Tổng quan về luận án

Hiện tượng sạt lở bờ sông tại khu vực Đồng bằng sông Cửu Long (ĐBSCL) đang diễn biến ngày càng phức tạp, trở thành một trong những tai biến địa chất đe dọa trực tiếp đến tính mạng, tài sản và cơ sở hạ tầng ven sông. Với đặc thù một đồng bằng châu thổ trẻ được bồi đắp hơn 6.000 năm qua từ trầm tích sông Mekong và bùn cát ven biển, nền đất ĐBSCL mang cấu trúc địa chất mềm yếu, sức chịu tải thấp và cực kỳ nhạy cảm trước các biến động cơ học. Trong bối cảnh đô thị hóa nhanh chóng, mật độ xây dựng nhà ở, kho bãi và tải trọng động từ các tuyến giao thông huyết mạch chạy dọc mép bờ sông gia tăng đột biến, làm biến đổi trạng thái ứng suất cực hạn và kích hoạt quá trình dịch chuyển ngang của khối đất.

Khoảng trống nghiên cứu (research gap) cốt lõi hiện nay là: Mặc dù đã có nhiều nghiên cứu ứng dụng ảnh viễn thám, GIS hoặc các mạng cảm biến đo mưa và đo nghiêng bề mặt, nhưng hoàn toàn thiếu vắng các mô hình định lượng đánh giá trực tiếp sự phân bố áp lực ngang ($\sigma_{xx}$), ứng suất cắt ($\tau_{xy}$) trong khối trượt dưới tác động kết hợp của tải trọng ngoài và sự hạ thấp mực nước triều rút. Nhằm giải quyết triệt để vấn đề này, luận án tiến sĩ chuyên ngành Kỹ thuật Điều khiển và Tự động hóa của nghiên cứu sinh Đặng Trâm Anh (Trường Đại học Cần Thơ, 2024), dưới sự hướng dẫn của PGS. Nguyễn Chí Ngôn và TS. Lương Vinh Quốc Danh, đã tiên phong phát triển "Mô hình tự động đánh giá và hỗ trợ cảnh báo tác động của tải trọng ngoài đến sạt lở bờ sông ở Đồng Bằng Sông Cửu Long".

Nghiên cứu tập trung giải quyết 3 câu hỏi nghiên cứu (Research Questions - RQ) và kiểm chứng 3 giả thuyết khoa học (Hypotheses - H):

  • RQ1: Cơ chế biến dạng dẻo và phân bố ứng suất ngang trong nền đất yếu ven sông thay đổi như thế nào dưới tác động của các cấp tải trọng ngoài kết hợp dao động thủy triều?
    • H1: Tải trọng ngoài tác dụng gần mép bờ làm gia tăng phi tuyến ứng suất ngang và ứng suất cắt tại vùng ranh giới trượt tiềm năng, làm suy giảm sức chịu tải cực hạn ($Q_{ult}$) của khối đất lên đến trên 30% so với điều kiện địa hình phẳng.
  • RQ2: Làm thế nào để thiết kế một hệ thống quan trắc nhúng IoT đa tham số có khả năng đo đạc chính xác áp lực đất ngang và chuyển vị nghiêng với độ tin cậy cao trong môi trường bùn sét bão hòa nước?
    • H2: Việc kết hợp cảm biến áp lực đất chuẩn hóa (EPC), cảm biến đo nghiêng MEMS cùng mạch thu thập tín hiệu vi sai 24-bit AD7192 và bộ lọc số thông thấp sẽ triệt tiêu nhiễu môi trường, duy trì sai số dưới 1%.
  • RQ3: Mô hình học sâu chuỗi thời gian nào có khả năng dự báo sớm ngưỡng phá hoại mái dốc từ luồng dữ liệu cảm biến đa biến với độ trễ thấp?
    • H3: Cấu trúc mạng nơ-ron hồi quy bộ nhớ ngắn-dài hạn (LSTM) với cửa sổ quan sát trượt 4 phút 30 giây có thể học được các biến đổi cơ học tiền sạt lở để đưa ra cảnh báo sớm trước 2 giờ với điểm F1 vượt mức 0,82.

