Giáo trình Mô hình toán thuỷ văn - Đại học Thuỷ lợi

TRƯỜNG ĐẠI HỌC THÙY LỢI KHOA KỸ THUẬT TÀI NGUYÊN NƯỚC VŨ THANH Tũ (Chù biên), NGỎ LÉ AN, HOÀNG TH ANH TÚNG, NGUYÊN HOÀNG SƠN, NGUYỄN THANH THỦY, NGUYỄN THỊ THU NGA GIÁO TRÌNH MÔ HÌNH TOÁN THUỶ VĂN TRƯ[.]

TRƯỜNG ĐẠI HỌC THÙY LỢI

KHOA KỸTHUẬT TÀI NGUYÊN NƯỚC

VŨTHANH Tũ (Chù biên),NGỎ LÉ AN, HOÀNG THANHTÚNG, NGUYÊNHOÀNG SƠN,

NGUYỄN THANH THỦY,NGUYỄN THỊ THU NGA

GIÁO TRÌNH

MÔ HÌNH TOÁN THUỶ VĂN

TRƯỜNGĐẠI HỌC THỦY LỢI

KHOA KỸ THUẬT TÀI NGUYÊN NUỚC

VũThanh Tú (Chú biên)NgôLê An Hoàng ThanhTùng.Nguyễn Hoàng Son

NguyễnThanh Thủy Nguyễn Thị ThuNga

GIÁO TRÌNH

MỒ HÌNH TOÁN THỦY VĂN

Biên mục trên xuất hàn phâm cùa Thư viện Ọuôc gia Việt Nam

Giáo trình Mô hình toán thủy vàn / Vù Thanh Tú (ch.b.), Ngô Lê An, I loảng Thanh Tùng - 11.: Bách khoa Hà Nội, 2023 - 2X4 tr.; 27 cm

DTTS ghi: Trường Dại học Thúy lợi Khoa Kỹ thuật tài nguyên nước

I Thủy văn 2 Mò hình toán học 3 Giáo trinh

551.48015118-dc23

BKM0200p-CIP

LỜI NÓI ĐÀL’

Trong lình vực nghiên cứu VC kỹ thuật tài nguycn nước nói chung và thúy vãn nói riêng, mô hình (oán thủy vân thường được sứ dụng rộng răi nhâm hỗ trọ ra quyẽc định liên quan den lập quy hoợch, thiét kè vận hành và quán lý các công trình thúy lợi Nhãt là trong bổi cánh biển đòi khí hậu đang diễn ra, các mô hình thủy ván cảng phút huy vai trỏ trong việc mỏ phong các kịch ban, dự bão các hiện tượng cực đoan, bơi nó sỗ cung cap các thông (in có cơ sỡ dáng tin cậy đe hỗ trợ cho việc ra quyết định liên quan đến tài nguyên nước.Giáo trinh Mô hĩnh toán thúy vin được biên soạn đẽ phục vụ công tác giáng dạy học tập và nghiên cửu khoa học cùa sinh viên, đông thời làm tãi liệu tham kháo cho học viên cao học nghiên cứu sinh của câc trưởng đại học kỳ thuật nói riêng cùng như các cân bộ nghiên cứu trong các nhóm ngành kỹ thuật tâi nguyên nước, các ngành liên quan nói chung Mục tiêu cùa giâo trình lả cung cãp cho người học vã người đọc nhùng kiến thức co bán về mỏ hmh toán thúy vàn xuất phát từ việc tụi sao phái sứ dụng các mỏ hình toán, những khái niêm

cơ bán, xu thế phát triền đến việc ửng dụng trong thực liễn; cùng với đó là sự đa dạng cưa các mô hĩnh toán thúy văn được áp dụng trong các điêu kiện bài toán khác nhau Giáo trinh được trinh bày thành 6 chương, nội dung cụ the như sau:

Chương 1: Tỏng quan vẽ mỏ hĩnh toán thủy văn, do (ác giá Ngô Lê An biên soạn, lãm

rõ các khái niệm cơ bán ve hộ thông và quá trình thúy vãn, các quá trinh phát tricn cùa mô hĩnh toán thúy văn Chương này cùng đe cập đen lý do tại sao can phái thực hiện mỏ hình hóa hộ thông thuy vãn vả những thách thức trong việc thực hiện; cùng với đỏ lã việc phân loại các mô hình toán thủy vàn dựa trên các cách tiếp cận khác nhau

Chương 2: Các bước thực hiện mỏ hình loan (huy văn do tác gia Vũ Thanh Tú biên soạn, cung cấp các nội dung liên quan đen các bước từ việc lựa chọn một mô hĩnh toán thủy văn đẽn ứng dụng mó hình trong bài toán cụ thê Nhừng cơ sơ đê lựa chọn một mỏ hình toán (huy vãn phũ hợp với mục đích nghiên cứu, các dữ liệu đàu vào và nguồn dữ liệu có thê khai thác sử được lãm rô trong nội dung cùa chương Tiếp đến là cơ sơ đề đánh giã hiệu quá thực hiện cùa mò hình thòng qua các bước hiệu chinh và kiêm dinh cùng các chi ticu đánh giá sai

sô, cùng nhu sụ cân thiết cũa việc phân tich độ nhạy vã tinh bai định trong mỏ hình toán (huy vãn

Chương 3: Mô hình thúy vàn thòng số tập trung, do tác già Vù Thanh Tú và Nguyễn Thị Thu Nga biên soạn Trẽn cơ sơ phản loại các mõ hĩnh toán thúy văn, cãc mô hình thõng

sô tập trung nhu mò hĩnh kinh nghiệm, mò hình TANK và mô hình NAM sẽ được giới thiệu Trong các bãi loàn (húy văn nỏi chung, cãc mỏ hinh nảy đều đà được áp dụng rộng rài và thành cóng ơ Việt Nam cùng như các nước khác trcn thê giới Các nguyên lý cơ ban, càu tnìc vã ứng dụng cùa cãc mô hình trong bài toán cụ thè sê được trinh bây trong nội dung của

chương, bên cạnh đó là các kinh nghiệm dược đúc kèt từ việc áp dụng các mô hình trong bài toán thúy ván cùa các nhả nghiên cứu trong vã ngoài nước.

Chương 4: Mỏ hình thủy vãn thông sô bán phản bò vã phàn bô, do tác gia Ngỏ Lẽ An biên soạn Trong nội dung chương nãy, cảc mõ hình điên hình như mó hĩnh HEC - IỈMS SWAT và IFAS được giới thiệu Có the nói đày là những mò hĩnh bân phân bổ và phân bố dược sử dụng nhiều ờ Việt Nam cùng như trên thế giới hời sự tiến bộ cùa khoa học kỹ thuật, công nghệ Viễn Thám và G1S Không thế không kề đến là việc đầu tư vào cóng tác khao sát thục dịa xây dựng cơ sỡ dữ liệu đê hiêu sâu hơn vê các quá trinh hình thành dõng chày trên lưu vực

Chương 5: Mô hĩnh chuôi thời gian, do các tác gia Hoàng Thanh Tùng và Vũ Thanh

Tú biên soạn Trên cơ sở phân tích chuỗi dừ liệu thống kè các mó hình như AR(p) vả mõ hình ARMA(p, q) sồ dược giới thiệu trong nội dung chương này Đây là những mỏ hĩnh cò điền đà ra đỡi từ khá lâu, nhưng đen nay vẫn phát huy được vai trò úng dụng trong các bài toán dự báo Bẽn cạnh đó lã mô hình mạng tri tuệ nhãn tạo (nơ-ron thần kinh) được sir dụng trong cảc bài toán dự báo nói chưng và dự báo thúy vãn nõi riêng, đặc biệt là trong thời kỳ Cách mạng Cõng nghiệp 4.0

Chương 6: Một sô mô hình khác, do các tác gia Nguyen Hoàng Son, Nguyen Thanh Thúy vả Nguyễn Thị Thu Nga biên soạn Không chi xem xẽt van đẽ quan hệ giừa mưa vả sự hình thành dòng cháy trên lưu vực, nội dung chương này cung câp cho người học và người đọc nhùng hiểu biết rỏ hon về các quá trinh khác trong hệ thống thúy vân như quâ trinh dòng chay trong kênh dần thưởng được áp dụng trong một sô mô hình như mô hĩnh HEC - HMS; cùng với dó lã các quá trinh xói mòn trên bể mặt và diễn biền chất lượng nước được mô tá trong mò hình SWAT Dãy có thê xem lã một mỏ hĩnh điên hĩnh đà được áp dụng trong nhiêu nghiên cứu vê mô phóng quá trinh xói môn và chát lượng nước trên lưu vực sông Cùng trong nội dung chương này, mô hình MIKE HYDRO được giới thiệu cho bái toán tinh toán cân băng nước Đõ là một công cụ hữu ích trong bài toán phân tích quan lý tông hợp tài nguyên nước, đánh giả phân bó nguồn nước nhầm đâm bão vãn đề an ninh nguồn nuởc đang rảt câp thief trong bổi cánh hiện nay

Gián trinh Mô hình toán thủy vàn được bicn soạn trẽn cư sớ tham kháo nhiều nguồn

tài liệu khác nhau, cũng với những kinh nghiệm trong quá trinh nghiên cứu và giáng dạy cùa tập thê tác giã Tuy nhiên, giáo trình mới được biên soạn lằn đầu nên không tránh khói thiếu sót nhóm tác giá xin được trân trọng lăng nghe cãc ý kiên đóng góp cùa bạn đọc đê giáo trinh được bô sung, cập nhật hoàn thiện hơn trong lân xuát ban sau

Mọi ý kiên đóng góp xin gứi ve: Khoa Kỹ thuật tải nguyên nước Trưởng Đại học Thúy lợi 175 Tây Sơn - Dống Da - Hà Nội

