Theo phương pháp truyền thống, dự báo khí tượng thủy văn sử dụng các phương pháp chính là synop, thống kê, số trị trên cơ sở ứng dụng các mô hình số thống kê, động lực. Trong các phương pháp này, phương pháp số trị là phương pháp tiên tiến và phức tạp nhất. Nhưng mô hình số cũng có nhiều hạn chế bắt nguồn từ sự chưa chắc chắn đến từ các yếu tố như: ước lượng gần đúng các tham số mô hình, các giả thiết trong mô hình, các ước lượng gần đúng trong tích phân, vi phân của quá trình tính toán số. Trí tuệ nhân tao (AI) và các phương pháp dựa trên dữ xử lý dữ liệu lớn đã ra đời để giảm thiểu một phần các hạn chế này.
Trí tuệ nhân tạo thực ra không phải là vấn đề mới trong lĩnh vực khí tượng thủy văn, nó đã được ứng dụng trong dự báo thời tiết từ những năm 80 khi mạng nơ-ron lần đầu tiên được giới thiệu. Việc ứng dụng các mô hình AI đã thu được nhiều kết quả vật bậc trên một số ngành công nghiệp và nhiều lĩnh vực khác trong những năm gần đây. Trong khí tượng thủy văn, các nhà nghiên cứu cũng đang áp dụng công nghệ này để xử lý dữ liệu vệ tinh, dự báo các hiện tượng thời tiết cực đoan, dự báo bão…
Ứng dụng AI trong khí tượng thủy văn đã đạt được những tiến bộ to lớn trong những năm gần đây (Tissot 2019). NOAA đang sử dụng AI cho nhiều ứng dụng vệ tinh và quan sát Trái đất, bao gồm cả việc sử dụng mạng nơ-ron để tham số hóa mô hình NWP (Krasnopolsky và cộng sự 2010) và sử dụng phương pháp học sâu để bổ khuyết dữ liệu bị thiếu (Boukabara và cộng sự 2019). NCAR, một trung tâm nghiên cứu và phát triển do liên bang tài trợ, có lịch sử lâu đời trong việc phát triển các kỹ thuật AI cho các ứng dụng thời tiết. Haupt và cộng sự (2019) đã cho thấy hệ thống Dự báo Tích hợp AI Động lực (DICast) sau 20 năm phát triển và cải tiến tại NCAR đã trở thành một công cụ dự báo thời tiết với nhiều ứng dụng. Tại The Weather Company, một bộ phận Kinh doanh của IBM (TWC/IBM), AI đã được sử dụng trong nhiều năm theo nhiều cách từ cải thiện khả năng nâng cao chất lượng số liệu thám sát đến tạo ra các dự báo cá nhân hóa phù hợp với người dùng cuối cùng (Williams 2019 ). Geer (2019) cho thấy tiềm năng phát triển ứng dụng AI trong dự báo số trị tại trung tâm dự báo hạn vừa châu âu (ECMWF). Cụ AI và ML có thể giúp thay thế các tham số mô hình số bằng các giá trị tốt hơn nhận được từ ML và AI. ML và AI cũng giúp bổ sung số liệu quan trắc vào mô hình và tăng cường chất lượng đồng hóa dữ liệu. Alphabet AI của Google gần đây đã ứng dụng AI cung cấp thông tin thời tiết (Hickey 2019) và dữ liệu lớn về quan trắc trái đất, khí quyển cho công chúng và các nhà nghiên cứu.
Việc ứng dụng AI cũng có thể nâng cao chất lượng các mô hình số hiện có thông qua thay thế các tham số quy mô dưới lưới trong mô hình. AI cũng có thể có tiềm năng thay thế hoàn toàn các mô hình số truyền thống số trong tương lai. Một số điểm nổi bật của AI trong xây dựng mô hình số thế hệ mới như: Vật lý mô hình ML nhanh và chính xác; mô phỏng nhanh các tham số hiện có; tham số tối ưu hơn bằng cách luyện trên một mô hình nâng cao; tham số hóa theo hướng dữ liệu bằng cách luyện theo dữ liệu quan trắc... AI cũng được cho là khá hiệu quả trong việc xử lý sản phẩm đầu ra của mô hình để đưa ra dự báo tốt hơn. NCAR đang triển khai hệ thống DICast để hiệu chỉnh và kết hợp nhiều dự báo của mô hình NWP (Haupt và cộng sự 2019).
Các hiện tượng thời tiết cực đoan có thể gây ảnh hưởng nghiêm trọng đến tính mạng và tài sản. AI có thể ứng dụng cho dự báo từ hạn cực ngắn (hạn dự báo dưới 2 giờ) hoạt động của lốc xoáy và sét tới các hạn dài hơn như dự báo các sự đợt năng nóng, không khí lạnh, các đợt gian mưa kéo dài. Eslami và cộng sự (2019) đã cho thấy sử dụng kết hợp tổng hợp học sâu (DL) với mạng nơ-ron tích tụ sâu hồi quy để cso thể dự báo cường độ bão, hoạt động tốt hơn so với với các dự báo hiện có của trung tâm dự báo bão quốc gia Hoa Kỳ. Lagerquist và cộng sự (2020) cho thấy ML có thể được sử dụng để cải thiện dự báo về thời tiết cực đoan, bao gồm cả mưa đá trước 24–48 giờ, cũng như dự báo lốc xoáy.
Do những hạn chế của các mô hình truyền thống trong xử lý các vấn đề tham số hóa, gần đúng trong quá trình vi phân, tích phân số, cũng như hạn chế trong chính các hệ phương trình toán lý sử dụng xây dựng mô hình, các mô hình số trị truyền thống còn chưa nhiều hạn chế. Một số đối tượng dự báo như cường độ bão không có cải thiện lớn trong chất lượng dự báo mấy chục năm gần đây khi sử dụng mô hình số trị truyền thống, ngay cả khi chạy với độ phân giải rất cao trên những hệ thống máy tính mạnh nhất thế giới. Việc ứng dụng trí tuệ nhân tạo, học máy trong dự báo khí tượng thủy văn đã chứng minh được các cải tiển, ưu điểm quan trọng và đang được sử dụng, sẽ là xu thế phát triển mạnh mẽ trong thời gian tới. Việc ứng dụng AI, ML, DL trong dự báo khí tượng thủy văn ở Việt Nam là một xu thế cần tiếp tục thúc đẩy mạnh nhằm nắm bắt thời cơ, tiếp thu công nghệ của thời đại để không ngừng nâng cao chất lượng dự nghiệp vụ, luôn phục vụ tốt cộng đồng, giảm thiểu thiệt hại do các thiên tai liên quan tới khí tượng thủy văn gây ra.
TS. Nguyễn Văn Hiệp
Đài Khí tượng Thủy văn khu vực đồng bằng Bắc Bộ - Vụ KHCN &HTQT
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
