THÔNG TIN TÓM TẮT VỀ NHỮNG KẾT LUẬN MỚI CỦA LUẬN ÁN TIẾN SĨ
Tên đề tài luận án: “Nghiên cứu xây dựng mô hình nguy cơ trượt lở đất sử dụng trí tuệ nhân tạo và dữ liệu địa không gian hỗ trợ công tác vận hành giao thông đường bộ khu vực miền núi phía Bắc Việt Nam”
Ngành: Kỹ thuật Trắc địa – Bản đồ
Mã số: 9520503
Họ và tên nghiên cứu sinh: Khúc Thành Đông
Khóa đào tạo: 2022 – 2025
Họ và tên cán bộ hướng dẫn:
1. PGS.TS Trần Vân Anh – Trường Đại học Mỏ – Địa chất
2. TS Trương Xuân Quang – Trường Khoa học liên ngành và Nghệ thuật – Đại học Quốc gia Hà Nội
Tên cơ sở đào tạo: Trường Đại học Mỏ – Địa chất
TÓM TẮT NHỮNG KẾT LUẬN MỚI CỦA LUẬN ÁN
1. Giải đoán ảnh viễn thám đa thời gian kết hợp phân tích địa mạo là phương pháp hiệu quả để kiểm kê trượt lở đất tại khu vực nghiên cứu. Phương pháp này giúp tăng cường tính đầy đủ và độ tin cậy của dữ liệu kiểm kê so với các phương pháp truyền thống.
2. Thuật toán học máy kết hợp thể hiện khả năng xử lý hiệu quả bài toán phân loại lớp phủ từ ảnh viễn thám đa nguồn và đa thời gian. Kết quả thử nghiệm trên dữ liệu ảnh Sentinel-1 đa thời gian và Sentinel-2 cho thấy các thuật toán này mang lại hiệu quả vượt trội và độ tin cậy cao hơn rõ rệt so với khi sử dụng các thuật toán đơn lẻ.
3. Tăng cường và cập nhật dữ liệu theo thời gian góp phần nâng cao hiệu quả và độ tin cậy của mô hình nguy cơ trượt lở đất. Độ chính xác của mô hình được cải thiện rõ rệt trong cả hai trường hợp: sử dụng dữ liệu kiểm kê toàn khu vực và chỉ sử dụng các điểm trượt lở đất ảnh hưởng đến đường bộ, nhờ vào việc tích hợp các dữ liệu theo năm bao gồm kiểm kê trượt lở, bản đồ lớp phủ và tổng lượng mưa.
4. Thuật toán lai Multilayer Perceptron – Gradient Boosting (MLP-GB) chứng tỏ hiệu quả trong nâng cao tính ổn định và khả năng tổng quát hóa của mô hình nguy cơ trượt lở đất. Đối với khu vực giao thông đường bộ, việc sử dụng dữ liệu kiểm kê gắn với tuyến đường để xây dựng mô hình nguy cơ theo dài hạn là phù hợp. Trong khi đó, với các mô hình đánh giá nguy cơ theo năm, việc mở rộng phạm vi kiểm kê ra ngoài khu vực tuyến đường giúp tăng cường hiệu quả và độ tin cậy của mô hình.