Khung lý thuyết của luận án tích hợp chặt chẽ giữa Cơ học đất phi tuyến (Lý thuyết dẻo Mohr-Coulomb, bài toán sức chịu tải Terzaghi) với Kỹ thuật Tự động hóa và Trí tuệ nhân tạo (Hệ thống nhúng IoT, Mạng nơ-ron học sâu LSTM). Đóng góp mang tính đột phá của nghiên cứu được định lượng thông qua việc thu thập và xử lý bộ dữ liệu thực địa quy mô lớn gồm 374.415 mẫu, đạt độ chính xác phân loại (Precision), độ thu hồi (Recall) và điểm F1 ở mức 0,8232 với độ lệch chuẩn cực thấp khoảng 1%. Phạm vi nghiên cứu được kiểm chứng thực tế tại bờ sông Rạch Cái Sâu, phường Phú Thứ, quận Cái Răng, thành phố Cần Thơ với hố đào sâu 2,5 m, đóng góp giải pháp công nghệ chiến lược nhằm thực hiện chỉ đạo của Thủ tướng Chính phủ: "Nhiệm vụ bảo đảm tính mạng, tài sản của nhân dân và các công trình của Nhà nước, bảo đảm sinh kế của nhân dân phải thuận thiên, phát triển nhưng phải bền vững là những vấn đề lớn đặt ra cho vùng ĐBSCL".

Literature Review và Positioning

Tổng quan tài liệu quốc tế và trong nước về hệ thống cảnh báo sớm trượt lở đất (Landslide Early Warning Systems - LEWS) cho thấy ba dòng nghiên cứu chính:

                  ┌────────────────────────────────────────────────────────┐
                  │           KHUNG TIẾP CẬN CẢNH BÁO SẠT LỞ               │
                  └──────────────────────────┬─────────────────────────────┘
                                             │
         ┌───────────────────────────────────┼───────────────────────────────────┐
         ▼                                   ▼                                   ▼
┌──────────────────┐               ┌──────────────────┐                ┌──────────────────┐
│  DÒNG 1: THỦY VĂN │               │  DÒNG 2: MẠNG IOT │                │ DÒNG 3: AI & ML  │
│  & NGƯỠNG MƯA     │               │  & CẢM BIẾN MEMS │                │ CHUỖI THỜI GIAN  │
├──────────────────┤               ├──────────────────┤                ├──────────────────┤
│• Rossi (2012)    │               │• Gian (2016)     │                │• LSTM / RNN      │
│• Godt (2008)     │               │• Uchimura (2015) │                │• Random Forest   │
│• Chleborad (2006)│               │• Abraham (2020)  │                │• SVM / ANFIS     │
└────────┬─────────┘               └────────┬─────────┘                └────────┬─────────┘
         │                                  │                                   │
         └──────────────────────────────────┼───────────────────────────────────┘
                                            ▼
                  ┌────────────────────────────────────────────────────────┐
                  │       KHOẢNG TRỐNG VÀ VỊ TRÍ ĐỊNH VỊ CỦA LUẬN ÁN       │
                  │  (Tích hợp Áp lực ngang EPC + Biến dạng nghiêng MEMS  │
                  │   + Mô phỏng Plaxis 2D + Học sâu LSTM tại ĐBSCL)       │
                  └────────────────────────────────────────────────────────┘

Dòng nghiên cứu thứ nhất tập trung vào mối quan hệ giữa lượng mưa và sự mất ổn định mái dốc. Các tác giả như Rossi và cộng sự (2012), Jonathan W. Godt (2008), và Alan F. Chleborad (2006) đã thiết lập các ngưỡng thống kê lượng mưa tích lũy và chỉ số hàm lượng nước trước mưa (Antecedent Wetness Index - AWI) để dự báo sạt lở nông. Tuy nhiên, tranh luận học thuật lớn nảy sinh khi nhóm Caroline R. Scheevel áp dụng mô hình này tại vùng Seattle và nhận thấy sự sai lệch lớn khi chuyển dịch không gian địa lý, đồng thời mô hình lượng mưa hoàn toàn không thể giải thích được các vụ sạt lở xảy ra trong mùa khô do tải trọng công trình hoặc hiện tượng triều rút nhanh tại các đồng bằng châu thổ.

