AI nâng cao năng lực dự báo dòng chảy, quản trị thủy lợi hiệu quả

Ngày 17/10, Cục Quản lý và Xây dựng công trình thủy lợi phối hợp với Báo Nông nghiệp và Môi trường tổ chức Diễn đàn “Khoa học công nghệ, chuyển đổi số trong quản lý, vận hành công trình thủy lợi thực hiện theo Nghị quyết 57”. 

Theo tinh thần chỉ đạo tại Kế hoạch của Bộ Nông nghiệp và Môi trường thực hiện Nghị quyết số 57-NQ/TW, Nghị quyết số 193/2025/QH15 và Nghị quyết số 03/NQ-CP về đột phá phát triển khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số quốc gia, việc đổi mới quản lý, vận hành công trình thủy lợi trong kỷ nguyên số được xác định là yêu cầu cấp thiết. Đây không chỉ là mục tiêu của ngành mà còn là đòi hỏi từ thực tiễn, gắn chặt với chiến lược phát triển nông nghiệp bền vững, thích ứng biến đổi khí hậu.

Từ cảnh báo qua app đến AI dự báo thông minh

Tại diễn đàn, TS Lê Ngọc Hiếu, Viện Khoa học Thủy lợi miền Nam, chia sẻ: "Việc đưa thông tin cảnh báo lên các nền tảng số (app, web) từ năm 2020 là một bước tiến tích cực, góp phần giảm thiểu thiệt hại trong sản xuất nông nghiệp thông qua việc bố trí mùa vụ hợp lý và cung cấp thông tin điều hành chính xác".

Ông cho biết, dự báo theo mùa là yếu tố then chốt giúp xác định thời gian xuất hiện mặn, nguồn nước ngọt, phục vụ điều chỉnh kế hoạch lấy nước và vận hành hệ thống công trình. Tại vùng ĐBSCL, vào các tháng 2-3 hằng năm, khi chân triều đạt đỉnh, tình trạng xâm nhập mặn diễn ra khiến nhiều khu vực không thể lấy nước phục vụ sản xuất. Nhờ các công nghệ truyền tin hiện đại qua ứng dụng di động, trang web từ hệ thống của Viện hiện cho phép tra cứu rủi ro mặn, ranh giới xâm nhập mặn theo thời gian thực, cập nhật như vị trí và quy mô các công trình thủy lợi tại vùng ĐBSCL.

Đáng chú ý, nhóm nghiên cứu của Viện đã phát triển mô hình trí tuệ nhân tạo (AI) cho vùng thượng lưu. Mô hình cho ra kết quả trong vài giây, cho phép chạy nhiều kịch bản vận hành nhanh chóng. Chỉ cần các dữ liệu đầu vào như lượng mưa và dòng chảy, mô hình có thể tự học mối quan hệ nhân - quả và thích ứng thông minh với dữ liệu mới.

Theo TS Hiếu, mục tiêu dài hạn là xây dựng mô hình dự báo phù hợp với đặc thù ngập nước của ĐBSCL, đáp ứng yêu cầu chủ động thích ứng biến đổi khí hậu. "Việc ứng dụng kỹ thuật học sâu (deep learning) để nâng cao độ chính xác của dự báo lũ thượng nguồn và xâm nhập mặn ngắn hạn không chỉ mang giá trị khoa học và thực tiễn cao mà còn phù hợp với tinh thần Nghị quyết 57", ông Hiếu nhận định.

Dữ liệu mở và kết nối đa tầng - nền tảng cho thủy lợi thông minh

Tuy nhiên, ông Hiếu chỉ rõ các mô hình thủy lực - số trị truyền thống như MIKE tuy có ưu thế trong quy hoạch chiến lược dài hạn, nhưng lại tồn tại nhiều hạn chế khi áp dụng cho vận hành tác nghiệp thời gian thực: thời gian tính toán kéo dài, yêu cầu dữ liệu đầu vào lớn, thiếu linh hoạt và khó tự động hóa.

Để khắc phục, nhóm nghiên cứu đã phát triển mô hình AI lai (Hybrid AI). Theo kết quả bước đầu, mô hình có khả năng dự báo sớm dòng chảy từ thượng nguồn về biên giới Việt Nam (Tân Châu, Châu Đốc) trong khoảng 7-30 ngày, với độ chính xác cao (chỉ số NSE ở các trạm trọng yếu đạt mức tốt và khá). Đây là bước tiến quan trọng trong việc chuyển đổi từ bị động sang chủ động, giúp các cơ quan quản lý có thể hoạch định chiến lược phân bổ và vận hành công trình sớm hơn từ 1-4 tuần.

Đặc biệt, mô hình còn cung cấp điều kiện biên thượng nguồn cho việc xây dựng hệ thống "Song sinh số" (Digital Twin) cho toàn bộ mạng lưới công trình thủy lợi ĐBSCL. Nhờ đó, các nhà quản lý có thể mô phỏng, kiểm thử và tối ưu hóa vận hành trong không gian ảo trước khi triển khai thực tế, giúp tiết kiệm thời gian, giảm chi phí và tăng tính chính xác.

Không chỉ dừng ở công nghệ, kết quả nghiên cứu còn được tích hợp vào các ứng dụng di động nhằm cung cấp thông tin dự báo, cảnh báo đến cơ quan chức năng, địa phương và người dân một cách trực quan, nhanh chóng và khoa học. Qua đó, nâng cao hiệu quả quản lý, giám sát và chủ động trong sản xuất ở mọi cấp độ.