Các tác giá

MỤC LỤC

LỜI NÓI ĐÀU 3

DANH MỤC TỪ VIÉT TÁT 9

Chương 1 TONG QUAN VỀ MÔ HÌNH TOÁN' THÚY VÃN _ 13 1.1 Khái niệm về hệ thống 13

1.2 Quá trinh thủy vãn 14

1.3 Khái niệm và quá trinh phát triền mô hình toán thủy văn 15

1.3.1 Khái niệm và vai trò cua mô hĩnh toán thủy vân 15

1.3.2 Quá trinh phát triển mô hĩnh toán thúy vãn 16

1.4 Phân loại các mô hình toán thủy vân 17

1.5 Những thách thírc trong việc thục hiện mó hình hóa 19

Câu hôi thào luận chương 1 21

Chương 2 CÁC BƯỚC THỤC HIỆN MÔ HÌNH TOÁN THÙY VÃN 22

2.1 Khái quát chung 22

2.2 Lựa chọn mô hình toán 23

2.3 Dù liệu đầu vảo 26

2.3.1 Mô hình số độ cao 28

2.3.2 Dừ liệu độ âm đất 29

2.3.3 Dữ liệu thám phu 29

2.3.4 Dừ liệu mưa vả các yêu tố khi hậu khác 30

2.3.5 Các (lừ liệu dự báo tù mỏ hình số trị toàn cằu 31

2.4 Hiệu chinh và kiểm định mó hình 32

2.5 Các chì tiêu đánh giá sai số 35

2.6 Các phương pháp xác định thông số 37

2.6.1 Phuong pháp thử sai 37

2.6.2 Phương pháp dô tim thõng so tự động 38

2.7 Phân tích độ nhạy các thông số 40

2.8 Tính bất định trong mô hình toán thủy ván 41

Cáu hói tháo luận chiro'ng 2 44

Chương 3 MÔ HỈNH THỦY VÃN THÔNG SỚ TẬP TRUNG - 45

3.1 Tổng quan về mô hình thúy ván thông số tập trung 45

3.2 Cốc mô hinh kinh nghiệm 46

3.2.1 Mô hình quan hệ 46

3.2.2 Mỏ hình lũ đon vị 50

3.3 Mô hình Tank 67

3.3.1 Giói thiệu mô hình 67

3.3.2 Cấu trúc mõ hình TANK đơn 68

3.3.3 Các thòng sô và đicu kiện ban đáu cùa mô hĩnh TANK 75

3.3.4 Thiết lập mô hĩnh vả tinh toán thứ nghiệm 76

3.4 Mô hình NAM 80

3.4.1 Giới thiệu mô hình 80

3.4.2 Cấu trúc mõ hĩnh NAM 81

3.4.3 Các thông sô và dicu kiện ban đâu cùa mô hình 85

3.4.4 Thiết lập mô hình và tính toán thứ nghiệm 89

Cáu hòi thào luận chương 3 91

Chương 4 MÔ HÌNH THỦY VĂN THÒNG SỚ BÁN PHÂN BỚ VÀ PHÂN BÓ 93

4.1 Tông quan về mô hình thông sỗ bán phân bố và phân bố 93

4.2 Mó hình HEC - HMS 94

4.2.1 Giới thiệu mô hình 94

4.2.2 Cấu trúc vả cơ sở lý thuyết 95

4.2.3 ứng dụng mỏ hĩnh HEC - HMS 99

4.3 Mỏ hình SWAT 113

4.3.1 Giới thiệu về mô hình 113

4.3.2 cảu trúc vã cơ sở lý thuyết 114

4.3.3 ứng dụng mô hình ArcSWAT 118

4.4 Mô hình IFAS 128

4.4.1 Giới thiệu mô hình 128

4.4.2 Cầu trúc và cơ sớ lý thuyết 128

4.4.3 ứng dụng mỏ hĩnh IFAS 137

Câu hói tháo luận chương 4 145

Chưong 5 MÔ HÌNH CH VỚI THỜI GIAN 146

5.1 Tổng quan về mô hlnh chuỗi thời gian 146

5.2 Mô hinh chuỗi thòi gian 150

5.2.1 Một số đặc trưng cùa chuỗi thời gian 150

5.2.2 Mô hình tự hồi quy AR(p) 152

5.2.3 Mô hình trung binh tnrợt M A(q) 159

5.2.4 Mô hình tự hồi quy trung binh tntọt ARMA (p q) 162

5.2.5 Tạo chuồi số ngầu nhiên đơn vị 165

5.2.6 ửng dụng mò hình chuỗi thống ké trong bãi toán dụ báo 166

5.3 Mô hình mạng nơ-ron nhân tạo 170

5.3.1 Giới thiệu chung 170

5.3.2 Mạng nơ-ron BPNN 180

5.3.3 Mạng nơ-ron LSTM 185

5.3.4 Giới thiệu phần mềm WinNN32 190

Câu hòi thào luận chương 5 199

Chương 6 MỘT SÓ MÔ HÌNH KHÁC 200

6.1 Mỏ hình diễn toán dỏng cháy 200

6.2 Mô hình xói mòn lưu vực 220

6.2.1 Giới thiệu mô hĩnh 220

6.2.2 cắu trúc và cơ sờ lỷ thuyct 221

6.2.3 ứng dụng mô hình 226

6.3 Mô hình chất hiựng nuớc 232

6.3.1 Giới thiệu mô hinh 232

6.3.2 Cấu trúc mô hĩnh 234

6.3.3 ứng dụng mô hình 246

6.4 Mô hĩnh cân bàng nước 255

6.4.1 Giới thiệu chung 255

6.4.2 Mô hình MIKE HYDRO Basin 256

6.4.3 ửng dụng mô hình 260

Câu hòi thào luận chưcmg 6 275

TÀI LIỆU THAM KHẢO 276

DANH MỤC Tũ VIÊT TÀT

Tíềng Anh

WMO - World Meteorological

Organization

GIS Geographic Information System

DEM - Digital Elevation Model

GI’S - Global Positioning System

LiDAR Light Detection and Ranging

NRCS Natural Resources Conservation

Service

STATSCO - State Soil Geographic

SSURGO Soil Survey Geographic

Database

NLCD - National Land Cover Dataset

PI’S - Processing System

NOAA-N National Oceanic and

Cơ sớ dữ liệu dầt lien bang

Cơ sỡ dừ liệu điều tra đất

Dữ liệu thám phuCác bưởc xư lý anh radar

Vệ tinh cùa cơ quan Quán lỹ Khi quyền vãDại dương Quốc gia (Hoa Kỹ)

Vệ tinh địa tĩnh (Hoa Kỳ)

Vệ tinh địa tỉnh quan trảc khí tượngNhật Bán

Vệ linh khi tượng (châu Âu)Thict bị đo mưa vũng nhiệt đới(Một loại vệ tinh chụp ánh mây mưa)Anh mưa phân lích tù các vệ tinh khác nhau (Một loại vệ linh chụp ánh mày mưa)

Quan trãc lượng mưa toàn câu (Một loại vệ tinh chụp ánh mây mưa)Precipitation Estimation from Lượng mưa tinh toán từ thõng tin cám biên

tử xa Sừ dụng mạng tri tuệ nhãn tạo

Anh mưa chup tử thiết bị hông ngoại

GPM - Global Precipitation Measurement

PERS I ANN

Remotely Sensed Information using

Artificial Neural Networks

CHIRP - Climate Hazards Infrared

CFS-NOAA - Climate Forecast System -

National Oceanic an Atmospheric

Administration

GFS-NOAA Global Forecast System

National Oceanic an Atmospheric

ICON-DWD - Icosahedral Nonhydrostatic

Weather and Climate Model

GF.M-CMC - Global Environmental

Multiscale - Canadian Meteorological

Centre

GEOS Goddard Earth Observing System

NCEP - National Centers for

Environmental Prediction

CPC Climate Prediction Center

MACS - Multistep Automatic Calibration

Scheme

SCE-UA Shuttled Complex Evolution

University of Arizona

Lượng mưa từ các ành vệ linh toàn cầu

Phương pháp tính toán mưa từ ánh mày vệ linh

Mô hĩnh dự báo khí hậu - Cơ quan Quán lýKhi quyên và Đọi dương

Quốc gia I loa Kỳ

Mỏ hĩnh dự bão toàn cầu Co quan Quán lýKhi quyên và Dại dương

Quốc gia I loa Kỳ

Mỏ hĩnh dự báo thời tiết và khi hậu toàn câucủa Đửc

Mô hĩnh da tỳ lệ môi tnrờng loàn cẩu

-Mõ hình dự báo khí hậu

Vệ tinh địa tình cùa Cơ quan Hãng không

vù trụ Quốc gia Hoa KỳTrung tâm Quôc gia dự báo môi trường

Trung tâm dự báo khi hậu

Sơ dồ hiệu chuẩn tự động nhiều bước

Thuật toán tim kiêm toàn cụcĐại học Arizona

BPNN Back Propagation Neural Network

USLE - Unversal Soil Loss Equation

IHACRES-WQ - Identification of unit

Hydrographs and Component flows from

Rainfall, Evaporation and Streamflow data

LISEM - Limburg Soil Erosion Model

WEPP Water Erosion Prediction Project

MUSLE Modified Unversal Soil Loss

Equation

MERLIN - Model of Ecosystem Retention

and Loss of Inorganic Nitrogen

INCA-N Integrated Catchments Model

Nitrogen dynamics

Đường lù đơn vị

I làm tự tương quan

Tự hỏi quyTrung binh trượt

Tự hồi quy trung bình trượt

Mạng nơ-ron nhãn tạo quét xuôi

Mạng nơ-ron nhàn tạo hoi quy

Mạng nơ-ron nhãn tạo lan truyền ngượcPhương trinh mất đất phò dụngXác dịnh dường lũ dơn vị và các thành phân dòng cháy lữ mưa bốc hơi và dữ liệu dỏng cháy chat lượng nước

Hệ thông ho trợ quan lý mói trường

Mô hình lưu vực tỷ lệ lớn

Mô hình xói mòn dât Limburg

Đự báo XÓI mòn do nướcPhương trinh mãi đât phỏ dụngsứa đôi

Mô hình lưu trữ và mất nitơ võ cơcùa hệ sinh thái

Mô hĩnh lưu vực tông hợp động học nitơ

I ÓNG QUAN VÈ MÔ HÌNH TOÁN THỦY VÀN

1.1 KHÁI NIẸM VÉ HẸ THÔNG

Đà có rất nhiều các định nghĩa về hệ thống trẽn thế giói, trong đó đinh nghĩa về hệ thòng cua Doogc được châp nhặn rộng rãi trong ngành thúy vãn Doogc dinh nghĩa hệ thòng

lã "bất kỳ cấu trúc, thiết bị, so đồ hoặc thú tục nào thục tể hoặc trừu lượng, có mối liên hệ với nhau trong cùng thời gian tham chiêu nhắt định, với dàu vào là nguycn nhãn hoặc tác nhãn kích thích, vật chất, năng lượng hoặc thõng tin và đầu ra là hiệu ứng hoặc phán hổi, thõng tin nủng lượng hoặc vật chát” 11]

Trong định nghĩa này, Doogc nhân mạnh các môi liên hệ giữa đấu vào và đâu ra trong cúng một thời gian tham chiếu nhất định Định nghĩa cũng nói rỗ các loại đầu vã đầu ra cùa

hệ thông, nhimg không nhất thief chúng phai cùng loợi vói nhau Ví dụ như dâu vào cùa hệ thông có thê là vật chãi, đau ra cỏ thè lã thông tin hoặc ngược lại Ban chát của hệ thống cũng có thê có thực hoặc trừu tượng

Hình 1.1 Giãn lược hệ thóng thủy vàn.

Tiếp cận hệ thống là một trong nhũng cách tiêp cận cơ bán, thông dụng cua thủy vãn với mục đích thiết lập một mỏi quan hệ giừa đâu vào vã đâu ra đê từ đó cỏ thê tính toán, xây dựng lại các sự kiện thủy vãn trong quá khứ hoặc dê tinh toán, dự bão các sự kiện trong tương lai Theo Chow vả các cộng sự |2|, hệ thống thúy vân có thê được coi lã một hệ thong con về tài nguyên nước, bao gồm một cáu trúc hay một thề tich theo không gian, dược bao quanh hời các biên, cỏ thế nhận nước tử bèn ngoài, vận hành ờ bên trong và giãi phỏng chúng dưới dạng đầu ra.

1.2 QUÁ TRÌNH THÚY VÀN

Quá trinh hình thảnh dõng cháy sông ngôi ờ Việt Nam chú yếu do mưa trên lưu vực tạo thành Việc nghiên cứu quá trinh chuyên đôi từ mưa sang dòng chày dã dược các nhà thúy văn tim hiếu từ rất lâu đẽ nâng cao hiẽu biết, phát triên cãc bước tinh toán, xác định dỏng cháy dược tot hon

Các quá trinh này bao gồm: các tôn thất (lượng mưa không tạo thành dòng chây) là tổn thắt ban đảu (chi xảy ra ớ giai đoạn đầu của trận mưa), tốn thất do bổc thoát hơi và tổn Ihâl thắm; hình thành dòng chây mặt, sát mặt và dòng chày ngâm cùng với quá trinh tập trung dòng cháy trong sông

Tôn thất ban dâu là lượng mưa rơi xuống trong giai doạn dâu cùa trận mưa nhung không sinh dỏng chây do bị đọng lại tại nhừng chỗ trùng, hay bị giừ lại trẽn cãc tang lá cây.Tôn thât do bỡc thoát hơi là lượng nước bôc hoi ngược tro lại khi quycn, bao gôm: bỏc hơi qua lá và bõc hơi cùa lượng nước bị giũ lại trùn lá cày; bốc hoi mặt nước; bốc hoi

từ mặt đầt

Tôn thất do thấm lã lượng nước thấm vào trong đất xảy ra trong quá trinh mưa và sau khi trận mưa kẽt thúc Lượng nước thâm chính lã nguồn nước bỏ sung cho dỏng cháy ngầm.Đông chày mặt được sinh ra khi curing độ mưa vượt quá cường độ thàm hoặc khi dàt

thâm cua bé mặt lưu vục cùng như lòng sòng, V.V Các quá trinh mưa thâm, chay tràn trcn sưởn dốc và tập trung nước trong sõng có thê diên ra đỏng thời, không phái quả trinh này két thúc thi quá trinh kia mới xuất hiện, cỏ thê trẽn cùng một lưu vực một quã trình nào dó

có nơi phát sinh sớm có nơi phát sinh muộn, thậm chi cỏ nơi không hĩnh thành

Hình 1.2 Sơ đỏ quá ưinh hình thành dòng chày từ mưa.

