Nước dưới đất (NDĐ) là nguồn tài nguyên thiên nhiên quý giá nhưng số lượng có hạn, cần được đánh giá một cách chính xác mới có các quyết định hợp lý liên quan đển quản lý, khai thác sử dụng và bảo vệ tài nguyên nước dưới đất.
Một trong những yếu tố cần phải theo dõi xác định là mực nước, biểu thị bằng độ sâu cách mặt đất hoặc độ cao tuyệt đối. Mực nước dưới đất luôn biến động theo thời gian và không gian phụ thuộc vào các yếu tố khí hậu, địa hình, địa chất thủy văn,... cũng như sự tương tác của chúng, khiến việc mô phỏng rất khó khăn. Các nghiên cứu để dự báo mực nước dưới đất bằng các mô hình khái niệm/vật lý bộc lộ nhiều hạn chế nhất là khi không có đầy đủ số liệu. Các nghiên cứu gần đây cho thấy, mạng nơ-ron nhân tạo (ANN) có thể dự báo sự dao động mực nước dưới đất với độ chính xác cao hơn, đặc biệt là đối với tầng chứa nước các thành tạo cacbonat.
Từ khoá: Mạng nơ-ron nhân tạo, mực nước dưới đất, tầng chứa nước khe nứt, lưu vực sông Nhuệ-Đáy.
Nội dung nghiên cứu
Vùng nghiên cứu
Vùng nghiên cứu là tiểu lưu vực sông (LVS) Nhuệ-Đáy có diện tích khoảng 8.000 km2, trải trên 6 tỉnh: Hà Nam, Nam Định, Ninh Bình, Hà Nội và Hòa Bình (Hình 1). Khu vực nghiên cứu có khí hậu nhiệt đới gió mùa nóng ẩm, đặc trưng bởi mùa đông khô, lạnh và mùa hè nóng ẩm, mưa nhiều. Các đặc trưng khí tượng của vùng: Nhiệt độ trung bình năm từ 240C đến 270C, lượng mưa từ 1.500 đến 2.200 mm. LVS Nhuệ - Đáy có hai loại tầng chứa nước (Hình 2): Các tầng chứa nước lỗ hổng các trầm tích bở rời Đệ tứ phân bố ở vùng đồng bằng và các thung lũng hẹp giữa các vách núi với diện tích khoảng 5.500 km2; các tầng chứa nước khe nứt các thành tạo cacbonat và cố kết có tuổi địa chất khác nhau phân bố ở phía Tây Nam lưu vực với diện tích lộ thiên khoảng 2.500 km2.
Dữ liệu cần thiết
Hình 1, 2. Vị trí và sơ đồ địa chất thủy văn vùng nghiên cứu
.jpg)
Để nghiên cứu, các tác giả sử dụng giá trị độ cao của 104 lỗ khoan, dữ liệu mực nước tại 7 lỗ khoan quan trắc từ tháng 1 đến tháng 12 năm 2019. Các dữ liệu khác được thu thập trong thời gian nghiên cứu bao gồm sự thoát hơi nước, nhiệt độ không khí và lượng mưa, được sử dụng làm đầu vào cho mô hình ANN. Bằng cách phân tích hồi quy để tìm ra mối quan hệ thích hợp giữa mực NDĐ và các biến số khí hậu X1 (tổng lượng mưa trong tháng); X2 (tổng lượng bốc hơi trong tháng); X3 (tổng số giờ nắng trong tháng); X4 (độ ẩm trung bình trong tháng) và X5 (nhiệt độ không khí trung bình trong tháng). Phương trình hồi quy bội được viết như sau:
.jpg)
Phân tích các kết quả trên cho thấy, mực NDĐ trong các tầng chứa nước khe nứt phụ thuộc chặt chẽ vào các yếu tố khí hậu, với giá trị hệ số tương quan bội rất cao (Bảng 1).
