Mô hình dự báo tiềm năng nước ngầm ở vùng Bắc Trung Bộ

Để quản lý tối ưu nguồn tài nguyên quan trọng, chúng ta cần thăm dò được tiềm năng của nước ngầm. Hướng tới mục đích này, các nhà khoa học từ các khoa và viện Địa lý, khoa Thủy văn, Khí tượng và Hải dương học thuộc ĐHQGHN, Viện Hàn lâm KH&CN, Viện Tài nguyên và Môi trường TPHCM đã hợp tác nghiên cứu và đăng kết quả là bài báo Application of hybrid model-based machine learning for groundwater potential prediction in the north central of Vietnam (Ứng dụng học máy dựa trên mô hình lai để dự báo tiềm năng nước ngầm vùng Bắc Trung Bộ, Việt Nam) trên tạp chí Earth Science Informatics.

Để dự báo tiềm năng nước ngầm ở vùng Bắc Trung Bộ của Việt Nam, các nhà nghiên cứu đã phát triển một phương pháp mới dựa trên viễn thám, mạng lưới thần kinh sâu (DNN) và các thuật toán tối ưu hóa Adam, Thuật toán thụ phấn hoa (FPA), Tối ưu hóa dựa trên hệ sinh thái nhân tạo (AEO), Thuật toán tìm đường (PFA), Thuật toán tối ưu hóa kền kền châu Phi (AVOA) và Thuật toán tối ưu hóa cá voi (WOA).

Họ sử dụng 95 con suối hay giếng nước với 13 yếu tố điều kiện làm dữ liệu đầu vào cho mô hình học máy để tìm ra mối quan hệ thống kê giữa tình trạng có hoặc không có sự tồn tại của nước ngầm và các yếu tố điều kiện. Ngoài ra, họ dùng các chỉ số thống kê, cụ thể là sai số bình phương trung bình gốc (RMSE), diện tích dưới đường cong (AUC), độ chính xác, kappa (K) và hệ số xác định (R2) để xác minh các mô hình. Các kết quả cho thấy tất cả mô hình đề xuất đều có hiệu quả trong việc dự đoán nguồn nước ngầm tiềm tàng, với giá trị AUC lớn hơn 0,95. Trong số các mô hình được đề xuất, mô hình DNN-AVOA hiệu quả hơn các mô hình khác, với giá trị AUC là 0,97 và RMSE là 0,22.

Ngoài ra, theo bản đồ tiềm năng nước ngầm, khoảng 25–30% diện tích vùng nằm trong khu vực có tiềm năng nước ngầm cao và rất cao; 5–10% ở mức vừa phải và 60–70% ở mức thấp hoặc rất thấp. Kết quả của nghiên cứu này có thể được sử dụng trong việc quản lý tài nguyên nước nói chung và vị trí giếng thích hợp nói riêng.