1.3.1 Khái niệmvàvai trỏ cùa mô hình toán thùy vàn

Mô hình hóa thúy vãn là việc mò phòng hộ thong và các đặc tinh thủy vãn thực tế bảng cách sứ dụng các mỏ hình vật lỳ tỷ lệ nhó các công thức toán học tương tự vã các mỏ phông bang máy tinh

Mô hình thúy văn có vai trỏ quan trọng trong các bãi toản lãi nguyên nưởc liên thực

te Vi dụ chúng ta không the do dạc dược tẩl cá mọi yểu tô trong cãc hệ thống thúy vãn, đồng thủi, các dữ liệu do đạc được cùng thướng bị hạn che ve không gian và thời gian Vì vậy đè có thõng tin tại những thời diêm, vị tri không có dử liệu đo đạc chúng ta cản ngoại suy từ những sò liệu đo sân có theo không gian và thời gian Tương tự, đê xác định các thông tin vẽ thủy văn trong lương lai (dự báo) hoặc trong trưởng hợp bl dứng đo đạc chúng ta cân phái có các còng cụ ước đoán các thông tin này Các mô hình thủy vãn SC cung càp cho chúng ta những công cụ đề ngoại suy về thông tin vã giúp đưa ra những dự bảo phù hợp trong việc ra quyết định

I lai cách tiếp cận chinh trong mô hình hóa hệ thống thúy vàn lã: tiếp cận lý thuyết tập trung vào mỏ hĩnh hóa quá trinh vật lý cùa hệ thòng; tiếp cận kinh nghiệm tập trung vào sứ dụng các dừ liệu đo đạc tại các thành phần khác nhau của chu trinh thúy vãn

1.3.2 Quá trinh phát triền mô hinh toán thúy ván

Mõ hình thúy vân cơ bán đâu tiên cố thê kê đen cõng thức Rational ước tinh lưu lượng đinh lũ lử mưa và thởi gian tập trung dỏng cháy được Mulvay dê xuàt năm IS50 Cõng thức Rational đà được nhiều nhã khoa học cuối thế ký XIX ứng dụng trong các thiết kế hệ thống tiêu thoát nước

Giai đoạn đầu thế kỷ XX, Sherman |3| đưa ra khái niệm về đường đon vị dựa trên nguyên lý xếp chổng đê tinh toán đường quá trinh lũ lừ đường quá trình mưa VỚI các thời đoạn không đôi Đường đơn vị được diễn giài lã sự phán ứng cua lưu vục vói một dơn vị lượng mưa cỏ cưởng độ mưa không đói trong một khoáng thời gian Có the nói sự ra đời cùa dường đơn vj chính là diêm khơi dâu cùa việc phân tách các mỏ hình mõ phong theo hướng dựa trên cãc quả trinh vật lý vã cãc mỏ hĩnh dựa trên các dừ liệu thu thập (kinh nghiệm) Vi dụ như hĩnh dạng cùa dường dơn vị có thê được ước tinh tử việc phân tích các đặc trưng vật lý của lưu vực như diện tích, độ dốc, chiều dài sông suối V.V hoặc có thế ước tính từ các sô liệu khi tượng thủy văn thực đo

Den giai đoạn thập kỳ 60 cua the ký trước là giai đoạn bùng nố VC công cụ máy tính

có khá nủng tính toán nhanh, sụ phát triên cua các mỏ hĩnh mỏ phóng thúy vàn ngây càng mạnh mẽ Nhiêu mõ hình ra dời dã cò gàng mô tá các thành phàn cua chu trinh dòng cháy

và được liên kết vói nhau đề tạo thành các hệ thống con thuộc hệ thống thúy văn Một số mô hình điên hình trong giai dogn này là mô hình TANK (Sugawara), SSARR (Rockwood) Sacramento (Burnash) V.V Các mô hình giai đoạn đau nãy chủ yếu là mô hình thông số tập trung, giá thict các đặc trưng vật lý đỏng nhát theo không gian lưu vực Dũ các mỏ hình này được xây dựng dựa trên các mô tã vật lý quá trinh mưa - dòng chay trong tự nhiên, các thòng

số cùa mô hình nhìn chung được xác định thông qua quá trinh dỏ tim thõng số tối ưu dựa trên các hàm mục tiêu khác nhau so sánh giữa dữ liệu thục đo và mô phóng Do vậy xu hường các mõ hĩnh này dần trờ thành tiếp cận theo hưởng phụ thuộc dừ liệu dằu vào để tim kicm bộ thông sò mó hình

Giai đoạn vé sau cãc yêu câu thực tẽ nãy sinh như mõ phông hay dự báo tại các lưu vục không có dữ liệu thực do dòng chay dà dan đen các h(in che trong ứng dụng mô hình thủy vàn thông số tập trung Vì thế, các nghiên cứu về xây dụng các mô hình thúy vàn có xét đen sự biên dõi cùa các yếu tỏ vật lý theo không gian cũng được nhiêu nhà nghiên cửu quan (âm Freeze và Harlan [4| đã đề xuất một cách tiếp cận mới trong việc xây dựng mô hình toán thúy vân dụa trẽn sụ phân bố trong không gian về cãc đặc trưng vật lý trên bề mặt

và sát mật cua lưu vực Một sò mô hình dã được phát triền theo hướng nãy bâng cách tích phân số các hệ thống con kết hợp cùa phương trinh vi phân riêng mô tá dõng cháy bẽ mặt vã dỏng cháy trong các vũng chưa bão hòa và bão hỏa ròi đánh giá các mô phong cua moi hộ thống con với các điều kiện biên của một hệ thống khác, từ đỏ có thê mô phong dỏng cháy trong cá hệ thống Các mô hinh thúy văn điển hĩnh theo hướng nãy gồm TOPMODEL, SHE

WATFLOOD, TOPKAPI, V.V Một so cách tiếp cận khác dựa trên việc chia nhó lưu vục thảnh nhiêu lưu vực con mỗi lưu vực con lại cỏ cãc đặc trưng vật lý dõng nhất Các mỏ hình dợng này có thê ke đôn mỏ hình HEC-HMS, SWAT, V.V Các mò hĩnh dụng này cô nhược diêm chinh lã đòi hói số liệu dâu vào nhiêu loại vời số lượng lán, thời gian tinh toán thưởng lâu hon die biệt lã thời gian đòi hỏi cho việc xác định các bô thông số tối ưu Gần đây, các thòng tin về phân bố không gian cùa một số đặc trưng như loại đất sử dụng dát, lượng mua, v.v ngày càng phô biên và thuận tiện, cho nên nhiều mô hĩnh dạng này đã được xây dụng một cách đon gián hon dựa trên một sô giá thief don giãn hóa vê thông sô mô hình.Cúng VÓI hướng tiếp cận dựa trên bán chất vật lỷ của lưu vực các hưởng nghiên cứu dựa ticn cách ticp cận sò liệu thực do như các phưong pháp thòng ke - ngầu nhiên cũng được lựa chọn nhiều do lính don giãn, nhanh chỏng Các nghiên cứu vẽ ứng dựng thông kê chũ yêu dựa trên các phân tích quan hệ giữa các yêu tỏ khí tượng thủy văn như lượng mưa - bốc hơi - dòng chay, dõng cháy trạm trên - trạm dưới, lưu vực tương tự V.V Các nghiên cứu

về ứng dụng mõ hình ngầu nhiên trong mô phóng thúy văn thường dựa trẽn chuồi số liệu thời gian và thuộc tính thong kê cũa chủng đè tinh toán, mò phóng chuồi số liệu này trong tương lai Chuỗi sô liệu thói gian có thê lã các đạc trưng khi tượng thuỷ văn hoặc cãc sai

sô trong mó phong, dụ bão Các mô hình dạng nãy thòng dụng bao gôm mò hĩnh AR, ARMA, ARIMA, V.V Ngoài ra một hưởng phát triên khác cùng đang dược nhiêu nhã nghiên cứu quan tâm hiộn nay vê các mô phong dựa trên chuồi sỏ liệu là các nghiên cứu ứng dụng mạng tri tuệ nhân tạo (AI), mạng thần kinh nhàn tạo (ANN), số liệu lớn, V.V

Có rất nhiều tiêu chí de phân loại các mô hình toán thúy vàn dựa trên các mục đích khác nhau

Phân loại mó hình thủy văn theo mục đích ứng dụng mò hình thủy vân Dõi với tiêu

chí này, mô hình có thê dược chia thành ba nhóm chinh kiêm soát và dự báo thời gian thực; tinh toản quy hoạch vả thiết kế; các mục đích khác, ứng vói moi nhõm sẻ có các phân loại chi liet hơn, vi dự với dự báo thì chia thành hai loại là dự báo có kicm soát và dư báo không

có kiêm soát

- Phán loại mô hình thúy vãn theo kiêu hý thống Mõ hĩnh được chia thành hai nhóm

chinh lã mỏ phóng VỚI hệ thống cơ bán và mỏ phóng với hệ thống phức tạp llệ thống cơ ban thường là hộ thống đon vói các đặc tinh được giá thiết đồng nhầt trong cá hệ thống Ngược lại hệ thống phức tạp thường bao gồm nhiều thành phằn khác nhau như lưu vực đoạn sông, hổ chứa, V.V

- Phùn loại mõ hình thày vởn theo quá trinh thúy ván hoặc cức hiên liên quan Với

cách phân loại này, các mô hình có thê tập trung vào một sô quá trình hoặc bièn nào đó như

độ ầm dắt bốc thoát hoi nước, trừ lượng nước ngầm, dõng cháy/mực nước trẽn sông, nhiệt

độ nước, bùn cát chât lượng nước, V.V

- Phân loại mò hi It It thúy vân theo mức độ quan hệ nhân quá giữa các hiên đáu vào và hiến đầu ra Đổi với các phân loại này cãc mô hĩnh được chia theo hai nhóm chinh: mỏ hĩnh làt định và mô hình ngầu nhiên Các mõ hình tât định cùng sẻ có các mức độ quan hệ chặt chõ khác nhau từ các mô hĩnh dạng hộp đcn không xem xét rõ ràng các đinh luật chi phôi quá trinh mưa dòng chảy cho đến các mô hình nhận thức được dựa trên các định luật vật lý

cơ ban Các mỏ hình ngầu nhiên thường không xem xét kỳ ban chất nguycn nhân vã thường gằn đến một biển thủy vàn cụ the tại một vị tri cụ the (ví dụ như tại trạm đo dòng chày)

- Phân loại mô hình theo mức (tộ rời rực hóa theo không gian và thời gian Đoi với

bước thòi gian, tùy theo mục đích ứng dụng mà các mõ hĩnh sè có bước tính thay đôi tử khoang thởi gian ngàn (phút, giở, ngày) cho dên bưởc thời gian linh toàn dãi hơn như hàng tuân, tháng Ví dụ một sô mô hình tinh toán liêu thoát nước, mò phóng vả dự báo lù nghiên cứu xói lớ thì bước thời gian tinh toán thường ngăn nên cân phái sứ dụng các mỏ hình có thè xem xét dược sự thay đỏi hệ thõng trong thòi gian ngan Trong khi đó một sõ bãi toán như tính toán cán bâng nước cho lưu vực khu vực hay tính toán tài nguyên nước thi có thê sư dụng các mõ hĩnh với bước thời gian tinh dãi hon mửc độ chi tiết trong mô hình il hon Tương tụ đôi với việc xcm xét mức dộ ròi rục theo không gian cũng có những loại mô hình khác nhau Vi dụ cãc mô hĩnh thông sổ tập trung giá thiết cãc đặc trưng khi tượng hay các đặc trung vật lý cùa lưu vục là dòng nhàt theo không gian, do vậy, mò hình loại này sê don gián hơn tinh toán nhanh hơn Ngược lại cãc mỏ hinh thông số phân bố sè xem xét sự thay đôi các đặc trưng này theo không gian, vì thê các mô hĩnh thường phức tạp lum thời gian tính toán lâu hon và đỏi hói nhiều dừ liệu chi tiết hơn

Nhin chung, với mỏi tiêu chi phân loại khác nhau sè có cách phân loại mô hĩnh khác nhau Wnh 1.3 trinh bày cách phân loại các mô hình thúy văn phổ biến và được sứ dụng trong cuôn giáo trinh này

Hĩnh 1.3 Phán loại mò hình toán thủy ván (hộp nét đứt là tiêu chi phán loại mỏ hĩnh, hộp nét nén lã loại mô hình).

