THIS - Hệ thống Giám sát & Dự báo Thủy điện Thác Mơ

Mực nước hồ

--:--

-- m 0.0

MNDBT: 218m MNC: 198m

Lưu lượng đến hồ

--:--

-- m³/s --

Q vào Q_in --:--

Lưu lượng xả

--:--

-- m³/s 0.0

Q xả tổng Q_out Tràn + Máy

Công suất phát

--:--

-- MW P_max: 150

2 tổ máy phát Đang chạy

Dung tích hữu ích

--:--

V_{hữu ích}: 512M m³ --%

Đỉnh lũ dự báo

-- m³/s

Thời điểm: --

MN Max Dự Báo

-- m

An toàn

TĐ Đắk Glun 2

--:--

Mực nước hồ (H) --

-- m

MNDBT: 242m | MNC: 240.5m

Dung tích (V) --%

-- triệu m³

V_{hữu ích}: 0.611M m³

Lưu lượng đến (Q_đến) --

-- m³/s

Nước về hồ Đắk Glun 2

Q_{chạy máy} / Q_{tối thiểu} --

-- m³/s

P_{lắp máy}: 10 MW

Mực nước hồ quá trình

Lưu lượng xả & Lượng mưa

Lượng mưa trạm (24h)

Mưa lớn (≥ 50 mm)

Mưa vừa (10 - 50 mm)

Mưa nhỏ (0.1 - 10 mm)

Không mưa (0 mm)

Đập Thủy điện Thác Mơ

Rada: --:--

Dự báo lưu lượng đến hồ

Dự báo mưa Rada & Xác suất (6h)

Dự báo lượng mưa 10 Ngày

Trạm:

Dự án:

Thời gian:

Tần suất:

Ngày xem: --

Xem theo:

Ngày xem: --

Mưa tích lũy 24h

-- mm

Mưa tích lũy 3 ngày (72h)

-- mm

Mưa tích lũy 7 ngày (168h)

-- mm

Ngày	ECMWF	GFS	ICON	Tổ Hợp
Đang tải dữ liệu đa mô hình...

Mưa Rada Thời Tiết Thực Tế & Dự Báo Siêu Ngắn Hạn 6h (Nowcasting)

AN TOÀN (0-6H)

Tổng mưa 6h tới: -- mm

Quét Rada lúc: --

-2h Mới nhất

Giờ	Tổng mưa	Mưa rào	Xác suất
Đang nạp dữ liệu Nowcast 6h...

Tháng	Mưa dự báo (mm/tháng)
Đang tải dữ liệu...

Thời gian	Mưa (mm/h)	Nhiệt độ (°C)	Gió (m/s)
Vui lòng chọn mô hình và bấm "Xem dự báo" để lấy số liệu chi tiết.

Thời gian	Thực đo (m³/s)	Ridge	RF	GB	LSTM	Transformer	CNN-LSTM	TimeXer	Trung bình (m³/s)

Đánh giá sai số mô hình

Mô hình	RMSE (m³/s)	MAE (m³/s)	Nash-Sutcliffe (NSE)

Ngày	Thực đo (m³/s)	Ridge	RF	GB	LSTM	Transformer	CNN-LSTM	TimeXer	Trung bình (m³/s)

Đánh giá sai số mô hình

Mô hình	RMSE (m³/s)	MAE (m³/s)	Nash-Sutcliffe (NSE)

Tháng	Q SEAS5 (m³/s)	Q SARIMA (m³/s)	Trung bình (m³/s)	Độ tin cậy	Mưa SEAS5 (mm)

Bảng Xếp Hạng Chất Lượng & Độ Chính Xác Mô Hình AI

-- Mô hình

Hạng	Mô Hình Dự Báo	Số Mẫu (N)	Chỉ số NSE	RMSE (m³/s)	MAE (m³/s)	PBIAS (%)	R²	Đỉnh Lũ (Dự báo / Thực đo)	Xếp Loại Chất Lượng
Đang tính toán ma trận chỉ số đánh giá...