Dòng nghiên cứu thứ hai khai thác mạng cảm biến không dây (WSN) và IoT. Gian và cộng sự (2016) triển khai hệ thống EWMRIL tại Nam Đàn (Nghệ An) sử dụng cảm biến đo ẩm và áp lực nước lỗ rỗng (PWP) kết hợp phần mềm GeoStudio để tính hệ số an toàn (FoS). Taro Uchimura và cộng sự (2015, 2017) tại Nhật Bản phát triển hệ thống cọc cảm biến MEMS đo độ nghiêng bề mặt với ngưỡng cảnh báo tốc độ nghiêng $0,01^\circ/\text{h}$ (phòng ngừa) và $0,1^\circ/\text{h}$ (báo động). Tương tự, Abhirup Dikshit và cộng sự (2018) cũng như Abraham và cộng sự (2020) tại dãy Himalayas Darjeeling ứng dụng cảm biến gia tốc và độ ẩm khối đất. Dù vậy, các hệ thống này chủ yếu thiết kế cho sườn dốc đồi núi đá phong hóa, chưa được cấu hình để đo ứng suất tiếp xúc và áp lực đất ngang bên trong các thềm sét dẻo mềm có tính xúc biến cao.

Dòng nghiên cứu thứ ba ứng dụng Trí tuệ nhân tạo (AI/ML) trong dự báo trượt lở, bao gồm các mô hình SVM, Random Forest, ANFIS và mạng nơ-ron hồi quy. Đa phần các nghiên cứu trước đây chỉ sử dụng dữ liệu tĩnh từ bản đồ độ nhạy trượt lở (LSM) thay vì xử lý luồng dữ liệu chuỗi thời gian động từ hiện trường.

So sánh trực tiếp với hai nghiên cứu quốc tế tiêu biểu:

  1. Hệ thống Inform@Risk (Đức & Quốc tế - 2020): Sử dụng nút cảm biến độ sâu LCI đo độ nghiêng và mực nước ngầm truyền qua LoRaWAN. Điểm hạn chế so với luận án là Inform@Risk chỉ đo chuyển vị hình học thuần túy, không tích hợp cảm biến áp lực đất (Earth Pressure Cell - EPC), do đó không phát hiện được sự tích tụ ứng suất cơ học trước khi biến dạng hình học xuất hiện.
  2. Nghiên cứu của Abraham và cộng sự (Darjeeling Himalayas - 2020): Giám sát sạt lở trên sườn dốc đồi núi với cảm biến độ ẩm thể tích và độ nghiêng. Hệ thống này không tính đến tương tác phức tạp giữa tải trọng phân bố trên bờ (nhà cửa, xe cộ) và tác động của dòng chảy lòng dẫn sông, vốn là đặc trưng thủy địa lực sống còn tại ĐBSCL.

Luận án của Đặng Trâm Anh đã định vị chính xác tại điểm giao thoa giữa Cơ học địa kỹ thuật chuyên sâu và Tự động hóa thông minh. Bằng cách tích hợp dữ liệu cơ lý thực tế, mô phỏng phần tử hữu hạn (FEM Plaxis) để xác định bản chất phân bố ứng suất, chuẩn hóa cảm biến áp lực đất Kyowa BED-A-200KP và áp dụng mô hình mạng nơ-ron LSTM, luận án đã lấp đầy khoảng trống nghiên cứu về cảnh báo sạt lở bờ sông do tải trọng nhân sinh trên nền đất yếu.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mang lại những đóng góp nền tảng cho lý thuyết Cơ học đất và Ổn định mái dốc ven sông:

  • Mở rộng lý thuyết phá hoại Mohr-Coulomb và bài toán sức chịu tải Terzaghi: Nghiên cứu đã chứng minh rằng trong điều kiện bờ sông bị cắt xén hình thái bởi lòng dẫn, sự xuất hiện của tải trọng ngoài dạng băng ($q$) cách mép bờ 1 m sẽ làm dịch chuyển nêm đàn hồi và thúc đẩy vùng biến dạng dẻo lan rộng bất đối xứng về phía mái dốc bờ sông. Khi mực nước hạ thấp từ $0,0\text{ m}$ xuống $-1,5\text{ m}$, sức chịu tải cực hạn của nền đất suy giảm mạnh từ $Q_{ult} = 20,61\text{ kPa}$ (trường hợp nền phẳng không có sông) xuống còn $Q_{ult} = 14,3\text{ kPa}$ (trường hợp có mái dốc sông).
  • Thiết lập mô hình quan hệ phi tuyến giữa tải ngoài và ứng suất nội tại: Xây dựng biểu thức toán học biểu diễn hệ số ổn định tối thiểu $K_{min}$ tại phân tố đất: $$K_{min} = \frac{2 \sqrt{A(A + f)}}{\sigma_1 - \sigma_2}$$ Trong đó $A = \frac{\sigma_1 + \sigma_2}{2} + \frac{C}{\tan \phi}$ và $f = \frac{C}{\tan \phi}$. Nghiên cứu chỉ ra rằng khi $K_{min} \le 1,0$, vùng dẻo hình thành tại độ sâu $h = -3\text{ m}$ và phát triển thành mặt trượt liên tục nối từ mép ngoài tải trọng đến chân mái dốc.
  • Chuyển dịch mô hình nhận thức (Paradigm Shift): Chuyển đổi căn bản từ việc đánh giá ổn định mái dốc tĩnh (dựa trên hệ số an toàn giới hạn $FS$ truyền thống) sang đánh giá động theo thời gian thực dựa trên trạng thái biến thiên của véctơ ứng suất ngang ($\Delta \sigma_{xx}$) và ứng suất cắt ($\Delta \tau_{xy}$) kết hợp độ nghiêng cọc cảm biến.
                      MÔ HÌNH KHÁI NIỆM TRUYỀN DẪN VÀ TÍCH TỤ ỨNG SUẤT
                      
