ trợ các quyết định chính sách và quản lý tài nguyên nước hiệu quả. Điều này giúp xác định các điểm nóng và khu vực ưu tiên cần can thiệp, đóng góp vào việc bảo vệ sức khỏe cộng đồng và môi trường.