Vê cơ ban, mô hình thủy vãn được phân chia thành ba nhóm chính: dựa trcn đặc tnmg

quã trinh mưa dỏng chày, dựa trẽn đặc trưng không gian và dựa trên khía cạnh ngầu nhiên Nhóm phân loại dựa trẽn mức độ chi tièt mỏ tá quã trình mưa dỏng, ba loại chính là các mò hình kinh nghiệm (hay côn gọi là hộp đen), mô hình nhận thửc (hộp xám) vã mô hình cư sở vật lý (hộp trăng) Với nhóm phân loại dựa trèn các đặc trưng không gian, các mỏ hình được tiếp tục phàn chia vào ba nhóm là các mò hình thõng số phân bỗ, bán phân bố và các mô hình thông số tập trung Các mỏ hình kinh nghiệm thường là các mỏ hình tập trung Các mỏ hình nhận thức thường là các mô hình tập trung hoặc bán phàn bò Các mô hình cư sỡ vật lý thường lã các mô hĩnh phân bố Đổi với nhóm dựa trên khia cạnh ngầu nhiên, hai loại chinh

lã các mỏ hĩnh tàt dịnh và các mò hĩnh ngầu nhicn Ngoài ra, một loại mò hình chung giữa hai nhỏm tất định và ngẫu nhiên được gọi lã mô hĩnh ghép tất định ngẫu nhiên Các mỏ hĩnh thuộc nhóm phân loại dụa trên dặc tnmg quá trinh và dụa trên dặc trưng không gian thường là các mô hình tất định Bên cạnh dó, có the phân loại các mô hĩnh thủy vãn dựa trên bài toán ững dụng: các mõ hĩnh toán mõ phõng/dự báo các mô hĩnh cân băng nước lưu vực/hộ thông, các mô hình vè chât lượng nước

Cuốn giáo trinh nãy sỗ giởi thiệu một sô mỏ hĩnh tiêu biêu cho tửng nhôm phân loại Với nhóm mô hình kinh nghiệm (hộp dcn), các mõ hình kinh nghiệm dược giói thiệu bao gồm mỏ hình quan hệ mỏ hình đường lù đơn vị (xem mục 3.2) Nhõm cảc mô hình nhận thức thông sổ tập trung là hai mõ hình TANK và NAM (xem mục 3.3 và 3.4) Với các mỏ hình nhận thúc thòng số phân bô và bán phân bố, các mô hĩnh HEC - HMS, SWAT, IFAS

sê được giới thiệu ớ mục 4.2, 4.3, 4.4 Các mỏ hình ngẫu nhien ve thong kê xác suat hay chuỗi thời gian bao gồm mò hình AR(p), MA(q), ARMA(p.q) và các mô hình mạng nư-ron nhân tạo được trinh bây ở mục 5.2 vã 5.3 Ngoải ra cuốn giáo trinh nãy cũng giới thiệu tnột

sô các mò hình khác như mõ hĩnh diễn toán dòng cháy (mục 6.1), mô hình xói môn lưu vực (mục 6.2) mỏ hĩnh chất lượng nước (mục 6.3) vả mô hình cân bủng nước hệ thống (mục 6.4)

Dù các mõ hĩnh thúy vãn dã dược ứng dụng rộng râi vã thành công trong thực te tuy nhiên, để đáp ímg nhu cầu ngày càng cao về chất lượng tinh toán, mô phóng, dự báo về thúy văn cãc vẳn đề ứng dụng, phát triển mó hình (huy văn còn phai đối mật với nhiều thách thức

(ỉ) Mía- dộ chi tier và chinh xác cùa các dữ Uệu dầu vàn

Các mỏ phóng thúy văn (cà thong kẽ hay mô hình mưa dòng chây) đều dựa trẽn dừ liệu quan trãc dõng chay de hiệu chinh và kicm định mò hình Tuy vậy, các dữ liệu do dòng cháy thưởng chi cỏ ở một sỏ sõng, trong đó nhiêu trạm đo chi quan trắc trong thời gian ngàn Một số trạm đo quan trắc trong thôi gian dãi thi phái dối mặt với vấn de dòng chay không đống nhất do có các tác động khác nhau (các công trinh khai thác nước, thay đôi bể mặt lưu vực

thay dôi lòng dần, V.V.) Ngoài ra, các thièt bi quan trãc dòng chay khác nhau cùng có các mức độ sai sô kliảc nhau Tất cá nhừng điêu nãy dần đen việc mõ phông dõng cháy trẽn thực

tê sỉ gặp nhiêu sai lệch

Cốc dù liệu khác sử dụng lảm đầu vào cùng nhu xảc định biên cho hệ thong thúy vàn như các dừ liệu khi tượng, cãc dữ liệu bán đỏ so, v.v cũng anh hương dẽn kha nóng mỏ phóng chính xác dòng chây Dù liệu khí tượng như mưa thường được đo đạc bằng các trạm

đo Tuy nhiên, thông tin này chi giúp đưa ra thõng tin tại một diêm Đê có thông tin về phân

bô các dặc trưng khi tượng theo không gian thi cân phai thiềt lập nhiêu trạm do, điêu mà thưởng khô đãp ửng trên thực tế do nhiều nguyên nhân khác nhau nhu: kinh phi lủp đặt vã duy trì, còng nghệ quan trãc bao dưỡng, v.v Một 80 các dữ liệu khác giúp bô sung them nhiêu thòng tin về phân bố không gian hon như rađa vệ tinh v.v thì côn cỏ sai lệch với thục

tê tương dôi nhicu Do vậy, việc khai thác hiệu quá các mỏ hình thúy văn đỏi hói người sư dụng phái có kinh nghiệm thực tề tại khu vực nghiên cứu

(2) Cấu trúc mò hình

Mỏi mô hình thúy vãn được phát triên dựa trên một so các giã thiết, diêu kiện kiếm tra

vã mục đích ứng dụng Do vậy các mỏ hĩnh thưởng không miêu tá một cách đây đủ chinh xác các quá trình có tãc dộng den việc sinh dông chay từ mưa Ví dụ một sô các mô hình xem xét các đặc trưng lưu vực đồng nhất theo không gian 1 lay vẽ cơ chẽ sinh dõng chảy mặt, một sò mõ hĩnh coi việc hình thành dòng cháy mặt là do co chè bão hòa âm trong khi một số khác lại dựa trên cơ chê vượt thấm Một số mõ hình phũ họp vói mò phỏng dạng sự kiện nên phản cân băng âm trong đát dược lược bó Vi the rat khỏ đê chọn được một mỏ hình có khà nâng ứng dụng trên thực tế ò mọi điều kiện cùng như mục đích sừ dụng.Í3j Hiệu chinh mô hình

Các mô hình khi img dụng trẽn thực té cân phái trai qua các bước hiệu chinh và kiêm định đẻ xác định bộ thõng số phú hợp Vôi các chi tiêu đánh giá khác nhau thì bộ thông số

mô hình tìm dược cũng khác nhau Ví dụ đối với các bài toán mô phong dỏng chay lũ các chi liêu đánh giã liên quan đến mức độ chinh xãc trong mõ phông dỏng chây đinh lù như sai

sô dinh lũ thời gian tre sai sỏ tỏng lượng lũ sê phù hợp Nhưng de ứng dụng cho bá) toán

mô phong dòng cháy kiệt, các sai số về đưởng quá trình như hệ số Nash, sai số dòng cháy nhó nhất, sai số tỏng lượng lại phù hop hon

Dôi với các mô hình thòng sô phàn bó mô phòng dòng cháy cho lưu vực lớn, vàn dê hiệu chinh mỏ hình lại cáng gộp nhiều thách thức Vi dụ như cãc bộ thông sổ có thể không bién dôi liên tục theo không gian, có nhiêu bộ thông sò phũ hợp khác nhau với cùng một chi tiêu đành giã do thieu so liệu dỏng cháy kiêm định tại các tiêu lưu vực V.V

í-/) Sụ thay đổi trong tuông lai

Cốc dặc trưng khi tượng thủy vân, đặc biệt lã các đặc trưng cục trị thưởng có tinh không dừng Sụ thay dổi nãy do nhiều nguyên nhàn như biến động khí hậu, thay đồi thám

phú, thay dôi phương pháp quán lý tài nguycn nước, V.V Việc xác dinh dược thời diêm các biến động nãy xây ra trong ngủn hạn hay dài hạn đều khó chinh xãc.

Các mô hình thủy vãn dạng tât định hay ngầu nhiên ve ban chát dược "học" từ các chuỗi dù liệu trong quả khứ đê mô phỏng cho các giai đoạn khác hoặc địa diêm khác không

có số liệu Do đó, khi xuất hiện các giá tri "đột biền", các mỏ hình thường khó có the nắm bắt dược chinh xác đê mô phòng phù họp

1 Anh/chị hày cho biết và phân tích vai trỏ cùa mô hĩnh toán thúy vân trong bãi toản tái nguyền nước

2 Anh/chị hây cho biết hướng tiếp cận của cảc mò hĩnh toản thúy vân trong hoãn cảnh hiện nay

3 Theo quan điếm cùa anh/chị, trong nhóm các mò hĩnh toán thủy vãn hướng tiếp cận phân loại nào được phó bicn nhát?

4 Anh/chị hày phàn tích lý do vi sao dữ liệu dâu vào cùa các mồ hình là một trong nhũng thách thức cùa việc thực hiện mõ hĩnh hỏa?

5 Anh/chi hãy phân tích ỷ nghĩa cùa câu trúc mõ hĩnh toản anh hương den ket quá mô phông thực tế nhu thế nào?

Chương 2 CÁC BƯỚC THỤC HIỆN MÒ HÌNH TOÁN THÚY VÁN

2.1 KHÁI QUÁT CHUNG

Vè cơ bán, dê ứng dụng mỏ hình toán thủy văn đáp ứng một mục tiêu nghiên cứu sẽ bao gồm các bước như sau:

(1) Ke hoạch lựa chọn mô hình

Mô hình toán thúy vàn được xây dựng và phát triển nhàm đáp ứng một hay nhiều nhu câu nghiên cứu cụ thê liên quan đẽn nước Vi dụ mó hình có thê dụ báo lưu lượng dòng chày nhiêu hay ít trong các thời đoạn tinh toán khác nhau Do đõ các mục tiêu cùa mò hĩnh hóa cỏ thể tác động đen phương pháp xây dựng vả phát triền mỏ hĩnh Mức độ phù hợp cùa

mô hĩnh cũng có thè phụ thuộc vào đicu kiện khi hậu và vật lỷ cùa các mục tiêu nghiên cứu.Các mó hình thủy toán vàn nói chung đều cô vai trô lã mô tá sự hình thảnh và biển đỏi cua dòng cháy trên lưu vực thòng qua các biên khi tượng dầu vào (chu yếu là lượng mưa vã khá nàng thoát hưi nưởc) trong một khoảng thòi gian, về mặt kỳ thuật, mõ hĩnh bao gồm một tập hợp các chõng số thúy văn mô tá các đạc tính cua lưu vực và các thuật toán mõ ta các quá trinh vật lý Bời vậy, trên thè giới hiện nay cỏ rât nhiêu các mô hình thủy vãn với các cách tiếp cận khác nhau, mỗi mỏ hĩnh có đặc điểm, phạm vi áp dụng vả các giá thiết riêng, cùng với dỏ là ycu câu VC dữ liệu dâu vào cũng đa dạng Chính vi thỏ người ứng dụng

mõ hĩnh cần phái cân nhác ngay từ đau việc lựa chọn mô hình nào có the đáp ứng được mục tiêu nghiên cứu và kha năng phát tncn trong tương lai cho dự án cua minh

(2) Thiết lập mô hình và chain hi các dữ liệu dâu vào

Trcn cơ sờ diêu kiện tự nhiên cua lưu vực và mục tiêu nghiên cứu người sứ dụng sẽ đua ra các già thiết đối với phạm vi nghiên cứu cùa minh và tiền hành mô hình hóa lưu vực nghiên cứu dưới dạng một so đỏ tính toán Thõng thưởng, trong các mô hình thuy văn sê bao gồm một số môđun như sau:

- Móđun thiẻt lập mạng lưới tinh toán được ket nỏi bởi các lưu vục bộ phận, các nhánh sóng, các điềm nhập hni hoặc phân lưu các công trinh hô chứa, v.v

- Môđun đánh giả phân lượng mưa sinh dỏng chây tại cứa ra cùa lưu vực (lượng mưa hiệu qua) Phản trừ trên bề mặt (ao hố V.V.) bồ cập vào các tầng nước ngầm và bốc thoát h<ri nước

- Mõđun chuyên tái dòng chây den cua ra cùa lưu vục, tùy thuộc vảo mạng lưới sòng, suối.

