Khi các yếu tố này đồng thời hội tụ—đặc biệt là tổ hợp nước lũ thượng nguồn, mưa kéo dài và triều cường—mức độ ngập có thể gia tăng mạnh, gây tác động rõ rệt đến sản xuất nông nghiệp, công nghiệp, kinh tế và hệ thống hạ tầng. Ngược lại, mùa khô thường đối mặt với lũ rút nhanh khiến mực nước xuống thấp, từ đó phát sinh thiếu nước và khô hạn.

Ảnh minh họa

Riêng tại An Giang, lũ thường xuất hiện từ tháng 6 đến tháng 11, tương ứng giai đoạn mùa mưa kéo dài khoảng đầu tháng 5 đến giữa tháng 11, chiếm xấp xỉ 90% lượng mưa cả năm. Trong thời gian này, ngoài ngập lụt và ngập úng cục bộ ở vùng trũng thấp, nguy cơ ngập còn có thể tăng do đặc điểm ven sông, kênh rạch và những khu vực không có hệ thống đê bao; đồng thời phát sinh rủi ro sạt lở bờ sông, gây thiệt hại về người và tài sản, đặc biệt ảnh hưởng trực tiếp đến sinh kế nông nghiệp. Tỉnh đã triển khai các giải pháp quản lý, theo dõi và cảnh báo mực nước cũng như rà soát chính sách, kế hoạch phòng chống giảm thiệt hại do lũ; tuy nhiên hiệu quả dự báo và kiểm soát lũ trong tương lai vẫn còn hạn chế một phần do mức độ ứng dụng công nghệ chưa đồng đều. Trong bối cảnh các nghiên cứu gần đây cho thấy mô hình học máy, đặc biệt học sâu, có thể hỗ trợ dự báo mực nước hiệu quả hơn, LSTM được xem là một hướng đi phù hợp cho bài toán chuỗi thời gian. Nhiều công trình đã ghi nhận khả năng cải thiện hiệu quả so với mô hình truyền thống như SARIMA hay Random Forest, đồng thời cho thấy kết quả tích cực khi LSTM được mở rộng với GRU hoặc khi bổ sung dữ liệu khí tượng (mực nước, nhiệt độ, độ ẩm, lượng mưa), nhờ khả năng học quan hệ phụ thuộc theo thời gian và mô phỏng tốt diễn biến động thái.

Trên cơ sở đó, nghiên cứu đề xuất dự báo mực nước bằng mô hình học máy theo hướng tận dụng dữ liệu quan trắc tại các trạm thủy văn để xây dựng mô hình dự báo nhanh, giảm phụ thuộc vào việc mô tả chi tiết các quá trình vật lý phức tạp. Cách tiếp cận này hướng tới rút ngắn thời gian dự báo, nâng cao độ chính xác và hỗ trợ nhận biết sớm diễn biến mực nước trong tương lai gần, từ đó tạo điều kiện cho ứng phó chủ động và tối ưu hiệu quả kinh tế–xã hội tại địa phương. Vì An Giang có nền tảng dữ liệu quan trắc ngày càng phong phú, nghiên cứu “Dự báo mực nước tại trạm Khánh An, huyện An Phú, tỉnh An Giang bằng mô hình học máy” được thực hiện nhằm xây dựng mô hình tin cậy và đánh giá bằng các chỉ số sai số như RMSE và mức độ phù hợp thông qua (R^2) đối với mô hình LSTM. Mục tiêu cụ thể là dự báo mực nước tại trạm Khánh An (trong hệ thủy văn sông Hậu) với hai cấu hình chuỗi đầu vào 24 giờ và 48 giờ để dự báo 6 giờ tiếp theo, đồng thời huấn luyện với các mức epochs 50, 100, 200 và 300. Kết quả cho thấy mô hình hiệu quả nhất đạt được khi sử dụng chuỗi đầu vào 48 giờ và 300 epochs, với RMSE = 6,894 và (R^2 = 0,997); mô hình mô phỏng tốt các thời điểm cực trị, đồng thời phù hợp cho dự báo theo mùa tại trạm. Nhờ đó, hướng tiếp cận có thể được mở rộng phục vụ cảnh báo lũ và quản lý hạn hán ở các khu vực chịu tác động bởi biến đổi khí hậu và biến động dòng chảy tại ĐBSCL và đặc biệt là An Giang.