Biểu Đồ Đối Sánh Chi Tiết Bản Tin vs Thực Đo SCADA

Ngày phát hành:

Bản tin:

Biểu đồ lưu lượng TB tháng — so sánh năm --

Bảng tổng hợp lưu lượng về hồ (m³/s) — Trung bình

Tháng	Chọn năm và bấm Xem
Chọn ít nhất 1 năm và bấm Xem.

Bảng tổng hợp mưa TB lưu vực (mm)

Đang chờ dữ liệu...

Mưa tháng từng trạm (mm) —

Đang chờ dữ liệu...

Hướng Dẫn & Tài Liệu Các Mô Hình AI Dự Báo

Tổng quan kiến trúc, tài liệu 7 mô hình AI, quy trình xử lý dữ liệu và bảng đánh giá sai số Train/Test

Kiến Trúc & Quy Trình Dự Báo Lưu Lượng Hồ Thác Mơ

Hệ thống sử dụng quy trình End-to-End Pipeline tích hợp dữ liệu quan trắc thời gian thực, trích xuất đặc trưng thủy văn tự động và động cơ AI Đa Mô Hình để sản xuất bản tin dự báo lưu lượng hồ Thác Mơ với nhiều thời hạn dự báo khác nhau.

Bước 1 — Thu thập dữ liệu

Đồng bộ tự động mỗi 15 phút

Lượng mưa 17 trạm (VRAIN & Smartmet), mực nước hồ, lưu lượng về và lưu lượng xả từ hệ thống SCADA Thác Mơ.

Bước 2 — Xử lý đặc trưng

Feature Engineering tự động

Biến độ trễ Lag 1h–72h, mưa tích lũy 6h/12h/24h/7 ngày, trung bình trượt SMA, mã hóa chu kỳ ngày/tháng.

Bước 3 — Động cơ AI

7 mô hình chạy song song

Ridge, RF, GB (ML truyền thống) & LSTM, Transformer, CNN-LSTM, TimeXer (Deep Learning) cho kết quả đồng thời.

Bước 4 — Đánh giá & Xuất

Tự chọn mô hình tốt nhất

Tự động ưu tiên mô hình có NSE cao nhất trong 30 ngày thực tế. Xuất bản tin Excel, biểu đồ khoảng tin cậy 95%.

Đặc điểm kỹ thuật nổi bật

Dữ liệu quan trắc thực đo: Toàn bộ số liệu đầu vào được lấy trực tiếp từ SCADA và hệ thống quan trắc. Thời điểm dữ liệu dừng được thể hiện rõ ràng trên biểu đồ và bảng kết quả.

Đa thời hạn dự báo: 1h, 6h, 24h (giờ) · TB 6h & TB ngày cho 10 ngày (trung hạn) · Dự báo lưu lượng tháng 6 tháng tới kết hợp SEAS5 & SARIMA (dài hạn).

Huấn luyện lại theo yêu cầu: Người vận hành bấm "Huấn luyện lại AI" để cập nhật trọng số mô hình ngay lập tức theo điều kiện thủy văn hiện tại mà không cần dừng hệ thống.

Dự báo tổ hợp thích nghi: Kết quả trung bình tổ hợp từ 7 mô hình giúp ổn định bản tin, hạn chế sai lệch cục bộ khi một mô hình đơn lẻ ngoại suy sai trong điều kiện bất thường.

1. Ridge Regression (Ridge)

Machine Learning

Mô hình tuyến tính tích hợp hình phạt chuẩn hóa L2 ($L2 = \lambda \sum w_i^2$) để co các hệ số góc dư thừa, tránh hiện tượng đa cộng tuyến khi có nhiều trạm mưa.

Ưu điểm: Tốc độ tính toán tức thì (< 0.1s), cực kỳ ổn định, không bị vọt số vô lý.

Phù hợp nhất: Dự báo Baseline và các giai đoạn mùa khô ít biến động.

2. Random Forest (RF)

Ensemble Trees

Phương pháp kết hợp hàng trăm Cây Quyết Định (Decision Trees) ngẫu nhiên bằng cơ chế Bagging để giảm biến động và học quan hệ phi tuyến giữa mưa & lưu lượng.

Ưu điểm: Chịu nhiễu tốt, không bắt buộc chuẩn hóa dữ liệu, bắt đỉnh lũ nhỏ tốt.