Trong moi mỏđun mô hĩnh sỗ ycu cầu nhập các dữ liệu dặc trưng cùa lưu vực các điều kiện ban đầu, các thòng số của mô hình và các số liệu quan trác khi tượng, thúy vàn

13) Hiệu chinh và kiểm định mô hình

Hiệu chinh mô hĩnh là quá trinh xác định giá trị cho các thòng sô cùa mò hình Kièm định lã việc sứ dụng bộ thông số đà tim ữ bước hiệu chinh đẽ đánh giã tinh hợp lý cùa két quá mô phong so với thực do dựa vào các phương pháp dảnh giá sai sô Bơi lẽ giá tri cùa cảc thõng số trong các phương trinh toản mỏ tá quã trinh thúy vân không phai lúc nào cũng được xác dinh từ việc do dọc ngoài thực địa Do dó việc hiệu chinh và kiêm dinh các thòng

số là đê xác định lại giâ trị của các thông số nay nhám đâm báo độ tin cậy trong việc ứng dụng tinh toán

Thõng thường, đê hiệu chinh và kiêm dịnh mô hĩnh, cân áp dụng theo các phương pháp thứ sai (thứ dãn) vã tỏi ưu hóa (dò tim tự động) Trong bước nảy đê đám báo độ tin cậy vã khách quan, quá trinh hiệu chinh và kicm định phai được kêt hợp một cách cõ hệ thống thõng qua một tập dừ liệu độc lập Kết quá cua mõ hĩnh phai được đánh giã bảng cách

so sánh trực quan sỏ liệu quan trăc và mỏ phong hoặc băng cách áp dụng cãc tiêu chí toán học đè tinh toán sai lệch giữa sô liệu quan trác và mô phòng Cảc đảnh giá trục quan vả toán học có the khác nhau và tạo ra các nhận djnh khác nhau vê chát lượng và hiệu qua cùa mỏ hình Cùng cần lưu ý ràng, tinh không chắc chắn luôn tồn tại trong mô phong do các sai số trong cắu trúc của mô hình, trong các thõng số dữ liệu đo đqc V.V Tinh không chắc chấn này càn dược đành giá và xư lý thích hợp đè có đu thông tin hơn khi áp dụng mò hình

(4) L 'ng dụng mô phông và đánh giá

Khi mô hình dã dược thiết lập qua bước hiệu chinh và kicm định, nó có thê dược ứng dụng đẽ phục vụ cho mục tiêu tính toán (xây dựng cảc kịch bàn thực hiện mò phóng và đánh giá kêt quá) Tuy nhicn cũng cân lưu ý về tinh không chăc chăn trong kềt quá cua mô hình

Nó cần phái dược phân tích dê đánh giá độ tin cậy cùa giả trị mò phòng vã hỗ trợ quá trình

ra quyết đinh

Hiện nay trên thế giói có rất nhiều mò hình toán thúy văn khác nhau được xây dụng

và phát triền Sụ khác biệt không chi dùng lại ớ các thuật toán xư lý khác nhau mà còn khác biệt ớ nhùng ứng dụng chuyên biệt hoặc phạm vi ứng dụng rộng vã tỏng quát hơn Có thê nhộn thây, các mô hình toán thúy vãn cũng rất da dụng, từ những mô hình có câu trúc khã dơn giãn den nhùng mò hĩnh phúc tạp lũy thuộc vào múc độ nhận thúc, yêu câu xác định được các thông tin thủy văn tử kẽt quá cùa mó hĩnh, phạm vi ứng dụng, V.V

Ngoài vãn dê thời gian và ticn bạc không phai de dàng đê xây dựng và phát tricn một

mô hình đáp úng được các yêu càn đa dạng trong các bài toán thúy vàn nói chung Bói lẽ trên mỗi khu vực nghiên cửu đều có những đặc diêm địa lý tụ nhiên cùng như các diễn biến thúy vân khác nhau Điêu đó dần tới việc cãc mô hĩnh (oản thúy văn không ngừng được phát tnẽn nhăm đáp ứng sự phù hợp với các điêu kiện mới bài toán mới Do vậy người sư dựng càng có nhiêu cơ hỏi lụa chọn các mô hình phũ hợp hơn

Tuy nhiên, việc có quá nhiều mô hình đó cùng dẫn tới sự bồi rối, thậm chi lã khó khản cho những người sử dụng lựa chọn mô hình Ngoài việc có quá nhiều mô hình dà và dang phát (rien người sử dụng côn bị ảnh hưởng bời mửc độ phô biến, hay việc tuyên truyền của một cơ quan, đon vị phát triển mỏ hĩnh não đố Trên thực tế cũng có một sổ cãc nghiên cữu mang tính so sánh giữa các mỏ hình khác nhau, tuy nhiên, các kết quá so sánh này đỏi khi còn mang tính chu quan hoặc chi phù họp cho một số trường họp cụ the

Nói chung, mục tiêu cua người ứng dụng mò hình toán thúy vãn là phai lụa chọn dược

mô hĩnh phù hạp nhất với kết quá đãng tin cậy nhất Như vậy đé lựa chọn được mõ hĩnh phù họp nhất thi cân phái đật ra các tiêu chi dê lựa chọn mô hình

Có rất nhiều các nghiên cứu (5J [8| đà đề cập đến các tiêu chí đế lụa chọn một mỏ hĩnh phù hợp nhát mả trong đó cỏ the lựa chọn một sỏ các tiêu chí điên hình như:

(1) Các kết quá dầu ra cùa mô hình

Tiêu chi này có thê xem như lã một trong những tiêu chi quan trọng nhât, bời lẽ nó là

cơ sỡ đê xem xét việc kết quá dâu ra cùa mõ hình có đãp ứng được đúng vói mục tiêu nghiên cứu hay không, hay mời chi phan nào dưa ra các kết quã trung gian và người thực hiện can phai tiếp tục xứ lý tinh toán đế đạt được mục tiêu nghiên cứu Vi dụ như đàu ra mong inuốn

là đường quá trinh lũ già trị lưu lượng dinh lũ hay tỏng lượng lũ V.V ơ các bước thởi đoạn giờ ngày hoặc thời đoan dãi hơn thì cân lựa chọn các mó hình có kha nâng mô phóng dòng chày ớ bước thời gian tương ứng Cùng với đó, cùng có thê xem xét tới khá nâng ứng dụng trong nhiều mục đích khác nhau dựa trẽn các kết quá đầu 13 của mõ hĩnh

(2) Các yêu cáu dữ liệu dâu vào

De mỏ hình dem lại hiệu quá cao nhất ở kết quã đầu ra cúa mò hình, túc là cỏ độ tin cày cao nhát, thi việc dáp ứng dược cãc yêu câu cùa sô liệu đâu vào là một trong những vần

dê cân dược chú trọng Người ứng dụng cân phai cân nhắc các tài liệu có san, độ tin cậy cua tài liệu, sự thích hợp cùa tãi liệu và độ dãi của số liệu quan trắc Bới lè, neu như lài liệu không đáp ứng được các tiêu chí cùa mò hình tại lưu vực nghiên cứu, thi dù mô hình cõ thê

đà được đánh giã (01 ỡ nhiêu lưu vực nghiên cửu khác nhung cũng chưa chăc đà (ốt cho lưu vực này VỚI điêu kiện tài liệu chua dãy đù hojc kém tin cậy

f3) Các giá thiết cua mô hình

Củc giá thiết trong mô hình cỏ thê lain giới hạn khá nâng ứng dụng của mô hĩnh hoặc đua ra các kẽt quá không phù họp vói điêu kiện thực tẽ dẫn tới những sai lầm khi irng dụng

mỏ hình Bói vậy khi ứng dụng mỏ hĩnh cần phái cỏ những hiểu biết về các giá thiết cùa

mỏ hình di' nhộn thức dược những hạn chê cùa nó

(4)ÍẠự mô không gian áp dụng

Trong các mô hình toán thúy vãn dang có hiện nay, các mó hình có thê áp dụng trong từng quy mô lưu vực khác nhau, ví dự như cho lưu vực có diện tích nhò, vừa và lởn Bới lè, quy mỏ lưu vực có liên quan chặt chè đen câu trúc cùa mỏ hĩnh vã các thành phan cúa lưu vực được già thiết, cấu trúc cùa mó hĩnh vã các giã thiết đỏ được đật ra do nhừng hạn chế

có thẻ trong quá trình thực hiện mô hình hóa và ánh hướng đẽn độ tin cậy cùa kết quá đâu ra

(5) Độ tin cậy cùa mô hình

Kêt quá dâu ra cùa mõ hình có ỷ nghĩa rât quan trọng nhâm đáp ứng mục ticu nghiên cứu bời vậy, mõ hình càn có độ tin cậy cao trong việc đưa ra các két quá tính loãn Dê kiêm tra độ tin cậy của mô hĩnh, không gi bắng thông qua đành giá các sai số mò phỏng vả định lượng rồ ràng tinh không chác chân cúa mô hình Mô hĩnh cảng có sai số mô phóng nhò thì

độ tin cậy câng cao Tắt nhiên, mỏ hĩnh đỏ phái có cấu trúc họp lý với cãc dừ liệu đầu vào tin cậy

(6) Tinh đưn gian huy phức tạp cũa mô hĩnh và kha nàng xác định các thông số

Một mô hình đơn gian hay phức tạp có thê được thê hiện thòng qua sô lượng các dữ liệu dâu vào, kẽt quá đâu ra và sò lượng các thòng sò cân dược xác định đê thục hiện mò phỏng quá trinh thúy vàn Các mô hình có yêu câu dìr liệu đầu vào dễ dàng thu thập, các kết quá đầu ra được thề hiện rò ráng vã cỏ (he lý giái được, cùng vôi đõ là các thông số của mô hĩnh đều có ý nghĩa, dề hiểu và dề xác định thi nên được ưu tiên lựa chọn Các thõng số này

có thè dược xác định thông qua việc diêu tra thực địa, tiên hành hiệu chinh băng phương pháp thư sai hoặc các kỹ thuật tói ưu hóa Ngược lại, các mõ hình đòi hoi sô liệu dâu vào quá chi tiêt, các kèt quá đâu ra khá thô có những sai sô không thê phát hiện dược, sô lưọng các thông số lớn vã biến động lỏn khi sứ dụng các chuồi dữ liệu đầu vào khác nhau hoặc ớ cảc lưu vực tương lự thì có thè mỡ hĩnh sè kém tin cậy lum

(7) Dộ nhạy cùa két quá với các thông sô

Như đề cập ơ tiêu chi trên (tiêu chi 6), đói với mỏ hĩnh cho các kct quá khác biỳt lớn khi áp dung cùng mỏt bỏ thõng sỏ cho các chuỗi dữ liệu dàu vào khác nhau hoặc áp dung

mò hình cho các lưu vục tương tụ khi dõ, dộ tin cậy cùa mô hình cân phái dược xem xét lợi Phàn tích độ nhạy là còng cụ hữu hiệu đẽ cõ thê đánh giá được trong bộ thông sô cùa mô hình, thòng số nào có ánh hường lớn đến kết quá nhất, tữ dó xác dịnh được hướng xử lý, hiệu chinh đê đãtn bão sự phũ họp, nhất lả đỏi vởi các lưu vực tương tự

(8) Khá nùng cái tiền/phủt triến mô hình

Với các mô hình cỏ câu trúc rõ ràng, mã nguồn mớ cỏ thê dễ dàng dtrợc cái tiên và phát trièn thi có the là một ticu chi ưu tiên lựa chọn, Những mõ hình dã dược dóng gói thành phàn mem vã không có mã nguồn mớ, mặc dù thuận tiện trong việc sử dụng nhung lại thiêu tính linh hoạt trong việc ứng dụng

(9) Nguồn tài chinh và thời gian thực hiện cho phép

Trong số các mõ hình toán thuy vàn hiện nay có nhùng mô hình là sán phẩm thương mại cỏ giá thành khá cao và cùng có những mô hình dược nhà phát triên cho phép sứ dụng miền phi Bời vậy trên cơ sở tiềm nàng về nguôn lủi chinh, việc xem xét sừ dụng các phần mềm thương mại hay miễn phí cùng là một sụ cân nhác khi lựa chọn mô hĩnh úng dụng.Cùng với đỏ lã các chi phi khác như việc thu thập cảc dừ liệu đầu vảo chi phi cho các thiết bị phục vụ tinh toán lien quan đẽn mức độ phức tạp của mõ hình, vi dụ nhu mô hĩnh phân bố mỏ phóng thôi gian thục v.v liên quan đến cấu hĩnh cùa thiỂt bị vã sự kết nối với các hệ thống khác