  Tải trọng ngoài q (kN/m²)
      │ │ │ │ │ │ │
  ═════════════════════             Mép bờ sông
  ▲ Nền đường/Công trình                 ╲
  │ (Cách mép 1 m)                        ╲  Mái dốc tự nhiên
  │                                        ╲
  ├──────────────────────┐                  ╲
  │  Vùng Nén Đàn Hồi    │                   ╲  Mực nước sông thay đổi (0m -> -1.5m)
  │  (Elastic Wedge)     │                    ╲───────────────── ~~~
  └──────────┬───────────┘                     │
             ▼                                 ▼
  ┌─────────────────────────────────────────────────────────────┐
  │ Vùng Biến Dạng Dẻo (Kmin <= 1.0)                             │
  │ • Tăng ứng suất ngang Δσ_xx                                 │ ──► [Kích hoạt mặt trượt dẻo]
  │ • Tăng ứng suất cắt Δτ_xy tại độ sâu h = -3m                │
  └──────────────────────────────┬──────────────────────────────┘
                                 │
                                 ▼
             ┌────────────────────────────────────────┐
             │ Cọc Cảm Biến IoT Đa Tầng Ghi Nhận:     │
             │  - EPC: Áp lực đất ngang p (kPa)       │
             │  - MEMS: Góc nghiêng chuyển vị θ (deg) │
             └────────────────────────────────────────┘

Các mệnh đề khoa học được xác lập:

  • Mệnh đề 1: Tải trọng ngoài là yếu tố làm tăng đột biến ứng suất cắt vượt quá sức kháng cắt không thoát nước ($s_u$) của lớp sét dẻo mềm, đóng vai trò tác nhân kích hoạt chính.
  • Mệnh đề 2: Tốc độ gia tăng áp lực ngang đo được tại thân cọc cảm biến tỷ lệ thuận với tốc độ phát triển vùng dẻo trong lòng khối trượt, xuất hiện trước biến dạng hình học bề mặt từ 1 đến 3 giờ.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp liên ngành 3 lý thuyết nền tảng:

  1. Lý thuyết đàn dẻo cơ học đất: Sử dụng mô hình Mohr-Coulomb trong phân tích phần tử hữu hạn (FEM) để mô phỏng sự tương tác giữa kết cấu tải trọng và đất nền.
  2. Lý thuyết biến đổi tín hiệu và kỹ thuật đo lường: Xử lý tín hiệu cảm biến thông qua mạch khuếch đại vi sai đo lường và thuật toán lọc trung bình trượt có trọng số kết hợp lọc số thông thấp (Low-Pass Filter).
  3. Lý thuyết học máy chuỗi thời gian: Ứng dụng cấu trúc Long Short-Term Memory (LSTM) đa lớp để mô hình hóa mối quan hệ phi tuyến phức tạp giữa chuỗi giá trị cảm biến quá khứ và trạng thái ổn định tương lai.