Bảng 1. Kết quả phân tích hồi quy bội
.jpg)
Mạng nơ-ron nhân tạo (ANN)
Hình 3. Cấu trúc mạng ANN dự báo mực nước dưới đất
.jpg)
ANN là một phương pháp tính toán mềm phức tạp bao gồm nhiều công đoạn khác nhau như thể hiện ở Hình 3 [5]. Các nghiên cứu trước đây cho thấy, mạng lưới thần kinh lan truyền ngược tiếp nối với thuật toán Levenberg-Marquardt (LMA) là một trong những lựa chọn hợp lý nhất để dự báo mực nước [4, 7, 14]. Các biến số biến thiên hàng tháng về lượng mưa và lượng thoát hơi nước, số giờ nắng, độ ẩm, nhiệt độ, độ cao địa hình được chọn để mô tả các hiện tượng vật lý của NDĐ/khí hậu trong quá trình tương tác, nhằm dự báo mực NDĐ bằng ANN.
Để nghiên cứu, trước hết phải xác định kiến trúc mạng phù hợp, tức là số lớp và số nút trong mỗi lớp. Trong nghiên cứu này, lớp đầu đầu vào có 6 nơ-ron là lượng mưa, lượng thoát hơi nước, số giờ nắng, độ ẩm, nhiệt độ và độ cao địa hình; lớp đầu ra có 1 nơ-ron là mực NDĐ. Do các đặc điểm ngẫu nhiên của ANN, số lượng mô hình mạng nơ-ron truyền thẳng ngược đã được thử nghiệm với sự thay đổi số lượng nơ-ron cả ở lớp đầu vào và lớp ẩn. Trong nghiên cứu này, kỹ thuật tối ưu hóa Levenberg-Marquardt đã được sử dụng. Dữ liệu được chia làm 3 phần ngẫu nhiên: 70% dữ liệu sử dụng để huấn luyện, 15% dữ liệu sử dụng cho kiểm tra và 15% dữ liệu sử dụng cho kiểm chứng mô hình. Kỹ thuật đánh giá sai số gồm sai số bình phương trung bình gốc (RMSE), sai số bình phương trung bình (MSE) và hiệu suất (R2). Những thống kê thử nghiệm này, được các nhà nghiên cứu sử dụng rộng rãi trong nhiều công trình sử dụng mô hình ANN [6, 12, 14], cung cấp các thước đo định lượng về hiệu suất của mô hình.
Kết quả nghiên cứu và thảo luận
Dự báo mực NDĐ
Hình 4 là biểu đồ hệ số hồi quy (R) cho kiến trúc 3 lớp ẩn. Để huấn luyện, mạng nơ-ron khớp dữ liệu dọc theo đường màu xanh lam, kết quả đầu ra của mạng được vẽ theo các giá trị mục tiêu liên quan với R huấn luyện là 0,9987. Để thử nghiệm, mạng nơ-ron khớp dữ liệu dọc theo đường màu đỏ, đầu ra mạng được vẽ theo các giá trị mục tiêu liên quan với R thử nghiệm là 0,998. Dữ liệu xác thực được thể hiện theo đường xanh lá cây với R là 0,99845. Giá trị của R cho tất cả quá trình đào tạo, kiểm tra và xác nhận được mô phỏng cùng nhau là 0,98731. Giá trị R gần bằng 1 cho thấy, mô hình này phù hợp với dữ liệu để dự báo chính xác về mực NDĐ.
Hình 4. Kết quả huấn luyện, kiểm tra và kiểm định mô hình ANN
.jpg)
Mực nước tính toán bằng mô hình với thực đo thể hiện ở Bảng 2 và Hình 5. Các số liệu đánh giá, bao gồm RMSE, MSE và hiệu suất (R2), được sử dụng để đánh giá sai số giữa mực NDĐ tính toán trên mô hình so với giá trị thực tế của cả bảy lỗ khoan quan trắc cho thấy độ chính xác và độ tin cậy của tính toán chấp nhận được.