Phù hợp nhất: Dự báo ngắn hạn 1h-6h khi có các trận mưa rào phân tán.

3. Gradient Boosting (GB)

Boosting (Khuyên dùng)

Xây dựng các cây quyết định nối tiếp nhau, cây sau tập trung sửa chữa sai số (Residuals) của cây trước. Đạt độ chính xác rất cao trên số liệu thủy văn.

Ưu điểm: Chỉ số NSE thường cao nhất trong các mô hình truyền thống, bám sát đỉnh lũ.

Phù hợp nhất: Dự báo chính cho thời hạn 6h và 24h.

4. LSTM Network

Deep Learning

Mạng nơ-ron hồi quy RNN với cổng Quên (Forget Gate), Cổng Vào (Input Gate) và Cổng Ra (Output Gate) giúp lưu giữ thông tin chuỗi thời gian dài mà không bị biến mất đạo hàm.

Ưu điểm: Mô phỏng độ trễ tự nhiên (Lag time) từ khi mưa rơi trên lưu vực đến khi nước chảy về hồ.

Phù hợp nhất: Dự báo theo dõi đợt lũ kéo dài nhiều ngày.

5. Transformer

Self-Attention

Sử dụng cơ chế Tự Chú Ý Multi-Head Self-Attention ($Attention(Q,K,V)$) để tìm kiếm mối liên hệ trực tiếp giữa các mốc mưa cách xa nhau trong quá khứ.

Ưu điểm: Bắt được các mẫu thời tiết bất thường, tính toán song song hiệu quả.

Phù hợp nhất: Dự báo các đợt mưa lớn đột biến diện rộng.

6. CNN-LSTM Hybrid

Hybrid Deep Learning

Kết hợp CNN 1D để trích xuất cấu trúc không gian phân bố lượng mưa trên 17 trạm, sau đó đưa vào khối LSTM để học chuỗi thời gian dòng chảy.

Ưu điểm: Tận dụng đồng thời cả thông tin Không Gian (17 trạm) và Thời Gian (chuỗi giờ).

Phù hợp nhất: Dự báo trung hạn 10 ngày (6h average).

7. TimeXer (SOTA Model)

SOTA Multi-Variate

Mô hình SOTA tiên tiến nhất hiện nay cho chuỗi thời gian đa biến. Thiết kế đặc biệt để phân tách biến mục tiêu (Lưu lượng) và biến ngoại sinh (Mưa 17 trạm, Mực nước).

Ưu điểm: Xử lý cực tốt dữ liệu nhiễu, hạn chế tối đa độ trễ pha lũ (Phase Lag).

Phù hợp nhất: Dự báo đỉnh lũ và chân lũ phức tạp.

Dữ Liệu Đầu Vào (Inputs / Features)

1. Chuỗi Mưa 17 Trạm Tự Động (VRAIN & Smartmet)

• Trạm 01 đến Trạm 17 khắp lưu vực Thác Mơ.
• Mưa giờ $R(t)$, Mưa lũy kế 6h, 12h, 24h, 3 ngày, 7 ngày.
• Mưa trung bình toàn lưu vực (Weighted Basin Rain).

2. Số Liệu Thủy Văn Hồ Thác Mơ (SCADA)

• Mực nước hồ thực đo $H(t)$ (m).
• Lưu lượng nước về hồ thực đo $Q_{\text{về}}(t)$ (m³/s).
• Lưu lượng qua nhà máy & tràn $Q_{\text{xả}}(t)$ (m³/s).

3. Biến Độ Trễ (Lag & Rolling Features)

• Quá khứ $t-1h, t-2h, \dots, t-72h$.
• Trung bình trượt $SMA_6, SMA_{12}, SMA_{24}$ của lưu lượng.
• Yếu tố chu kỳ thời gian trong năm (Sine/Cosineencoding ngày/tháng).

Dữ Liệu Đầu Ra (Outputs / Forecast Horizons)

1. Dự Báo Ngắn Hạn Giờ (1h, 6h, 24h)

• Chuỗi 24 giá trị theo từng giờ cho 24h tới.
• Cập nhật tự động liên tục khi có dữ liệu SCADA mới.
• Đính kèm khoảng tin cậy 95% ($\pm 1.96 \times SE$).