Điều kiện biên xác lập chặt chẽ: Nền địa chất sét dẻo mềm bão hòa nước đặc trưng ĐBSCL (chỉ số dẻo $I_P \approx 20-30%$, hệ số rỗng ban đầu $e_0 > 1,2$, lực dính $C$ và góc nội ma sát $\phi$ thấp), chiều cao bờ tự nhiên dưới 4 m, khoảng cách đặt tải trọng cách mép bờ trong phạm vi từ 0 đến 3 m.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu được xây dựng trên lập trường nhận thức Thực chứng luận (Positivism) kết hợp Hiện thực phê phán (Critical Realism), sử dụng phương pháp hỗn hợp (Mixed-Methods) đa cấp độ:

  • Cấp độ vi mô: Đo lường ứng suất tiếp xúc hạt đất lên màng cảm biến áp lực và góc biến dạng trục nghiêng.
  • Cấp độ trung mô: Khảo sát phân bố trường ứng suất và biến dạng dẻo trong mô hình phần tử hữu hạn 2D.
  • Cấp độ vĩ mô: Đánh giá sự ổn định tổng thể của toàn bộ cung trượt bờ sông dưới các tổ hợp tải trọng và mực nước thực địa.
┌────────────────────────────────────────────────────────────────────────────────────────┐
│                              QUY TRÌNH PHƯƠNG PHÁP NGHIÊN CỨU                          │
└───────────────────────────────────────────┬────────────────────────────────────────────┘
                                            │
    ┌───────────────────────────────────────┼───────────────────────────────────────┐
    ▼                                       ▼                                       ▼
┌─────────────────────────┐     ┌─────────────────────────┐     ┌─────────────────────────┐
│   KHẢO SÁT & MÔ PHỎNG   │     │    THIẾT KẾ & HIỆU CHUẨN│     │   QUAN TRẮC & HỌC SÂU   │
├─────────────────────────┤     ├─────────────────────────┤     ├─────────────────────────┤
│• Khoan địa chất D=91mm  │     │• Cảm biến BED-A-200KP   │     │• Đo đạc thực địa Cái Sâu│
│• Thí nghiệm SPT, nén,cắt│     │• Mạch ADC AD7192 24-bit │     │• Thu thập 374.415 mẫu   │
│• Mô hình Plaxis 8.2     │     │• Hiệu chuẩn 3 môi trường│     │• Huấn luyện mạng LSTM   │
│• Xác định Qult & Kmin   │     │  (Khí/Nước, Cát, Cống)  │     │• Cảnh báo sớm trước 2h  │
└─────────────────────────┘     └─────────────────────────┘     └─────────────────────────┘

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu thực nghiệm được thiết kế nghiêm ngặt:

  • Khảo sát địa chất và lấy mẫu: Khoan khảo sát tại vị trí thí nghiệm ven sông Rạch Cái Sâu bằng ống lấy mẫu nguyên dạng đường kính $D = 91\text{ mm}$, tần suất lấy mẫu trung bình 3 m/lần. Thực hiện đầy đủ các thí nghiệm chỉ tiêu cơ lý đất theo Tiêu chuẩn Việt Nam (TCVN): độ ẩm tự nhiên ($W_0$), giới hạn chảy ($W_L$), giới hạn dẻo ($W_P$), khối lượng thể tích tự nhiên ($\gamma$), khối lượng thể tích khô ($\gamma_c$), lực dính kết ($C$), góc ma sát trong ($\phi$), hệ số nén lún ($a$), mô đun tổng biến dạng ($E_0$).
  • Quy trình hiệu chuẩn cảm biến áp lực đất (EPC): Để khắc phục hiện tượng sai số do độ cứng tương đối giữa cảm biến và môi trường đất sét mềm, tác giả đã phát triển quy trình hiệu chuẩn qua 3 giai đoạn độc đáo:
    1. Hiệu chuẩn trong môi trường buồng chất lỏng thủy tĩnh để xác định độ tuyến tính của cảm biến Kyowa BED-A-200KP (áp lực định mức 200 kPa).
    2. Hiệu chuẩn trong môi trường cát mịn đồng nhất với chiều dày lớp đệm cát $15\text{ cm}$ (tương đương $6,5$ lần đường kính cảm biến $D_{EPC}$).
    3. Hiệu chuẩn trong thiết bị hiệu chuẩn cỡ lớn sử dụng cống bê tông cốt thép chứa đất sét nguyên trạng để mô phỏng chính xác ứng xử tiếp xúc đất - màng cảm biến.
  • Hệ thống thu thập dữ liệu phần cứng: Nút cảm biến trung tâm tích hợp vi điều khiển kết hợp chip biến đổi tương tự - số (ADC) chuyên dụng AD7192 độ phân giải siêu cao 24-bit Sigma-Delta với độ lợi khuếch đại $\text{Gain} = 128$, kết hợp cảm biến đo nghiêng MEMS độ nhạy cao. Tín hiệu được truyền thông không dây liên tục lên Cloud Server qua mạng diện rộng.

