Chất lượng nước luôn là vấn đề cấp thiết được quan tâm hơn cả do tác động của nó đến sức khoẻ của người dân cũng như đến môi trường và hệ sinh thái. Lưu vực sông Nhuệ–Đáy có vai trò quan trọng không chỉ trong phát triển kinh tế của các tỉnh thành phố ven sông mà còn cả trong sự phát triển của vùng đồng bằng sông Hồng. Tuy nhiên, nguồn nước sông đang bị ô nhiễm nghiêm trọng và là một trong những điểm nóng về ô nhiễm môi trường nước. Theo Tổng cục Môi trường – Bộ Tài nguyên và Môi trường, trong tổng số 15/185 điểm quan trắc bị ô nhiễm nặng nhất trên 5 lưu vực sông khu vực phía Bắc vào năm 2020 thì có đến 13 điểm thuộc lưu vực sông Nhuệ–Đáy và có tới 62% số điểm quan trắc cho kết quả của chỉ số chất lượng nước WQI < 50 ở mức xấu đến rất xấu. Chất lượng nước kém đã ảnh hưởng rất lớn tới cuộc sống, kinh tế, môi trường và xã hội. Do đó việc kiểm soát ô nhiễm trên lưu vực sông Nhuệ – Đáy thuộc địa bàn thành phố Hà Nội đóng vai trò quan trọng không chỉ với Hà Nội mà còn đối với toàn lưu vực.

Việc tính toán mô phỏng biến đổi theo không gian và thời gian của các chất ô nhiễm đóng vai trò quan trọng trong công tác đánh giá và kiểm soát chất lượng nước. Với sự phát triển của công nghệ thông tin cũng như mô hình hóa chất lượng nước, ngày càng nhiều các mô hình mô phỏng chất lượng nước ra đời và phát triển. Một số mô hình toán thông dụng đã được phát triển bao gồm QUAL, WASP, QUASAR, MIKE Ecolab, các mô hình này thuộc nhóm mô hình số trị, là mô hình hóa quá trình lan truyền nước trên hệ thống sông, kênh mương. Ưu điểm của nhóm mô hình này là có thể cung cấp thông tin đánh giá chất lượng nước theo không gian và thời gian. Tuy nhiên, việc thiết lập mô hình tương đối phức tạp và mất nhiều thời gian, yêu cầu người sử dụng mô hình cần có kiến thức chuyên môn hiệu chỉnh, kiểm định và đánh giá kết quả mô hình. Đặc biệt, trong điều kiện ở các nước đang phát triển như Việt Nam, do tính phức tạp trong việc thiết lập mô hình, sẽ rất khó khăn trong việc chuyển giao mô hình cho các cơ quan quản lý địa phương sử dụng. Do đó việc phát triển các mô hình đơn giản dễ tiếp cận, dễ sử dụng là một yêu cầu cấp bách.

Thời gian gần đây, các mô hình trí tuệ nhân tạo phục vụ mô phỏng dự báo chất lượng nước đã và đang được ứng dụng rộng rãi do khả năng tính toán nhanh với độ tin cậy và hiệu quả cao. Bên cạnh đó, các quá trình thủy văn nhìn chung là các quá trình phi tuyến tính trong tự nhiên, thay đổi theo không gian và thời gian như dòng chảy, chất lượng nước. Do đó, việc mô tả các quá trình và yếu tố trên cần được phân tích phi tuyến tính. Khi các dữ liệu đủ lớn, cùng với thuật toán và hệ số của mô hình trí tuệ nhân tạo (AI) được thiết lập một cách phù hợp, mô hình có khả năng mô phỏng các yếu tố với hiệu suất và độ chính xác cao, có thể thay thế cho mô hình thuỷ lực số trị.

Thực tế cho thấy AI có ưu điểm vượt bậc và phù hợp trong việc quản lý, đánh giá và mô phỏng, dự báo chất lượng nước hiệu quả tại một số quốc gia trên thế giới. Tuy vậy, cách tiếp cận sử dụng công nghệ trí tuệ nhân tạo mô phỏng chất lượng nước vẫn là một trong những hướng nghiên cứu tương đối mới trên thế giới hiện nay. Ở Việt Nam, cho đến thời điểm hiện tại vẫn chưa có nhiều nghiên cứu đánh giá mô phỏng chất lượng nước ứng dụng mạng trí tuệ nhân tạo. Một trong những lý do mô hình trí tuệ nhân tạo chưa được sử dụng rộng rãi là do thiếu dữ liệu để huấn luyện các mô hình trí tuệ nhân tạo. Mặc dù số liệu quan trắc chất lượng nước trên lưu vực sông Nhuệ – Đáy ngày càng nhiều, chuỗi số liệu này vẫn chưa đủ để xây dựng một mô hình trí tuệ nhân tạo đủ tin cậy. Năm 2006, một nghiên cứu đã xem xét kết hợp mô hình trí tuệ nhân tạo và mô hình chất lượng nước và đưa ra các lí do cần tích hợp hai loại mô hình và đánh giá hiệu quả. Trong đề xuất này nhóm thực hiện sẽ xây dựng công cụ mô phỏng chất lượng nước dựa vào công nghệ trí tuệ nhân tạo. Theo đó, nghiên cứu sẽ sử dụng công nghệ này xây dựng quan hệ tương quan giữa đầu vào (tải lượng các nguồn xả thải, chỉ số chất lượng nước sông thời điểm hiện tại và lưu lượng nước sông) và đầu ra (chỉ số chất lượng nước tại một số vị trí có số liệu đo trên sông Nhuệ – Đáy). Quan hệ này sau khi xây dựng sẽ được sử dụng để mô phỏng chất lượng nước sông góp phần cho dự báo và phục vụ công tác kiểm soát ô nhiễm sau này. So với các mô hình số trị, công nghệ trí tuệ nhân tạo không yêu cầu người sử dụng cần có kiến thức chuyên môn sâu vì các công việc phân tích, xử lý số liệu đã được ẩn phía sau. Do đó, công nghệ rất thuận lợi trong việc chuyển giao cho thành phố Hà Nội. Công nghệ cũng cho kết quả tính toán một cách nhanh chóng, rất phù hợp phục vụ công tác mô phỏng, dự báo chất lượng nước cũng như hỗ trợ ra quyết định trong việc kiểm soát ô nhiễm. Vì vậy, nghiên cứu sẽ kết hợp cả mô hình thủy lực và mô hình trí tuệ nhân tạo nhằm tăng độ tin cậy cho mô hình trí tuệ nhân tạo trong đó mô hình thủy lực được sử dụng để tạo lập cơ sở dữ liệu theo các kịch bản khác nhau cùng với dữ liệu đo đạc có sẵn làm đầu vào cho mô hình trí tuệ nhân tạo. Bài báo này trình bày một số kết quả đạt được của cách tiếp cận mới này áp dụng cho lưu vực sông Nhuệ – Đáy. Kết quả nghiên cứu trình bày trong bài báo có thể hỗ trợ các nhà quản lý trong việc đánh giá hiện trạng và dự báo chất lượng nước, phục vụ công tác kiểm soát và quản lý chất lượng nước trên lưu vực sông Nhuệ Đáy.