Bảng 2. Kết quả đánh giá sai số
.jpg)
Hình 5. Biểu đồ so sánh cao độ mực NDĐ thực đo và tính toán bằng mô hình ANN tại các lỗ khoan quan trắc VCHB04, VCHB11
.jpg)
Hình 6. Độ cao mực nước các tầng chứa nước khe nứt LVS Nhuệ - Đáy mùa khô ( tháng 4/2022) và mưa mưa (tháng 7/2022)
.jpg)
Sơ đồ đẳng cao độ mực nước
Kết quả tính toán bằng mô hình mực NDĐ từ tháng 1 - 12/2022 tại 1.191 điểm khác nhau cho thấy, độ sâu mực NDĐ có xu hướng tăng theo độ cao địa hình, nông hơn về phía sông. Về mùa khô, mực NDĐ sâu hơn mùa mưa. Độ cao mực NDĐ dao động từ 38 đến 120 m vào mùa mưa và 56 đến 120 m vào mùa khô (Hình 6).
Thảo luận
Tại vùng núi của LVS Nhuệ - sông Đáy, ảnh hưởng lớn nhất đến biến động mực NDĐ là lượng mưa và bốc hơi. Ảnh hưởng của các yêu tố khác như thành phần thạch học của đất đá chứa nước, độ cao địa hình, phương dòng chảy NDĐ, các hoạt động của con người,… vẫn chưa được nghiên cứu đầy đủ, cần được tiếp tục nghiên cứu để hiểu rõ hơn về hệ thống tầng chứa nước, cho phép đánh giá đầy đủ hơn phục vụ công tác quản lý, khai thác sử dụng và bảo vệ tài nguyên NDĐ trên LVS Nhuệ- Đáy.
Kết luận
Kết quả nghiên cứu cho thấy, ảnh hưởng lớn nhất đến biến động mực NDĐ là lượng mưa và bốc hơi. Kết quả huấn luyện, kiểm tra và kiểm định cho thấy, hệ số hồi quy (R) cho mô hình ANN lần lượt là 0,9987, 0,998 và 0,99845. Độ chính xác dự báo của mô hình ANN đối với 3 lỗ khoan VCHb09, VCHB11 và VCHB12 lần lượt là 0,15, 0,03, 0,02 m, đối với bốn lỗ khoan còn lại, độ chính xác dự đoán dao động từ 2,43 m đến 3,33 m cho thấy, tính hiệu quả của kỹ thuật tính toán mềm trong việc dự báo mực NDĐ trong các tầng chứa nước khe nứt trong điều kiện ít dữ liệu mà không thể áp dụng mô hình tính toán khác.
Tài liệu tham khảo
1. Allen, D., et al. (2010), Groundwater level responses in temperate mountainous terrain: regime classification, and linkages to climate and streamflow. Hydrological Processes, 24, 3392-3412;
2. Barackman, M., et al. (2002), Chapter 8 - Groundwater sampling, Environmental Monitoring and Characterization, J. F. Artiola, I. L. Pepper and M. L. Brusseau. Burlington, Academic Press: 121-139;
3. Chitsazan, M., et al. (2015), Forecasting groundwater level by artificial neural networks as an alternative approach to groundwater modeling. Journal of the Geological Society of India, 85, 98-106;
4. Daliakopoulos, I.N., et al. (2005), Groundwater level forecasting using artificial neural networks. Journal of Hydrology, 309, 229-240;
5. De Filippis, L.A.C., et al. (2018), ANN modelling to optimize manufacturing process. Advanced applications for artificial neural networks, 201-226;
6. Farifteh, J., et al. (2007), Quantitative analysis of salt-affected soil reflectance spectra: A comparison of two adaptive methods (PLSR and ANN). Remote Sensing of Environment, 110, 59-78;
7. Husna, N.-e.-a., et al. (2016), Ground water level prediction using artificial neural network. International Journal of Hydrology Science and Technology, 6, 371-381;
8. Jasrotia, A., et al. (2016), Integrated remote sensing and GIS approach for delineation of groundwater potential zones using aquifer parameters in Devak and Rui watershed of Jammu and Kashmir, India. Arabian Journal of Geosciences, 9, 1-15;
9. Lallahem, S., et al. (2005), On the use of neural networks to evaluate groundwater levels in fractured media. Journal of Hydrology, 307, 92-111.