Data và phân tích

  • Mô phỏng số: Xây dựng mô hình bài toán phẳng 2D trên phần mềm Plaxis 8.2 sử dụng lưới phần tử hữu hạn 15 nút tam giác. Khảo sát 16 trường hợp tương tác giữa các cấp tải trọng ngoài ($q = 0; 2; 5; 7; 10; 14; 14,3; 20,61\text{ kPa}$) và các độ sâu mực nước sông (từ $0,0\text{ m}$ đến $-1,5\text{ m}$).
  • Tập dữ liệu và tiền xử lý: Toàn bộ chuỗi dữ liệu thực địa ghi nhận liên tục gồm 374.415 mẫu áp lực đất và góc nghiêng. Dữ liệu thô được đưa qua thuật toán lọc số thông thấp để loại bỏ các xung nhiễu tần số cao do dao động sóng nước hoặc rung động giao thông cục bộ.
  • Huấn luyện mô hình học sâu LSTM: Mạng LSTM được thiết kế gồm tầng nhập liệu đa biến (áp lực đất từ 2 cảm biến tầng sâu, góc nghiêng 2 trục X-Y), các tầng ẩn LSTM với cổng quên (forget gate), cổng vào (input gate), cổng ra (output gate) và tầng kết nối đầy đủ (Fully Connected Layer) đầu ra. Mô hình sử dụng cửa sổ quan sát trượt đầu vào là 4 phút 30 giây (tương đương 270 bước thời gian) để dự báo trạng thái phá hoại của mái dốc trong khoảng thời gian tương lai trước 2 giờ.

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Định lượng suy giảm sức chịu tải cực hạn ($Q_{ult}$): Dưới điều kiện có mái dốc bờ sông, sức chịu tải cực hạn của nền đất chỉ đạt $Q_{ult} = 14,3\text{ kPa}$, thấp hơn 30,6% so với khi không có sông ($Q_{ult} = 20,61\text{ kPa}$). Khi tải trọng ngoài vượt mức $q = 14\text{ kPa}$, véctơ chuyển vị chuyển hướng trượt trồi mạnh mẽ về phía lòng sông.
  2. Tác động cộng hưởng nguy hiểm của hiện tượng triều rút: Khi mực nước sông hạ thấp từ $-0,0\text{ m}$ xuống $-1,5\text{ m}$ trong điều kiện có tải trọng làm việc $q = 2\text{ kPa}$, hệ số an toàn $FS$ của bờ sông suy giảm nghiêm trọng từ trạng thái ổn định sang trạng thái nguy cơ phá hoại cao. Áp lực nước lỗ rỗng rút đi làm gia tăng trọng lượng biểu kiến của khối đất và phát sinh dòng thấm hướng ra sông.
  3. Quy luật phân bố ứng suất ngang và ứng suất cắt: Tại vị trí cách mép tải trọng 1 m, ứng suất ngang tăng thêm do tải ngoài ($\Delta \sigma_{xx}$) đạt cực đại ở độ sâu $h = -3\text{ m}$. Đây chính là vị trí xuất hiện các điểm biến dạng dẻo đầu tiên ($K_{min} \le 1,0$), đóng vai trò là "mầm mống" hình thành cung trượt xoay sâu.
  4. Hiệu năng vượt trội của mô hình dự báo LSTM: Hệ thống máy học tự động phân loại chính xác 4 mức độ cảnh báo: An toàn, Chú ý, Cảnh báo và Nguy hiểm. Quá trình kiểm chuẩn độc lập trên tập dữ liệu kiểm thử đạt các chỉ số:
    • Precision (Độ chính xác): $0,8232$
    • Recall (Độ thu hồi): $0,8232$
    • F1-Score: $0,8232$
    • Độ lệch chuẩn ($\sigma$): $\approx 1%$
Cấp cảnh báo Ngưỡng áp lực đất $p$ (kPa) Tốc độ biến dạng góc nghiêng Thời gian phản ứng dự báo Trạng thái ổn định hệ số $FS$
Mức 1: Bình thường $p < 5,0$ $< 0,005^\circ/\text{h}$ $> 24\text{ giờ}$ $FS \ge 1,5$ (An toàn)
Mức 2: Chú ý $5,0 \le p < 8,5$ $0,005^\circ - 0,01^\circ/\text{h}$ $6 - 24\text{ giờ}$ $1,2 \le FS < 1,5$ (Bắt đầu dẻo cục bộ)
Mức 3: Cảnh báo $8,5 \le p < 12,0$ $0,01^\circ - 0,05^\circ/\text{h}$ $2 - 6\text{ giờ}$ $1,0 \le FS < 1,2$ (Phát triển vùng trượt)
Mức 4: Nguy hiểm $p \ge 12,0$ $\ge 0,05^\circ/\text{h}$ $< 2\text{ giờ}$ $FS < 1,0$ (Phá hoại hoàn toàn)