2. Dự Báo Trung Bình 6H (40 Mốc = 10 Ngày)

• Chuỗi 40 mốc lưu lượng trung bình 6 giờ (01h, 07h, 13h, 19h).
• Tích hợp dự báo lượng mưa 6h tương ứng.
• Phục vụ kế hoạch điều tiết hồ chứa hàng tuần.

3. Dự Báo Ngày (10 Ngày) & Mùa (6 - 12 Tháng)

• 10 ngày lưu lượng trung bình ngày ($m^3/s$).
• Dự báo lưu lượng trung bình từng tháng cho 6-12 tháng tới (kết hợp SEAS5 & SARIMA).

Kết Quả Đánh Giá Sai Số Các Mô Hình AI trên tập Train / Test

Số liệu kiểm thử độc lập (Test Set) được tính toán tự động từ hệ thống

NSE (Nash-Sutcliffe): $1 - \frac{\sum (Q_{\text{đo}} - Q_{\text{báo}})^2}{\sum (Q_{\text{đo}} - \bar{Q})^2}$

Càng gần 1.0 càng chính xác (> 0.75 là Rất tốt)

RMSE (Root Mean Sq Err): $\sqrt{\frac{1}{N}\sum (Q_{\text{đo}} - Q_{\text{báo}})^2}$

Càng nhỏ càng tốt ($m^3/s$)

MAE (Mean Abs Err): $\frac{1}{N}\sum |Q_{\text{đo}} - Q_{\text{báo}}|$

Độ lệch trung bình tuyệt đối ($m^3/s$)

Mô hình AI	Loại mô hình	RMSE (m³/s)	MAE (m³/s)	NSE	Đánh giá chất lượng
Đang tải chỉ số đánh giá...

Xuất Báo Cáo Số Liệu Thủy Văn & Mưa

Vui lòng thiết lập bộ lọc và bấm "Lấy số liệu" để tạo báo cáo.

Bản tin Dự báo AI Hằng giờ (Tải tệp Excel/CSV)

Lọc theo ngày:

Tên bản tin	Thời điểm chạy AI	Dung lượng	Thao tác
Đang tải danh sách bản tin...

Mưa Ra-đa thực tế: Đang tải... 1/12

Dự báo điểm bản đồ --°N, --°E

6h đầu: Mưa Ra-đa Nowcast 7-240h: SmartMet ECMWF Tổng 10 ngày: -- mm

Chi Tiết Dự Báo Theo Giờ (Chuyển tiếp Ra-đa → SmartMet) Tất cả 240 giờ

Thời gian	Nguồn dữ liệu	Mưa (mm/h)	Nhiệt độ	Tốc độ gió	Hướng gió

Chú Giải Lớp Bản Đồ

Cấp lượng mưa trạm (24h)

Không mưa / 0 mm

Mưa nhỏ (< 16 mm)

Mưa vừa (16 - 50 mm)

Mưa to (50 - 100 mm)

Mưa rất to (> 100 mm)

Vùng ngập lụt lòng hồ

MNC (198.0m)

MNDBT (218.0m)

Vùng ngập báo động (220-222m)

Quy ước không gian

Ranh giới lưu vực sông Bé

Ranh giới tỉnh / huyện

Danh sách tài khoản người dùng

Tên đăng nhập	Họ và tên	Email	Vai trò	Trạng thái	Thao tác
Đang tải dữ liệu...