Lưu vực sông Nhuệ – Đáy nằm ở hữu ngạn sông Hồng tọa độ từ 20o đến 21o20’ vĩ độ Bắc, và từ 105o đến 105o30’ kinh độ Đông, với tổng diện tích tự nhiên là 7665 km2. Sông Đáy là một phân lưu của sông Hồng bắt nguồn từ hệ thống phân chứa lũ Vân Cốc thuộc huyện Phúc Thọ chảy qua các tỉnh Hà Nội, Hà Nam, Ninh Bình, Nam Định trước khi đổ ra biển ở cửa Đáy. Sông Nhuệ lấy nước từ sông Hồng qua cống Liêm Mạc ở Từ Liêm, Hà Nội để cấp nước tưới và đồng thời làm chức năng tiêu nước cho các quận/huyện Cầu Giấy, Hà Đông, Từ Liêm, Thanh Trì, Hoài Đức, Thường Tín, Thanh Oai, Phú Xuyên của TP. Hà Nội rồi đổ vào sông Đáy ở Phủ Lý.

Sông Nhuệ Đáy thuộc địa bàn thành phố Hà Nội

Phương pháp nghiên cứu

Nghiên cứu đã thu được các kết quả chính và nổi bật như sau:

- Sử dụng phương pháp sử dụng mô hình số trị MIKE 11 kết hợp với mô hình trí tuệ nhân tạo mô phỏng chất lượng nước sông tương đối tốt.

- Mô hình trí tuệ nhân tạo mạng hồi quy Multilayer Perceptron (ANN–MLP) đã được ứng dụng để mô phỏng nồng độ BOD5, DO, Amoniac, Nitrate trên lưu vực sông Nhuệ–Đáy. Kết quả thu được từ quá trình huấn luyện ở tất cả các trạm đạt chỉ số R2 từ 0.98 đến ~1 cho thấy khả năng dự báo của mô hình AI gần sát với kết quả từ mô hình MIKE 11. Với kết quả được cho là tin cậy, mô hình AI cho phép mô phỏngchất lượng nước mặt lưu vực sông Nhuệ–Đáy thay cho mô hình MIKE 11 đồng thời là cơ sở để xây dựng một mô hìnhdự báo chất lượng nước mặt cho lưu vực sông cho các kịch bản trong tương lai. Đây là công cụ thực hiện dự báo với tốc độ nhanh chóng, thuận lợi cho thành phố Hà Nội trong việc quản lý cũng như đưa ra các chính sách phù hợp.

- Mô phỏng chất lượng nước trên lưu vực sông đã đánh giá được tình trạng chất lượng nước như sau: chất lượng nước lưu vực sông vẫn chưa được cải thiện rõ rệt, xuất hiện tình trạng gia tăng ô nhiễm cục bộ; chất lượng nước sông Nhuệ đoạn chảy qua đoạn Phúc La– Hà Đông đến hạ nguồn sông phần xuyên ở mức kém, tại một số thời điểm còn xảy ra tình trạng ô nhiễm nghiêm trọng và ít chuyển biến giữa các mùa trong năm; chất lượng nước sông Đáy nhìn chung ở mức trung bình, ô nhiễm cục bộ tại khu vực cầu Mai Lĩnh. Nước sông Nhuệ chủ yếu chỉ đáp ứng được cho mục giao thông thủy và các mục đích tương đương khác, trên sông Đáy tại một số vị trí được sử dụng thêm cho mục đích tưới tiêu. Do đó, cần có các giải pháp khắc phục tình trạng ô nhiễm nguồn nước lưu vực sông.

Ngoài những kết quả đã đạt được, do hạn chế về thời gian nên việc mô phỏng các thông số lượng nước khác: Photpho, Coliform, Ecoli, chưa được tiến hành để đánh giá tổng quan hơn về chất lượng nước lưu vực sông. Đồng thời, nhóm tác giả định hướng nghiên cứu dự báo và kiểm soát nguồn ô nhiễm chất lượng nước cho nguồn nước lưu vực sông Nhuệ–Đáy nói riêng và hệ thống sông nói chung sẽ được thực hiện trong các nghiên cứu tiếp theo.

lttsuong