Tên đề tài luận án tiến sĩ: Đánh giá và dự đoán chất lượng nước bằng mạng nơ-ron nhân tạo – trường hợp nghiên cứu sông Đồng Nai
Chuyên ngành: Quản lý tài nguyên và môi trường
Mã số: 62.85.01.01
Họ và tên nghiên cứu sinh: Nguyễn Hiền Thân
Người hướng dẫn khoa học: 1. PGS.TS Chế Đình Lý; 2. GS. Phạm Văn Tất
Cơ sở đào tạo: Viện Môi trường và Tài nguyên, Đại học Quốc gia Tp. Hồ Chí Minh.
1. Tóm tắt luận án 
Chất lượng nước có vai trò quan trọng cho phát triển kinh tế và xã hội. Đánh giá và dự báo chất lượng nước sông Đồng Nai là một nhiệm vụ quan trọng cho quản lý bền vững nguồn tài nguyên nước. Mục tiêu của đề tài là xây dựng mô hình mạng ANN có khả năng đánh giá và dự báo tốt chất lượng nước sông Đồng Nai. Các phương pháp mạng mạng nơ-ron nhân tạo và phân tích thống kê được sử dụng để giải quyết các mục tiêu đề tài. Kết quả nghiên cứu của đề tài có thể khái quát như sau:
- Dữ liệu nghiên cứu được xử lý, sàng lọc và khai phá cho phù hợp với yêu cầu dữ liệu đầu vào của các mô hình. Mô hình FFNN cấu trúc I(8) - HL(9) - O(1) đã được xây dựng thành công để phân bậc chất lượng nước sông Đồng Nai trong giai đoạn 2007 - 2020. Trong mô hình này, các giá trị RMSE cho các tập huấn luyện, nội đánh giá và kiểm định lần lượt bằng 0,0392, 0,0411 và 0,0423. Các giá trị MAPE tương ứng thu được lần lượt là 1,241, 1,444 và 1,511. Chỉ số VN_WQI, FCE và Nemerow được so sánh với mô hình FFNN. FFNN cho thấy độ tin cậy và chính xác cao hơn lên đến 99%.
- Hiện trạng và diễn biến chất lượng nước sông Đồng Nai đã được mô tả và phân tích đầy đủ. Kết quả cho thấy chất lượng nước sông Đồng Nai đang ở mức trung bình (bậc III). Chất lượng nước giữa mùa khô và mùa mưa có sự khác biệt. Mùa mưa chất lượng nước thấp hơn mùa khô do ảnh hưởng bởi lượng phù sa.
- Mô hình lai LSTM-MA đã được xây dựng để dự báo chất lượng nước sông Đồng Nai. Các mô hình ARIMA (0,1,3) (1,1,1), NAR, NAR-MA và LSTM được so sánh với mô hình LSTM-MA về khả năng dự báo trong khoảng thời gian (tháng) khác nhau k = 12, k = 24 và k = 60. Mô hình LSTM-MA cho thời gian huấn luyện nhanh và tin cậy hơn so với các mô hình ARIMA, NAR, NAR-MA và LSTM. 
- Mô hình lai LSTM-MA được sử dụng để dự báo phân bậc chất lượng nước sông Đông Nai giai đoạn từ 2021 đến 2025. Chất lượng nước tại hầu hết các điểm quan trắc của sông Đồng Nai dao động quanh mức III – mức trung bình. Đoạn sông Đồng Nai qua khu vực Thành phố Biên Hòa và các khu công nghiệp có xu hướng cải thiện. 
2. Những kết quả mới của luận án 
Những đóng góp chính của luận án gồm các vấn đề sau:
- Đã xây dựng thành công mô hình phân bậc chất lượng nước mặt FFNN phù hợp với quy chuẩn chất lượng nước mặt Việt Nam. Mô hình có độ chính xác cao trên cơ sở so sánh khách quan với các phương pháp khác.
- Đã xây dựng thành công mô hình dự báo lai LSTM-MA cho sông Đông Nai có tính ứng dụng cao vào công tác quản lý nguồn tài nguyên nước mặt.
- Đã phân bậc được chất lượng nước và dự báo được bậc chất lượng nước sông Đồng Nai tương lai từ năm 2021 - 2025.
3. Các ứng dụng/ khả năng ứng dụng trong thực tiễn hay những vấn đề còn bỏ ngỏ cần tiếp tục nghiên cứu
3.1 Khả năng ứng dụng trong thực tế
Mô hình FFNN có thể sử dụng đánh giá chất lượng nước mặt cho nhiều đối tượng khác tại Việt Nam đảm bảo phù hợp với quy định chất lượng nước. Cách tiếp cận này giúp cho quá trình đánh giá chất lượng nước nhanh và chi phí thấp. Mô hình LSTM-MA có thể dự báo nhanh chất lượng nước sông Đồng Nai tương lai phục vụ công tác giám sát và quy hoạch bảo vệ bền vững tài nguyên nước. Đặc biệt, công nghiệp hóa và đô thị hóa khu vực hạ lưu sông Đồng Nai ngày càng cao.
3.2 Những vấn đề cần tiếp tục nghiên cứu
Lưu vực sông Đồng Nai đã và đang triển khai chương trình quan trắc tự động tại một số vị trí. Các thông số quan trắc tự động là các thông số đo nhanh tại hiện trường như nhiệt độ, pH, DO và độ dẫn điện. Chất lượng nước tại các các trạm quan trắc tự động vẫn chưa xác định. Dữ liệu quan trắc tự động không được khai thác một cách hiệu quả. Do đó, nghiên cứu xây dựng mô hình mạng nơ-ron nhân tạo để phân bậc chất lượng nước tại các điểm quan trắc tự động là cần thiết trong các nghiên cứu tiếp theo. Đây là vấn đề cần được đâu tư bài bản và nghiêm túc nhằm khai thác nguồn dữ liệu quan trắc tự động đồ sộ và quý giá phục vụ mạnh mẽ cho quản lý nguồn tài nguyên nước.
Mặc dù mô hình LSTM-MA cho thấy khả năng dự báo khả quan, nhưng một số hạn chế của mô hình này cần được lưu ý. Trước tiên, mô hình lai LSTM-MA chỉ phù hợp cho dự báo trong thời gian ngắn. Chính vì điều này, để mô hình hoạt động hiệu quả và có độ chính xác cao yêu cầu người dùng phải cập nhật liên tục dữ liệu.