TĐ Đắk Glun 2

Mực nước hồ quá trình

Lưu lượng xả & Lượng mưa

Dự báo lưu lượng đến hồ

Dự báo mưa Rada & Xác suất (6h)

Dự báo lượng mưa 10 Ngày

Mưa Rada Thời Tiết Thực Tế & Dự Báo Siêu Ngắn Hạn 6h (Nowcasting)

Dự Báo Lượng Mưa 10 Ngày Chi Tiết Cho 17 Trạm Đo Mưa (Tổ hợp Ensemble, mm/ngày)

Đánh giá sai số mô hình

Đánh giá sai số mô hình

Bảng Xếp Hạng Chất Lượng & Độ Chính Xác Mô Hình AI

Biểu Đồ Đối Sánh Chi Tiết Bản Tin vs Thực Đo SCADA

Biểu đồ lưu lượng TB tháng — so sánh năm --

Bảng tổng hợp lưu lượng về hồ (m³/s) — Trung bình

Bảng tổng hợp mưa TB lưu vực (mm)

Mưa tháng từng trạm (mm) —

Hướng Dẫn & Tài Liệu Các Mô Hình AI Dự Báo

Kiến Trúc & Quy Trình Dự Báo Lưu Lượng Hồ Thác Mơ

Đồng bộ tự động mỗi 15 phút

Feature Engineering tự động

7 mô hình chạy song song

Tự chọn mô hình tốt nhất

Đặc điểm kỹ thuật nổi bật

1. Ridge Regression (Ridge)

2. Random Forest (RF)

3. Gradient Boosting (GB)

4. LSTM Network

5. Transformer

6. CNN-LSTM Hybrid

7. TimeXer (SOTA Model)

Dữ Liệu Đầu Vào (Inputs / Features)

Dữ Liệu Đầu Ra (Outputs / Forecast Horizons)

Kết Quả Đánh Giá Sai Số Các Mô Hình AI trên tập Train / Test

Xuất Báo Cáo Số Liệu Thủy Văn & Mưa

Bản tin Dự báo AI Hằng giờ (Tải tệp Excel/CSV)

Danh sách tài khoản người dùng

Quản lý menu chức năng

Chọn vai trò

Quyền truy cập cho vai trò: ---

TĐ Đắk Glun 2

Mực nước hồ quá trình

Lưu lượng xả & Lượng mưa

Dự báo lưu lượng đến hồ

Dự báo mưa Rada & Xác suất (6h)

Dự báo lượng mưa 10 Ngày

Mưa Rada Thời Tiết Thực Tế & Dự Báo Siêu Ngắn Hạn 6h (Nowcasting)

Dự Báo Lượng Mưa 10 Ngày Chi Tiết Cho 17 Trạm Đo Mưa (Tổ hợp Ensemble, mm/ngày)

Đánh giá sai số mô hình

Đánh giá sai số mô hình

Bảng Xếp Hạng Chất Lượng & Độ Chính Xác Mô Hình AI

Biểu Đồ Đối Sánh Chi Tiết Bản Tin vs Thực Đo SCADA

Biểu đồ lưu lượng TB tháng — so sánh năm --

Bảng tổng hợp lưu lượng về hồ (m³/s) — Trung bình

Bảng tổng hợp mưa TB lưu vực (mm)

Mưa tháng từng trạm (mm) —

Hướng Dẫn & Tài Liệu Các Mô Hình AI Dự Báo

Kiến Trúc & Quy Trình Dự Báo Lưu Lượng Hồ Thác Mơ

Đồng bộ tự động mỗi 15 phút

Feature Engineering tự động

7 mô hình chạy song song

Tự chọn mô hình tốt nhất

Đặc điểm kỹ thuật nổi bật

1. Ridge Regression (Ridge)

2. Random Forest (RF)

3. Gradient Boosting (GB)

4. LSTM Network

5. Transformer

6. CNN-LSTM Hybrid

7. TimeXer (SOTA Model)

Dữ Liệu Đầu Vào (Inputs / Features)

Dữ Liệu Đầu Ra (Outputs / Forecast Horizons)

Kết Quả Đánh Giá Sai Số Các Mô Hình AI trên tập Train / Test

Xuất Báo Cáo Số Liệu Thủy Văn & Mưa

Bản tin Dự báo AI Hằng giờ (Tải tệp Excel/CSV)

Danh sách tài khoản người dùng

Quản lý menu chức năng

Chọn vai trò

Quyền truy cập cho vai trò: ---

Thêm người dùng

Thêm menu

DỰ BÁO HỒ THÁC MƠ

Thông tin cá nhân

Giám Sát Thủy Văn & Biểu Đồ Vận Hành - Thủy Điện Đắk Glun 2