TỐNG THANH TÙNG1, PHẠM BÁ QUYỀN2, PHẠM VĂN TUẤN2
1 Liên đoàn Quy hoạch và Điều tra tài nguyên nước miền Bắc
2 Trung tâm Quy hoạch và Điều tra tài nguyên nước quốc gia
Nguồn: Tạp chí Tài nguyên và Môi trường số 3 năm 2024
Tóm tắt: Bài báo nghiên cứu giải pháp xử lý chất thải rắn sinh hoạt (CTRSH) bền vững cho Việt Nam thông qua tích hợp công nghệ vi sinh (phân hủy sinh học) và nhiệt phân. Trước áp lực gia tăng rác đô thị và yêu cầu phát triển kinh tế tuần hoàn, phương pháp này được đề xuất nhằm tận dụng tài nguyên từ rác, giảm chôn lấp và phát thải.
Nếu ở Kỳ 1, độc giả đã thấy những định hướng chiến lược và công nghệ xanh mở ra lối đi mới cho nông nghiệp Việt, thì đến Kỳ 2, điểm nhấn lại nằm ở những giải pháp cụ thể. Từ phòng thí nghiệm, nhiều nghiên cứu khoa học đã bước ra thực tiễn, đồng hành cùng doanh nghiệp, tạo nên các mô hình thành công: từ công nghệ bảo quản mới, chế biến cà phê hiện đại, đến kinh tế tuần hoàn phụ phẩm tôm và nâng tầm sản phẩm truyền thống như nước mắm. Đây chính là những hạt nhân giúp nông sản Việt gia tăng giá trị và chinh phục thị trường quốc tế.
Cao chloroform của Bí kỳ nam (Hydnophytum formicarum Jack.) được sắc ký cột với các hệ dung môi có độ phân cực khác nhau và kết hợp với kỹ thuật sắc ký lớp mỏng để thực hiện quá trình phân lập và tinh sạch các hợp chất. Cấu trúc của các hợp chất được xác định bằng phương pháp phổ cộng hưởng từ hạt nhân và kết hợp so sánh với tài liệu tham khảo. Ba hợp chất được tinh sạch và xác định cấu trúc bao gồm luteolin (1), quercetin (2) và quercitrin (3).
Hoạt tính xua đuổi hiệu quả của p-menthan-3,8-diol (PMD) đã được chứng minh là hiệu quả an toàn cho sức khỏe, tuy nhiên, hợp chất này vẫn chưa được sử dụng phổ biến ở Việt Nam. Đã có một số công trình nghiên cứu khảo sát tổng hợp PMD chủ yếu sử dụng xúc tác acid H2SO4 loãng với các điều kiện phản ứng khác nhau về thời gian và nhiệt độ.
Cháy nổ trong sinh hoạt dân dụng vẫn là một vấn đề nhức nhối tại Việt Nam, gây ra những thiệt hại nặng nề về người và tài sản do sự bất cẩn hoặc lỗi thiết bị điện. Các hệ thống cảnh báo cháy truyền thống thường có độ trễ cao, chỉ phản ứng khi cháy đã xảy ra rõ ràng, dễ gây báo động giả và thiếu khả năng cảnh báo từ xa.
Khu vực đảo Palawan (Philippine), Sempoma SABAH (Malaysia) nằm trong khu vực nhiệt đới gió mùa với hai mùa mưa, mùa khô rõ rệt. Tại Palawan, trung bình năm nhiệt độ không khí 28,50C, độ ẩm trung bình 58,4%, tổng lượng mưa 2.920 mm, tổng số giờ nắng trong khoảng 2,180 - 2,307h, nhiệt độ nước biển 29,30C và độ muối nước biển 33,3‰.
