Nghiên cứu này tập trung ứng dụng mô hình học máy Light Gradient Boosting Machine (LightGBM) nhằm nội suy hệ số phát thải của tàu container tại cảng biển Nam Đình Vũ, qua đó góp phần nâng cao độ chính xác trong công tác ước tính phát thải khí từ hoạt động tàu biển - một trong những nguồn phát thải chính tại khu vực cảng. Phạm vi nghiên cứu là 693 lượt tàu container ra vào cảng Nam Đình Vũ trong năm 2023. Kết quả đánh giá mô hình cho thấy LightGBM đạt độ chính xác rất cao đối với tất cả các chất ô nhiễm, với hệ số xác định R² luôn lớn hơn 0,97, sai số phần trăm MAPE nhỏ hơn 7% và sai số tuyệt đối MAE ổn định theo quy mô phát thải. Đặc biệt, các thành phần có vai trò quan trọng trong kiểm kê một số loại khí nhà kính như CO₂, CH₄, N₂O và các chất gây ô nhiễm như SOₓ, HC và bụi mịn đều đạt mức dự báo chính xác vượt trội. Phân tích ma trận tương quan cho thấy các biến kỹ thuật và vận hành của tàu có mối quan hệ phi tuyến phức tạp với hệ số phát thải, đồng thời không tồn tại hiện tượng đa cộng tuyến nghiêm trọng, khẳng định sự phù hợp của mô hình LightGBM trong bài toán nội suy hệ số phát thải. Cách tiếp cận này mở ra hướng ứng dụng hiệu quả cho công tác quản lý môi trường cảng biển và có tiềm năng mở rộng cho các cảng biển khác tại Việt Nam.

Abstract

This study focuses on applying the Light Gradient Boosting Machine (LightGBM) model to interpolate emission factors of container vessels at Nam Dinh Vu Port, thereby improving the accuracy of emission estimation from maritime shipping activities, which represent one of the major sources of emissions in port areas. The research covers 693 container vessel calls at Nam Dinh Vu Port in 2023.Model evaluation results demonstrate that LightGBM achieves very high accuracy for all pollutants, with the coefficient of determination R² consistently exceeding 0.97, mean absolute percentage error (MAPE) remaining below 7%, and mean absolute error (MAE) remaining stable relative to emission magnitude. Notably, the components fundamental to the inventory of specific greenhouse gases including CO₂, CH₄ and N₂O as well as pollutants such as SO_x hydrocarbons (HC), and particulate matter (PM), have all achieved exceptional levels of predictive accuracy Correlation matrix analysis indicates that vessel technical and operational variables exhibit complex nonlinear relationships with emission factors, while no serious multicollinearity is observed, further confirming the suitability of the LightGBM model for emission factor interpolation. This approach provides an effective pathway for port environmental management and demonstrates strong potential for extension to other seaports in Vietnam.ionships between vessel technical characteristics, operational conditions, and emission factors. The findings provide an important scientific basis for policy formulation aimed at sustainable port development. Moreover, the proposed approach shows strong potential for extension and application to other seaports in Vietnam.

Keywords: LightGBM; Nam Dinh Vu Por; container vessels emissions.