Implications đa chiều

  • Ý nghĩa học thuật: Chứng minh tính khả thi của việc tích hợp số liệu cơ học đất nội tại với mạng nơ-ron học sâu để giải quyết bài toán động học phi tuyến tính trong thời gian thực.
  • Đổi mới phương pháp luận: Thiết lập quy trình chuẩn hóa cảm biến áp lực đất chuyên dụng cho vùng đất sét mềm yếu châu thổ, loại bỏ hiện tượng sai số do ứng suất vòm (arching effect).
  • Ứng dụng thực tiễn: Cung cấp thiết bị phần cứng giá thành thấp, tiêu thụ năng lượng tối ưu, hoạt động bền bỉ trong môi trường ngập nước ven sông ĐBSCL.
  • Khuyến nghị chính sách: Đưa ra cơ sở khoa học để các cơ quan quản lý đô thị ban hành quy định về hành lang an toàn giao thông và xây dựng ven sông, kiểm soát tải trọng xe tải lưu thông sát mép nước trong các khung giờ triều kiệt.

Limitations và Future Research

Nghiên cứu thẳng thắn thừa nhận các giới hạn kỹ thuật:

  1. Giới hạn không gian thực địa: Thử nghiệm hiện trường được giới hạn ở mô hình bờ kênh đào Cái Sâu với chiều sâu $2,5\text{ m}$; chưa bao phủ các lòng dẫn sông lớn có chiều sâu thủy viền trên 15 m (như sông Tiền, sông Hậu).
  2. Giới hạn mô hình số: Mô phỏng Plaxis 2D giả định biến dạng phẳng (plane strain), chưa xét đến hiệu ứng không gian 3D phức tạp khi tải ngoài phân bố cục bộ dạng điểm hoặc khối đa giác.
  3. Tuổi thọ cảm biến: Màng cảm biến kim loại chịu tác động ăn mòn hóa học và bám bẩn sinh học (bio-fouling) trong môi trường phù sa và nước lợ phèn kéo dài.

Chương trình nghiên cứu tương lai đề xuất:

  • Phát triển mô hình mô phỏng tương tác Thủy lực - Động lực dòng chảy - Biến dạng đất 3D (Coupled CFD-FEM).
  • Mở rộng mạng lưới quan trắc WSN đa điểm sử dụng giao thức LPWAN (LoRaWAN/NB-IoT) kết nối Mesh trên toàn tuyến sông.
  • Tích hợp cảm biến đo áp lực nước lỗ rỗng kỹ thuật số và đo biến dạng sợi quang (FBG) vào thân cọc quan trắc sâu.

Tác động và ảnh hưởng

Nghiên cứu của Đặng Trâm Anh tạo ra tác động sâu rộng:

  • Học thuật: Đặt nền móng cho hướng nghiên cứu AI-Geotechnics tại Việt Nam, mở rộng tiềm năng trích dẫn trong các tạp chí quốc tế chuyên ngành ISI/Scopus (Q1/Q2) về Geomorphology, Landslides và IoT Applications.
  • Công nghiệp & Chuyển giao: Mở ra giải pháp chế tạo thiết bị đo lường nội địa hóa cho các doanh nghiệp xây dựng giao thông thủy lợi như Công ty 586, Công ty Xuân Anh, Eplusi.
  • Xã hội: Đóng góp trực tiếp vào mục tiêu giảm thiểu thiệt hại do 558 điểm sạt lở trên 740 km bờ sông ĐBSCL, bảo vệ nơi cư trú cho hàng triệu người dân nghèo ven sông rạch.
  • Tầm vóc quốc tế: Đóng góp bài học kinh nghiệm quý giá cho các đồng bằng châu thổ chịu biến đổi khí hậu trên thế giới (như đồng bằng sông Hằng, sông Mississippi, sông Chao Phraya).

