Chúc mừng nhóm sinh viên lớp CTTT2021 có bài báo tại Hội nghị Khoa học Quốc tế ATC năm 2024
Hội nghị quốc tế về Công nghệ tiên tiến cho Truyền thông (International Conference on Advanced Technologies for Communications – ATC) là một loạt hội nghị thường niên được tổ chức chung bởi Hiệp hội Vô tuyến & Điện tử Việt Nam (REV) và Hiệp hội Truyền thông IEEE (IEEE ComSoc) từ năm 2008. Mục tiêu của loạt hội nghị này là hai chiều: thúc đẩy diễn đàn quốc tế để trao đổi khoa học và công nghệ giữa các nhà khoa học và kỹ sư Việt Nam và trên toàn thế giới trong lĩnh vực điện tử, truyền thông và các lĩnh vực liên quan; và thu thập những đóng góp nghiên cứu chất lượng cao của họ. Hội nghị được tổ chức trong bài 3 ngày từ 17/10 – 19/10/2024 tại khách sạn Eastin Grand Hotel Saigon, thành phố Hồ Chí Minh.
Link hội nghị: https://atc-conf.org/
Tên bài báo: “Applying iTransformer for Saigon River Water Level Forecasting”
Nhóm sinh viên thực hiện:
- 21522753, Nguyễn Đại Anh Tuấn, CTTT2021.
- 21520482, Võ Thị Thu Tiên, CTTT2021.
Giảng viên hướng dẫn: TS. Nguyễn Thanh Bình
Abstract:
Water level forecasting holds immense significance for the effective management of water resources with particular relevance to the Saigon River. As a vital waterway flowing through Ho Chi Minh City, the Saigon River plays a crucial role in supporting various aspects of urban life including agriculture, transportation, and recreation. Accurate forecasting of water levels in the Saigon River is essential for mitigating the risks of flooding, which is a recurrent challenge faced by the city. Moreover, with the increasing urbanization and industrialization in the region, precise prediction of water levels in the Saigon River is vital for sustainable development, ensuring adequate water supply for domestic, industrial, and agricultural needs while preserving the ecological balance of the river ecosystem. Recently, along with the advancement of machine learning and artificial intelligence algorithms, numerous studies have been conducted and achieved promising results in river water level forecasting. Most successful research directions focus on applying time series analysis algorithms such as ARIMA [1, 6], XGBOOST [2, 7], and LSTM [3, 8, 9]. In this study, we propose a solution using iTransformer [11], which achieves superior accuracy compared to traditional methods.