Với khung thời gian sẵn có và giới hạn đẽ hoàn thảnh nghiên cứu thi thời gian thực hiện tinh toán cũng cằn phái cân nhắc đề lựa chọn mỏ hình Ví dụ như VỚI cẩu hình phần cirng thàp thi việc tính toán sê rât dài và thậm chí có thê vượt quá giới hạn lưu trữ trong bõ nhớ tạm, dàn tới không thè thực hiện tính toán ở bưởc tiếp theo

(10) Sự thân thiện cho người sử dụng và tinh nàng phụ trợ

Sự thân thiện cho người sư dụng cũng lã một yen tô quan trọng de người sứ dụng có the tiêp cận với mô hình một cách de dàng Việc thiét lập sơ dô mạng hrới tinh toán, nhập các dử liệu dâu vào và truy xuàt các kẽt quá đâu ra một cách thuận tiện sẽ là ưu diêm nôi bật, đặc biệt cho người mới sứ dụng

Các tinh năng phụ trợ như sự kết nỗi da dạng cùa ket qua đầu ra với các mô hình hoặc phần mem khác như thành lập bán đổ kết nối hệ thống dự báo thời gian thực, v.v có the làm lủng mức độ ưu tiên khi lựa chọn mõ hĩnh

2.3 DỮ LIỆUĐẢU VÀO

Có nhiều loại dừ liệu được sư dụng trong mõ hình toán thúy ván Các dừ liệu dưới đây

cỏ thê được thu thập tũ nhiêu nguỏn khác nhau Các dừ liệu có nhiêu định dạng khác nhau nhu raster, vector vá dưới dạng báng Một so loại dừ liệu cân phái phân tích, xứ lý trước khi

su dụng Vi dụ nhu dừ liệu ánh vệ tinh cằn phái xu lý để phân loại thám phú và sú dụng đất trước khi đưa vào tinh toán Các phương pháp khao sát thực đìa có the dược sứ dụng đe đo đạc các thõng so trẽn sõng như hình dạng sõng, độ nhám Trong một số trường hợp các

phương pháp GIS cỏ thè được sư dụng trong mò hình toán thủy vãn hay các phương pháp

xứ lý sò liệu sô dịa hình Một sô loại dữ liệu diên hình dược dề cập trong báng 2.1 dưới dây

Bàng 2.1 Các loại dũ' liệu đuvc sừ dụng trong mô hlnh toân thúy vàn (9]

/ Dừ liệu khi lượng

Vị tri các trạm do mưa và lượng mưa Tính toán dòng cháy tứ mưa tinh toán cân

bàng nước trên lưu vực

11 Dữ liệu thủy vởn

III Dừ liệu địa hình

Lưu vực và các tiêu lưu vực Dâu vào cho mô hình thúy văn

Mạng lưới sông, tên sõng Đâu vào cho mỏ hình thủy văn

Các đặc trưng hình thãi cùa sông Đâu vào cho mô hình thúy văn

1 lồ chứa và các vùng ngập nước Đâu vào cho mõ hình thúy vân

IV Dữ liệu sừ dụng dât

Bán đồ hiện trạng sứ dụng đắt Dữ liệu đầu vào cho mò hĩnh thủy vãnBán đồ quy hoạch sử dụng đất Dữ liệu đầu vảo cho mô hĩnh thúy ván

Dữ liệu dự báo thay đôi sừ dụng đất Dữ liệu dâu vào cho mò hình thúy vãn

V Dữ liệu dát

Ban dồ dất

7T Loại dừ liệu Ghi chú

VI Cảc loại dừ liệu khác

Các công trình và vận hành công trình Tính toán trong bài toán cân bang nước

Dữ liệu về dân sinh, kinh tế Tính toán trong bài toán cân bảng nướcRanh giới hành chinh Tính toán trong bài toán càn hãng nướcRanh giới hành chinh tinh, huyện, xã Tính toán trong bài toản cân băng nước,

xây dựng bán đồ mỏ phóng kết quá đầu ra cùa mô hình

2.3.1 Mò hình số độ cao

Hâu hết các ứng dụng trong mô hinh toán thúy vân sừ dụng dừ liệu mô hĩnh sò độ cao (ĐEM) là dạng dử liệu raster Các nguồn dừ liệu DEM có thê sư dụng dừ liệu tữ trang web http://ned.usgs.gov/ Ngoài ra, dữ liệu DEM 90 m có the tái về từ trang web hltps://Srtm

csi.cgiar.org/ Trang web https://earthexplorer.usgs.gov/ lưu trữ dừ liệu tử nhiêu nguồn khác nhau cho phép lấy dữ liệu DEM có độ phàn giái I km, 250 m 90 m, 30 m Õ Việt Nam Trung tâm Thõng tin dừ liệu do đạc vã ban đồ lã đon vị sự nghiệp công lập trực thuộc Cục

Đo đac, Ban đổ và Thông tin địa lý Việt Nam (https://www.bandovn.vn) Dừ liệu DEM cua Việt Nam có cãc loại DEM I m X 1 m DEM 5 m X 5 III DEM 10 m X 10 m, DEM 25 m X 25 m Tuy nhiên, các manh dừ liệu DEM này tùy tùng vũng cỏ dừ liệu sê có độ phân giai khác nhau Trước khi sừ dụng cân kiêm tra xem vũng nghiên cứu có loại dữ liệu DEM nào, độ phân giái bao nhiêu đẽ có thê lựa chọn mô hình, phương pháp tinh toán phũ hợp Ngoài ra còn một sô nguồn dữ liệu DEM khác có thè sư dụng dé tính toán trong lình vực tài nguyên nước

Dữ liệu địa hình dóng vai trò quan trọng trong ước tính phân bô nước trên bê mặt Vi

dụ như dòng chày mặt, tham, bốc hơi vã quã trinh trao đôi nhiệt ở phần không khí gân mật đất Dê mỏ phóng quá trinh này thi cân các câu trúc bê mặt địa hĩnh và một sỏ các thông sỏ điều khiến Các quá trinh (hay đỗi này có the được mò hình hóa bằng các phương pháp tiếp cận phù họp Vi dụ như mó hình mưa dòng cháy trẽn bẽ mặt được tính toán trên lừng ỏ lưới, qưá trình dõng chày trên bê mặt được tinh toãn trẽn từng ô lưới vã cháy sang ò làn cận.VỚI dừ liệu DEM dừ liệu phụ thuộc vảo độ phân giái cùa DEM Vi dụ như dừ liệu DEM 30 m thi chiêu dài sông không thê nho hơn 30 m Độ phân giai cua dữ liệu DEM là hạn che cùa dừ liệu, đặc biệt lã khi tinh toán cho các lưu vực nhó như ớ lưu vực đỏ thị Neu

tinh toán với những dữ liệu DEM có độ phân giai thô, có thê gãy ra sai sò khi thực hiện xác định diện tích lưu vực đặc biệt lã đổi với các lưu vực nhó Đồi với cãc tinh toán yêu câu dừ liệu có độ phân giai cao như các bãi toán tinh toán vùng ngập thi cỏ the su dụng dữ liệu LiDAR

Dừ liệu GPS (Global Positioning System) và dừ liệu anh máy bay cũng như anh vệ tinh có thế được sừ dụng đê đo dạc độ cao Ảnh LiDAR (Light Detection And Ranging) cũng cho dừ liệu địa hĩnh VỚI độ phân giái cao Hiện nay, ánh LiDAR trớ nên phó biên hơn

và được su dụng trong nhiêu ứng dụng trong thúy vãn

Độ phân giái cùa DEM cỏ ánh hường đen độ chinh xác cúa mỏ hĩnh thủy vửn Vi dụ neu tãng kích thước ô lưới có thê lâm giam chicu dài sõng, dộ d<k, v.v dan đen sai sò trong

mỏ phóng dỏng chây

Trong những năm gân đây dừ liệu LiDAR (Light Detection and Ranging) dược sir dụng rộng rãi trong việc tính toán và phàn chia lưu vực Độ phân giãi cao cùa dừ liệu ánh LiDAR làm tăng độ chinh xác khi sư dụng mô hĩnh toán Tuy nhiên, dừ liệu anh LiDAR hiện cố chi phí cao, chưa bao phú het tàt cà các vũng ứ Việt Nam

2.3.2.Dữ liệu dộ ầm đắt

Độ âm dảt và kha nâng thâm cùa dât ràt quan trọng trong các mỏ hình thúy vãn Nguôn

dừ liệu đất cỏ thê sử dụng, lãi về từ các nguồn của NRCS, STATSCO vả SSURGO (http://soils.usda.gov/survcy/pnnted_survcys/)

Lượng mua trên lưu vực ánh hưởng đèn lượng mưa vượt tham vả dòng cháy mặt Lượng thảm và độ âm đãt là những thành phân quan trọng trong mõ hĩnh thúy vân Cưởng

độ thâm đuục mô tá bảng các thông sò mô tã linh chát vật lý cùa đât, cường độ mưa, độ âm đất hiện trạng, loại vã mức độ che phu cua thục vật, điều kiện bề mặt vã nhiệt độ Các thông

sô nãy cùng bicn dôi theo không gian phụ thuộc vào tính chât cùa đát, bê mật dât và sự phàn

bô mưa theo không gian, đỏng thời cùng thay đôi tùy vảo các trận mưa khác nhau Việc đo đạc dộ âm dât và quá trinh thâm hiện nay còn nhiêu khó khản, đậc biệt khi phai đo dạc liên tục theo thòi gian

Độ âm dầt có thê do đọc băng cách sư dụng các đâu do tại một sỏ vị trí trẽn lưu vục Các thiết bị đo có thề đặt ớ các độ sàu 5, 25, 60, 75 em và đo liên tục theo thời gian thực.Các cõng nghệ viễn thám gân đây cũng có thê đo đạc được độ ăm đãt dựa trẽn cõng nghệ sóng ngăn đo đạc độ âm đât biên đôi theo không gian và điêu kiện phủ cùa thục vật khác nhau

2.3.3.Dữ liệu thảm phú

Dừ liệu sử dụng đãt vã thám phũ được sử dụng trong mô hình thúy vân đẽ xác định độ nhám hoặc sức can cùa be mặt là tham số ánh hương den vận toe dòng cháy tràn trên bê inật Các dù liệu sứ dụng đất kết họp với dù liệu thúy vân dừ liệu đất có thể cung cấp thông

tin luợng trử âm trong dât Dòng cháy mặt không chi chịu anh hương bới các yêu tô bê mật như loại đắt mã cỏn bị anh hường từ cãc lớp sir dụng đất như thực vật, thám phũ rửng Các nguỏn dữ liệu sư dụng dât có the dược khai thác từ National Land Cover Dataset (NLCD; http://landcovcr.usgs.gov/).

Ò Việt Nam bán đồ sứ dụng đát và các loại đất có thế tham khao Thông tư sồ

2772018HT-BTNMT ngày 14 tháng !2 năm 2018 cùa Bộ trưởng Bộ Tài nguyên và Môi trường quy đinh về thống kỉ kiếm kẽ đất đai và lộp bán đồ hiên trụng sứ (lụng đất 110/.