Đối tượng hưởng lợi

  • Nghiên cứu sinh & Nhà khoa học: Khai thác phương pháp luận tích hợp mô phỏng phần tử hữu hạn và mô hình chuỗi thời gian LSTM để phát triển các đề tài liên ngành Tự động hóa - Cơ kỹ thuật.
  • Kỹ sư R&D Địa kỹ thuật & IoT: Sử dụng thiết kế phần cứng vi sai 24-bit AD7192 và quy trình hiệu chuẩn cảm biến cỡ lớn để thương mại hóa các trạm quan trắc thông minh.
  • Ban Chỉ huy Phòng chống Thiên tai & Cơ quan Quản lý: Tiếp nhận hệ thống cảnh báo sớm 4 cấp độ để kích hoạt phương án di dời dân cư và phân luồng giao thông kịp thời trước 2 giờ sạt lở.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì?

Luận án đã mở rộng lý thuyết dẻo Mohr-Coulomb bằng việc xác lập định lượng cơ chế tương tác giữa ứng suất ngang gia tăng ($\Delta \sigma_{xx}$) do tải trọng ngoài và sự suy giảm sức kháng cắt dưới tác động của triều rút, làm sáng tỏ bản chất sạt lở bờ sông ĐBSCL là do sự mở rộng vùng dẻo $K_{min} \le 1,0$ tại độ sâu $-3\text{ m}$ thay vì chỉ do xói mòn chân mái dốc đơn thuần.

2. Điểm cải tiến phương pháp luận so với các nghiên cứu quốc tế trước đây?

So với mô hình đo mưa của Rossi (2012) và cọc đo nghiêng của Uchimura (2015), luận án tiên phong kết hợp đồng thời áp lực đất ngang nội tại (EPC) và góc nghiêng (MEMS), chuẩn hóa qua buồng cống bê tông chứa sét lớn và xử lý bằng mạng nơ-ron LSTM đa biến trên bộ dữ liệu thực địa 374.415 mẫu.

3. Phát hiện bất ngờ và phản trực giác nhất từ dữ liệu?

Áp lực ngang trong lòng khối đất biến thiên và đạt đỉnh cảnh báo trước khi góc nghiêng bề mặt xuất hiện chuyển vị rõ rệt. Điều này khẳng định sự tích tụ ứng suất cơ học diễn ra âm thầm từ bên trong khối trượt, chứng minh các hệ thống chỉ đo biến dạng bề mặt truyền thống thường phát hiện quá trễ.

4. Giao thức nhân bản thực nghiệm (Replication Protocol) có được cung cấp đầy đủ?

Hoàn toàn đầy đủ và chi tiết: Cảm biến Kyowa BED-A-200KP, ADC 24-bit AD7192 (Gain=128), mô hình Plaxis 8.2 (15-node triangle), thuật toán lọc số thông thấp và mã nguồn mạng LSTM với cửa sổ trượt 270 bước thời gian (4 phút 30 giây).

5. Định hướng lộ trình nghiên cứu 10 năm tiếp theo?

Xây dựng mạng lưới "Smart Riverbank Digital Twin" tích hợp mô hình học sâu Physics-Informed Neural Networks (PINN) với mạng cảm biến IoT vệ tinh phủ khắp lưu vực sông Mekong.

Kết luận

Luận án tiến sĩ của Đặng Trâm Anh đã hoàn thành xuất sắc các mục tiêu nghiên cứu với các đóng góp cốt lõi:

  1. Làm sáng tỏ bản chất cơ học của hiện tượng sạt lở bờ sông do tải trọng ngoài kết hợp triều rút trên nền đất yếu ĐBSCL.
  2. Xác định chính xác sức chịu tải cực hạn $Q_{ult} = 14,3\text{ kPa}$ và quy luật phát triển vùng dẻo $K_{min} \le 1,0$ bằng phương pháp phần tử hữu hạn.
  3. Thiết kế, chế tạo và thử nghiệm thành công hệ thống phần cứng IoT đo lường đa tham số có độ chính xác cao dựa trên ADC 24-bit AD7192 và cảm biến BED-A-200KP.
  4. Đề xuất quy trình hiệu chuẩn 3 bước độc đáo cho cảm biến áp lực đất trong môi trường đất sét mềm.
  5. Xây dựng mô hình học sâu LSTM đạt hiệu suất phân loại vượt trội ($F1 = 0,8232$) với cửa sổ quan sát 4 phút 30 giây, cho phép cảnh báo sớm trước 2 giờ.
  6. Xác lập bảng 4 ngưỡng cảnh báo khoa học, hỗ trợ hiệu quả công tác quản lý rủi ro thiên tai và bảo vệ an toàn sinh kế bền vững cho vùng Đồng bằng sông Cửu Long.