Tại hội thảo ngày 06/8/2022, nhóm AICOST (Trí tuệ nhân tạo cho biến đổi khí hậu và điều khiển hệ thống/Artificial Intelligence for Tackling Climate Change and Controlling System) đã tổ chức thành công hội thảo với 03 bài tham luận do ThS. Nguyễn Quang Đạt; PGS.TS. Nguyễn Ngọc Doanh như sau: (1) Mô hình lai ARIMA-ANN dùng trong dự báo chuỗi thời gian; (2) Mô hình lai sử dụng Seasonal, Online ARIMA và Online RNN dự báo phụ tải điện ngắn hạn; (3) Online SARIMA ứng dụng trong dự báo ngắn hạn phụ tải điện. Qua 03 bài tham luận trên cho thấy, các kết quả nghiên cứu của nhóm AICOST tập trung vào một số điểm chính sau đây:
(1) Mô hình truyền thống có nhiều ứng dụng mạnh trong dự báo chuỗi thời gian. Mỗi mô hình có những điểm mạnh và yếu khác khau. Khi kết hợp các mô hình đơn lẻ lại trở thành một mô hình lai (hybrid model) thì chúng ta có thể kết hợp các điểm mạnh của từng mô hình đơn lẻ, đồng thời có thể hạn chế được nhiều nhược điểm trong các mô hình đó. Vì vậy, mô hình lai được hy vọng sẽ cho ra kết quả dự báo chính xác hơn.
(2) Mô hình truyền thống là mô hình được huấn luyện trên bộ dữ liệu có sẵn. Mô hình được cố định sau khi đã huấn luyện xong. Tuy nhiên khi dữ liệu thực tế là dạng được cập nhật liên tục theo thời gian thực thì mô hình không tận dụng được các giá trị mới cập nhật này.
(3) Mô hình online được đưa ra nhằm tận dụng được việc cập nhật dữ liệu này. Tại các thời điểm có dữ liệu mới được thêm vào dữ liệu của chúng ta, mô hình sẽ tiến hành cập nhật một số tham số của mô hình (nhưng các siêu tham số – hyperparameters – thì vẫn giữ nguyên). Từ đó làm cho kết quả của mô hình tốt hơn.
(4) Nhiều dữ liệu thực tế là các dữ liệu có tính mùa. Việc phân tích tính mùa trong dữ liệu đem lại hiệu quả tốt hơn cho mô hình. Mô hình SARIMA là một mô hình có sử dụng được tính mùa của dữ liệu. Khi tạo một mô hình online đối với SARIMA thì khi đó ta vừa tận dụng được tính mùa từ mô hình SARIMA, đồng thời cũng tận dụng được việc cập nhật dữ liệu để cập nhật mô hình liên tục. Khi đó, chúng ta có thể hy vọng mô hình mới sẽ có kết quả tốt hơn so với mô hình ARIMA online không có tính mùa.
Nhóm Trí tuệ nhân tạo cho biến đổi khí hậu và điều khiển hệ thống (AICOST) tại buổi hội thảo
Tương tự, ngày 28/8/2022 nhóm GRAT (Ứng dụng GIS và viễn thám/GIS and Remote sensing Application) đã tổ chức thành công hội thảo với chủ đề “Xác định các tham số đặc trưng đường cong IDF cho dữ liệu mưa Tân Sơn Hòa, TP. Hồ Chí Minh” do TS. Lê Thị Hòa Bình trình bày. Nghiên cứu này xác định việc xác định đường cong IDF là mối quan tâm hàng đầu trong việc thiết kế hệ thống thoát nước đô thị; hiện nay có khá nhiều công thức biểu diễn mối quan hệ IDF, trong đó công thức của Sherman được sử dụng khá phố biến. Từ kết quả nghiên cứu đã đạt được, nhóm nghiên cứu đã đưa ra đề xuất: sử dụng công thức của Sherman và đề xuất các tham số địa phương phù hợp. Kết quả nghiên cứu có thể áp dụng vào các lĩnh vực quy hoạch, thiết kế các dự án cơ sở hạ tầng.
Nhìn chung, việc xác định đường cong IDF có ý nghĩa thiết thực trong công tác quy hoạch, thiết kế hệ thống tiêu thoát nước, cơ sở hạ tầng. Do vậy nên áp dụng phương pháp nghiên cứu cho các vùng khác nhau để thấy được sự khác biệt ncủa đường cong IDF của các vùng mưa.
Nhóm Ứng dụng GIS và viễn thám (GRAT) tại buổi hội thảo
Ngày 27/8/2022 nhóm MLIC (Nghiên cứu Kỹ thuật học máy và điều khiển thông minh/Machine Learning Techniques and Intelligent Control) đã tổ chức hội thảo với chủ đề “Mạng Nơ ron tích chập đồ thị và ứng dụng” do PGS.TS. Nguyễn Hữu Quỳnh trình bày. Trong nghiên cứu này, nhóm MLIC giới thiệu về cách thực hiện học sâu trên các đồ thị với mạng nơ ron tích chập đồ thị GCN (Graph Convolutional Networks), một loại mạng nơ ron mạnh mẽ được thiết kế để làm việc trực tiếp trên các đồ thị và tận dụng thông tin cấu trúc của nó. Bên cạnh đó nhóm MLIC cũng giới thiệu một số ứng dụng điển hình của nó.
Nhóm Nghiên cứu Kỹ thuật học máy và điều khiển thông minh (MLIC) tại buổi hội thảo
Ngày 30/8/2022 nhóm ROOM (Nghiên cứu các hợp chất hữu cơ/Research of Organic Matter) đã tổ chức hội thảo với chủ đề “Đánh giá thực trạng và nghiên cứu rủi ro môi trường tại một số tỉnh thành phía Bắc của Việt Nam”. Tại hội thảo nhóm ROOM đã trình bày 03 bài tham luận về: (1) Nghiên cứu về sự cố môi trường trong nông nghiệp, nông thôn khi có thiên tai xảy ra do PGS.TS Bùi Quốc Lập trình bày; (2) Nghiên cứu phân tích, đánh giá sự xuất hiện của hợp chất methylsiloxane mạch vòng dễ bay hơi trong môi trường Hà Nội do NCS Nguyễn Nữ Mỹ Hà trình bày; (3) Đánh giá thực trạng môi trường các vùng nuôi tôm tỉnh Nam Định do bà Pham Trương Thảo Nguyên trình bày.
Nhóm Nghiên cứu các hợp chất hữu cơ (ROOM) tại buổi hội thảo
Thu Hiền – Phòng KHCN