2.3.4 Dữ liệu mưa vãcácyéu tố khihậukhảc

Các loại dừ liệu như nhiệt độ độ âm mưa, tõc độ gió, hướng gió mây ãp suãt không khí bôc hoi sương mù v.v dược do dạc thông qua các trạm khí tượng đo đạc bơi Tông cục Khi tượng thủy vàn Ngoài ra một sò các co quan, đơn vị lư nhàn đo đạc các dừ liệu mưa dùng riêng bỏng mạng lưới quan tràc riêng

(1) Dữ liệu mưa radar

Các thuật toán xử lý ánh radar (Processing System PPS) bao gồm: (a) tổi ưu thông

sò (b> làm sáng các band ành và tuyêt (c) lảng cường châl lượng ánh, (d) tòi ưu mức độ phán xạ vả làm giám nhiễu cùa ánh, (e) xứ lý các vùng bất thường trên ánh (0 tinh toán sai

sò do vj trí trạm gãy nen (g) mức dộ suy giám sõng radar vã <h) anh hướng cùa phân cực đói Cảc thông sô trong quã trinh tinh toân xử lý ánh không bao giở giông nhau do ánh hường cùa loại radar, các mùa khác nhau, các vùng khác nhau hoặc loại hĩnh thòi tiết, giông bão

Vi vậy trên thực te, quả trinh xử lý ảnh mưa radar phái liên tục hiệu chinh dựa trên so liệu mưa thực đo theo thời gian thực

Từ năm 1989, Radar thời tiết đã dược lắp đặt và dưa vào sứ dụng Dê khai thác, sữ dụng nguồn số liệu thu được tử Radar, dà cỏ rất nhiều cóng trinh khoa học đi sâu nghiên cửu

sư dụng sô liệu cua Radar dè xây dụng các mò hình, các phương pháp theo dõi dự báo bão

dự báo định lượng, định tinh ve mưa Thõng qua câu trúc hệ thõng mây Radar thu thập được

đê tinh toán sự phân bõ trường gió tnrởng mưa và câp dộ gió trong bão Tuy nhiên, việc sứ dụng sổ liệu Radar hiện có lãm dừ liệu đầu vào trong tảc nghiệp dự báo mõi dũng ờ chỗ thu tháp, thông ke vói những tinh toán don gian, ròi rạc, nội suy vã so sánh tương tụ Sừ dụng

số liệu, sàn phẩm Radar phục vụ dự bão các hiện tượng thin tiết nguy hiem nhìn chung côn rat hạn chẽ nhát là dự báo dài hơn 3 giờ

(2) Dữ liệu mua vị tinh

Ờ nhùng vùng không cỏ trạm quan trác mưa hoặc cỏ trạm quan trác thưa, chúng ta có the dùng lượng mưa tinh toán tir anh mưa vệ tinh Tuy nhiên, anh vệ tinh chi chụp với các đau đo ỡ dái sõng nhìn thây, hồng ngoại gân hay hóng ngoại nhiệt Các ành vệ tinh hỏng ngoại nhiệt và trong dai sông nhìn thày như vệ tinh NOAA-N, vệ tinh the Defense Meteorological Satellite Program và các vệ tinh địa tình như GOES, GMS, Metcosat, cung

cấp các thông tin mây tâng trcn tót hơn là lượng mây tâm thâp hoặc mày địa hình Các vệ tinh này cung cấp ánh liên tục (thậm chi bão ban đêm vôi ánh hông ngoại) vả các thõng số cua lượng mây gây mưa tiêm năng, mức độ thay đôi VẺ diện mày, dọng mây chúng la có thê quan trắc được Từ nhùng số liệu quan trác này, lượng mưa cỏ thê được tinh loãn từ cốc quan

hộ giữa lượng mây vả lượng mưa quan trăc thục té tử mặt đát Lượng mưa quan trăc thực tẻ

từ mặt dắt sè giúp cho việc hiệu chinh các số liệu mưa quan trắc từ mây vệ tinh

Hiện có nhiều nguồn dừ liệu mưa vệ linh khác nhau có đỏ phân giói cao Vệ tinh TRMM (Tropical Rainfall Measuring Mission) được phóng vào nãm 1997 đã khói đâu cho việc ứng dụng mưa vệ tinh tinh toán mưa ớ nhừng vũng nhiệt dõi và cận nhiệt đới Các vệ tinh có dộ phân giai không gian và thời gian cao hơn củng dược phát triền và ứng dụng rộng rãi Tiếp theo lả các vệ linh nhu TMPA (TRMM Multi Satellite Precipitation Analysis) và GPM (Global Precipitation Measurement) Các vệ tinh như PERSI ANN (Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks) và CHIRP (Climate Hazards Infrared Precipitation) sir dụng dữ liệu hông ngoại Các dừ liệu khác như GSMaP (Global Satellite Mapping of Precipitation) và CMORPH (Climate Prediction Center Morphing Technique) sú dụng nhiều các phương pháp khác nhau đe chụp ảnh.2.3.5 Các dữ liệu dựbáo từmô hình số trị toàn cầu

Trong lình vực tinh toán và dự báo thúy văn, thủy lực một van dề gặp phái dó là số liệu đầu vào bị thiếu hoặc không đầy dù Có rất nhiều phương pháp đỗ kéo dài số liệu bảng các mô hình toán, tuy nhiên, hiện nay có một biện pháp hiệu qua nhâm bõ sung thông tin đỏng thời tảng khá nủng dự kiến của ban tin dự bão lã sứ dụng sô liệu vệ tinh, viền thám, o Việt Nam việc ứng dụng và thử nghiệm các inỏ hình khi hậu khu vục cho bài toán dự báo tuy không côn mới mẽ nhưng vẫn còn nhiều câu hỏi cần được trá lời: lim thế não đê khai thác được sô liệu này? Với chức năng dư báo canh báo nhâm quàn lý và giam thiêu tác hụi

do thời tiết gãy ra đà xây dựng một còng cụ khai thác, sứ dụng các thông số thời tiểt làm đầu vào cho inô hình thủy văn thủy lực và ra các bán tin dự bão với thời gian dự kiên khác nhau trcn toàn hộ lưu vực chinh xác và kịp thời Các sán phàm mò hĩnh số trị thòng dụng hiện có như: CFS - NOAA, GFS - NOAA, ICON - DWD GEM - CMC, GEOS - NASA Các dữ liệu này cỏ thê lim ớ trang web https://rda.ucar.edu/datasets/ hoặc trang web https://www nco.ncep.noaa.gov/pmb/productx/

Nguồn dữ liệu CFS (Climate Forecast System Version): lã hệ thống dự báo khi hậu được phát triẽn bơi Trưng tám Dự báo Môi trường Hoa Kỳ (NCEP National Centers for Environmental Prediction) CFS là mỏ hình đầy đù giừa các thành phần lương lác với nhau trên Trái Dất gồm khi quyên, đất vả dại dương Thảng 8 nám 2004 CFS bắt đầu dược dưa vào nghiệp vụ dự báo khi hậu ờ Hoa Kỹ Ke từ đó, CFS không ngừng được cài lien và phát triên nhăm đưa ra két quà dự báo phù hợp hơn Lân dâu tiên trong lịch sử, dư báo hạn mùa

cùa nước Mỹ, một mô hình dộng lực có the so sánh với phương pháp thòng kè dược sử dụng bởi trung tâm dự báo khi hậu NCEP (CPC) trong dự báo nhiệt độ bề mặt mưa và cung cãp những lợi thế quan trọng trong việc dụ báo hạn mùa nghiệp vụ Điểu nãy thê hiện sự tiên bộ đáng kể so với các mò hình động lực dà được sử dụng ớ NCEP I liên nay, CFS đà được phát trien dèn phicn ban 2 (CFv2) với dự báo tô hựp dược dưa vào nghiệp vụ tại NCEP tir tháng

3 năm 2011 và được sứ dụng chạy dự báo nghiệp vụ 4 lần/ngày (00 06 12 18 giờ UTC), trong đó lần chạy tại 00UTC cỏ hạn dự bão 9 tháng, nhưng chi cung cap miễn phi cho cộng đồng tới hạn dự báo 6 tháng Toàn bộ số liệu dự báo cùa CFSv2 dược tài về địa chi trang thông tin cùa NCEP: https://www.nco.nccp.noaa.gov/pmlVproducts/cfs/

Nguồn dũliệu GFS (Global Forecast System): là hệ thống dự báo toàn cầu được cung cấp bỡi Trung tàm Dự báo Môi trường quốc gia Mỹ (National Center for Environmental Prediction - NCEP) Các dừ liệu cùa mỏ hình GFS cỏ the tái về tại địa chi ftp //ftp nccp.noaa.gov/pub/data/nccf/conVgfs/prod hoặc dia chi https://nomads.nccp noaa gov/pub/data/nccf/com/gfs/prod

Nguồn dữ liệu /CƠ.'V(Icosahcdral Nonhydrostatic): Mô hình dự báo thôi liet khu vực phân giái cao HRM (High Resolution Regional Model) là mô hình thúy lĩnh, sứ dụng hệ phương trinh nguyên thúy, bao gôm đầy dũ các quả trinh vật lý như: bức xạ mõ hình đãi các quá trình ròi trong lớp biên, tạo mưa quy mô lưới, đói lưu nóng vã dôi lưu sâu Mõ hình HRM dược phát triên tợi Tông cục Thời tiểt Cộng hòa Liên bang Đức (DWD) và đang dược chạy nghiệp vụ tại nhiều co quan khi tượng quổc gia như tại Philippines, Bnv.il, Tây Ban Nha Đức v.v https://code.mpimet.mpg.de/projects/iconpublic

Nguồn sè liệu GEM (The Global Environment Multiscale Model): Một hệ thống dự

báo và đông hóa dữ liêu tích hợp dược phát triền với mục dich dáp ứng tàt ca các nhu câu

dự bão thôi tiẽt cùa Canada trong tương lai

Nguồn số liệu GEOS (Goddard Earth Observing System): Mô hình GEOS-5 thưởng

chạy ở độ phân giãi khoáng 28 km mỏi ô lưới đè nghiên cứu các kết nối giữa thời tiết và khí hậu Nô cỏ thê chạy trẽn phạm vi toàn câu ơ dộ phân giái 3,5 km, khiên nó trớ thành một trong những mô hình khi quyên toàn cầu chi tiết nhất trẽn the giới

2.4 HIỆU CHỈNH VÀ KIÊM ĐỊNH MÒ HÌNH

Trong mò hình toán nói chung, các thõng sô cùa mô hình biêu thị các yêu tó hoặc các quan hộ giữa cãc ycu tỏ anh hướng đen quã trinh dòng chay dược mỏ phòng Có thê phân loại các thông số mô hình thành hai nhóm bao gôm thõng sỏ vật lý vã thông số quá trình Trong đõ cảc thõng sỏ vật lỷ biêu thị đặc diêm địa lý tụ nhiên cũa lưu vực vã các thõng sô quá trình biêu thị các quá trinh hình thành dòng cháy

1 liệu chinh là quá trinh mà qua dó cãc thông sô cua mô hình dược điêu chinh sao cho kết quá đâu ra cùa mô hĩnh phũ họp với các giả trị thực đo trong một giai đoạn (chuỗi) được

sử dụng đê hiệu chinh

Kiêm định là quá trinh thử nghiệm độ chinh xác hay mức độ tin cậy cùa mõ hình vói

bộ thòng sô đà được xác định trong quá trinh hiệu chinh, thõng qua việc so sánh kct qua đầu

ra của mò hình với giá trị thực đo trong giai đoạn (chuồi) kiêm định Mò hĩnh dược đánh giá

là đáng tin cậy để thực hiện các bước tiếp theo, khi kết qua đầu ra cùa mô hình và giá trị thực

đo phù hợp vói nhicu giai đoạn (chuồi) được su dụng Trong tnròng hợp kct qua kiêm định cho thấy kết quá mỏ phong cũa mỏ hình chua phú họp mỏ hình chưa đu tin cậy thi cần phái ticn hành thực hiện hiệu chinh lại các thông sò cùa mò hình

Hình 2.1 Sơ đố quá trinh hiệu chinh vá kiểm định các thỏng sỗ mỏ hình.

Boylc vã cộng sự đà phân loại quá trinh hiệu chinh mõ hình thanh ba cap độ tương ứng với múc độ phức tạp ớ cảp độ I khoang giá tri thích hợp cùa các thông số được xác định

cụ the bằng đặc trưng vật lý kết họp dù liệu cỏ sần về các đặc điếm tình của lưu vục (vi dụ: địa chãt đãi thám phú đãt độ doc V.V.) thòng qua báng tra cứu hoặc báng cách mượn các giá trị tù cãc lưu vực tuông tự 0 cãp độ này các thòng sô dược ước tinh còn mang tính

"thỏ" mã không cần điểu chinh dựa trên quan hệ dừ liệu đầu vào và kết quá dõng cháy đầu

ra cua mô hĩnh Ớ cấp dộ 2 phạm vi giá trị cùa thông số dược tinh chinh bang cách xác dinh

vả phân lích đặc diêm cùa các phân đoạn cụ thê cùa dìr liệu đâu ra được kiêm soát bời một hoặc một nhỏm các thông sô Trong câp dộ nãy ánh hương VC sự tương tãc giữa các thông

sò được bó qua Cuõi cùng, ở cấp độ 3, giới hạn cua các thòng sô dược thu hẹp them nữa bảng cách phân tích chi tiết tãc động của các thông số đê cản bửng giùa lợi ích thởi gian hiệu chinh thòng sô vã hiệu qua mõ phong (II]

Có the nhận thầy, các giá trị thông số mò hĩnh khó cỏ thê xác định được một cách chính xác thông qua đo đạc hoặc từ các tính toán trước đó ngay cá khi dựa trên chuỗi đo đạc liên tục thi các kết quã mô phóng cùng khó có thè phù họp cho cà chuỗi nảy Việc ước lượng trước khoáng giá trị cùa các thông sổ cũng thưởng dẫn đến các khoáng dự đoán rộng và nhiều thông số không phai lúc nào cùng đo lưỡng đưực Lý do dần dền sụ khó khãn trong hiệu chinh và kiềm định mỏ hình lã phạm vi khá nâng cua kỳ thuật đo đạc hiện nay vẫn thưởng nho hơn nhiêu so với phạm vi mà các giá tri cùa thông sò yêu câu Cùng với dó việc thực hiện đo đạc thực nghiệm sẻ rãt tốn thời gian vã chi phi

Việc hiệu chinh và kiềm dinh mỏ hình thường dược tiêp cận theo hai phương pháp dõ

là phương pháp thư sai (người ứng dụng sè điều chinh các thõng số mò hĩnh thú công) và phương pháp tỏi ưu (mô hĩnh sS tự điêu chinh các thông số băng các thuật toán tỏi ưu cho đèn khi đạt được một bộ thông sò phũ họp nhàt) trẽn co sò so sánh giữa giá trị mò phòng với giá trị đà được quan trắc sẵn có Do đó việc hiệu chính vả kiêm định mỏ hĩnh chi có thê đạt dược hiệu quá khi có dữ liệu quan trãc tôt (dữ liệu dâu vào - đâu ra như lượng mưa bôc hơi

vã dỏng chây), đảng tin cậy trong một khoáng thời gian dài

Một sỏ diem càn lưu ý khi thực hiện hiệu chinh giá trị các thông sỏ mô hình:

- Giá trị củc thông số được xác dịnh bâng việc thực hiện hiệu chinh mó hình chi có ỷ nghĩa trong mỏ hình và trên lưu vực nghicn cứu cụ thê Giá tri các thông sò đó sỗ không phù hợp đề sử dụng trong các mò hình khác (ngay cá khi thông số đó có cùng tên gọi) và ờ các lưu vục khác

- Giã trị cua các thông sô dược xác định phái đám báo có ỷ nghĩa vật lý và cỏ cơ sớ thực tế tương ứng với vũng nghiên cứu tránh tinh trạng vô lý vã phi thực tế

- Trong mò phóng thúy vãn, đòi vói các lưu vục không có tài liệu do dạc thi việc mượn bộ thõng số cũa lưu vực tuơng tự thường được áp dụng, thõng qua việc điêu chinh hoặc không diêu chinh giã trị cua thông sổ dựa trẽn đặc tinh cùa lưu vực Các gia định như vậy sè khó có thè chứng minh sự phủ hợp, bới lẽ sự tổ hợp cùa nhiều thòng số trong mõ hĩnh

cỏ thê dẫn tới các kẽt qua khãc nhau do có sự tương tác giừa các thõng sỏ tính không chăc chan ve dử liệu và không đám bào cùa càu trúc mô hình Do đó, có thê dần tới các mòi quan

hệ không rô ráng vã sai lệch giừa các thông sỏ vởi các đặc tnrng cua lưu vực

- Khãi niệm VC một bộ thông số tối uu có the không tim được trong mô hình thúy vãn Trong khi một bộ thông sổ tôi ưu được xãc định thi có the cố nhiều bộ thông số khác cỏ the tót hơn Cũng cân lưu ỷ răng, các thòng sô khi dược xác định băng kỳ thuật tôi ưu có thê cho kết quá so sánh giừa mô phỏng và quan trac tốt nhưng lại không đảm bào về ý nghía vật lý (điều kiện tự nhiên) cua lưu vực nghiên cứu

2.5 CÁC CHÍ TIÊU ĐÁNH GIẢSAI sô

Đè đánh giả một mõ hĩnh đú săn sảng đẽ ãp dụng cho thực hiện mục tiêu nghiên cứu hay chưa, sau khi đã thiêt lập với các dữ liệu dâu vào thông sô dược giá dinh ban dâu thi cần phái có đánh giá nhận định chát lượng mõ phòng thõng qua so sánh trực quan hoặc theo một chi ticu tinh toãn tại vị tri quan trãc Các chi ticu có thê tinh toán dược dụa trên co sờ kết quã mỏ phóng với giã trị thực đo cố the được ảp dụng bao gồm:

' I) Hệ sổ tương quan (Correlation coefficient), r

Hệ số tương quan cho biết mức độ quan hệ tuyến tinh chặt chồ giừa chuồi giá trị thục

đo và mõ phóng, thông qua hiếu thức:

,-x)(y.-ỹ)

‘-1È(x.-íqÉ(y.-ỹ)2

(2.1)

Giá trị r năm trong khoáng từ -I den +1 giá tri tuyệt dối r câng cao the hiện mức độ tương quan càng chật chè Giá trị r dương thê hiện môi quan hệ đong biến, trong khi giá trị

r âm thê hiện mòi quan hệ nghịch biền

(2) Hệ sổ hiệu quà (Coefficient of efficiency), NASH

Hộ sô hiệu quá (hay cỏn gọi là hệ sô Nash - Sutcliffe do Nash và Sutcliffe dê xuất) được sứ dụng cho việc do lưỡng mức độ phú hợp giừa cãc giá trị thực đo và cãc giã trị mỏ phong, thòng qua bicu thức:

Ệ(x-x)2-ẳ(y.-Jt.)í

»1Giá trị NASH năm trong khoáng 0-1, giá trị càng cao, mức độ phú hợp càng kín

(3) Sai số quãn phương (Root mean square error) RM SE

Sai số quàn phương là thước đo được sứ dụng thường xuyên đè đánh giá sự khác biệt giữa các giá trị quan trâc và mô phong RMSE dược ước tinh băng căn bậc hai cùa tỏng chênh lệch binh phương giừa mõ phỏng và thực do RMSE lã số không âm và RMSE càng nho thè hiện kết quá mó phỏng càng phù hợp so vôi thực đo

(4) Sai sổ trị tuyệt đổi trung hình (Mean absolute error), MAE

Sai số trị tuyệt đối trung binh cho phép so sánh theo các cặp giá trị quan trắc và mô phong thông qua biểu thức:

11 1.1

(2.4)Sai số tuyệt đối trung binh sir dụng cùng thang đo vói dìr liệu được đo Dây được gọi

là thước đo độ chinh xãc phụ thuộc vào thang đo và do đó không thè được sư dụng de so sánh giữa các chuồi có thang do khác nhau Sai số tuyệt đoi trung binh là thước đo phô biến trong đánh giá sai sô dự bão trong chuỗi thời gian

(5) Sai sổ phần tràm trung bình (Mean percentage error), MPE

Sai sô phần trâm trung binh được sứ dụng đẽ đánh giá phân tràm sai so trung binh giừa giá trị thực do và mô phóng, thông qua biêu thức:

(6) Sai sổ phần tràm tống htợng (Percentage of volume error) PPV

Sai so phân tràm lóng lượng được sứ dụng đẽ đánh giã sự chênh lệch ve tông lượng dòng chày quan trác dược và mô phòng trong một khoang thòi gian xác định, thông qua biêu thức:

(7) Sai sẻ phần trăm đinh (Percentage of peak error), PPE

Sai sồ phân trảm đinh được sứ dụng dê đánh giá sự chênh lệch về giá trị lớn nhất cùa dòng chay quan trác đưực và mỏ phong trong một khoáng thởi gian xãc định thòng qua biêu thức:

(8) Sai số về thời gian xuất hiện (Time of occurrence error), TOE

Sai sô VC thời gian xuàt hiện thưởng dược sir dụng de so sánh thời diêm xuất hiện cua giá trị lớn nhất quan trắc được và mò phóng hoặc sự chênh lệch về thời diem xuất hiện cua một giá trị não đó giừa thởi diêm thục tế xây ra và thời diêm dự đoán

Trong đó: X, và y, là giá trị quan trãc và mõ phòng tại từng thời diem i; X và ỹ là giã trị trung binh chuỗi quan trảc và mỏ phòng; n là tỏng sô giá trị (độ dài chuồi sỏ); vx và Vỵ là

tông lượng dòng chày quan trãc và mò phóng; X|» và Yp là giá trị lớn nhât quan trác và mỏ phóng; Tv và Ty lã (hởi điềm xuắt hiện giã trị lởn nhắt quan trắc vả mỏ phỏng.

2.6 CÁC PHƯƠNG PHÁP XÁC Đ|NH THÔNG so

2.6.1 Phương pháp thừ sai

Phương pháp thư sai hay lã việc hiệu chinh giã trị các thông só thú công Phương pháp thư sai cằn phái được thực hiện bởi một kỹ sư thủy vãn có kinh nghiệm dựa trên nền táng kiên thức cùng các phàn tích phức tạp đẽ khớp cãc quá trinh thúy văn trong lưu vực thực tể với các khái niệm tương đương của chúng thê hiện trong câu trúc mô hĩnh

Mặc dũ cãc mỏ hĩnh đều cỏ các hường dẫn trinh tự thục hiện hiệu chinh thú công, nhưng trên thực te, hiệu qua cua phương pháp phụ thuộc vào kinh nghiêm và trình độ cùa người lập mỏ hình, các thuộc tinh cùa dừ liệu vã đặc diêm cùa hệ thống lưu vực được mô hình hóa Do đỏ dê việc hiệu chinh thu cóng thành công, dôi hoi phai có kiên (hức và hiếu bicl tot về các đậc tnrng vật lý vã phân hôi cùa lưu vực cùng như hiêu rõ về cầu trúc, hoạt động cua các thành phần và các thòng số mô hình

Mục đích chính cùa hiệu chinh lã tim giá trị các thông số phù hợp với các quá trình thúy văn mã chúng được thiết kể đế đại diện cho độc tinh cua lưu vực Hiệu chinh thu cõng theo phương pháp thứ sai là một quá trinh tốn nhiều thời gian và công sire lien quan den nhiều quyết định chú quan Do tinh chú quan nãy cãc nhà lập mỏ hình khác nhau rất có the­

se tạo ra các giá tri thòng sỏ mô hình khác nhau cho cùng một lưu vực Một khó khản khác trong hiệu chinh thù công là sụ phức tạp cùa cảc mỏ hình Khi nhiều thòng sỏ được thêm vào việc ưởc tính chinh xác chúng trơ nen khó khăn hon; sự tương tác giữa các thõng so và tác động bủ trừ lẽn các biến của mô hĩnh gãy khó khản cho việc ước tinh các thông sổ riêng lé.Nói chung, đẽ thực hiện hiệu chinh thông số cùa mỏ hĩnh theo phương pháp thứ sai cân chữ ý một sò đièm sau:

- Hiểu rõ vê co sờ lỷ thuyết cua mô hĩnh, cách mỏ phóng cãc thảnh phần dỏng chây

và các thông sô liên quan

- Phân lích cảc đặc diêm cúa lưu vực nghiên cứu thõng qua các quan hệ dâu vào đau

ra Đánh giã ánh hướng cua các thông số vật lý đen dõng cháy Có thê tham kháo các kêt quá ứng dụng mô hình cùa các lưu vực tương lự de tim giới hạn thực tẽ cùa các thòng sô

- Đánh giá độ nhạy cùa các thông số (xem mục 2.7) để phân tích các thông số chính (có dộ nhạy cao) và các thông so phụ (có dộ nhạy thấp) ánh hường đen quá trình dòng cháy được mô phòng thông qua mò hĩnh Tũ đó có thể tập trung vảo việc hiệu chinh các thông

so có độ nhạy cao hơn

Việc hiệu chinh các thòng so quá trinh sê lãm thay đói hình dạng cùa dưỡng quá trinh dõng cháy hoặc thay đỏi độ lởn cùa cãc thành phân dõng cháy Khi đả đám báo được

quá trinh mó phong vã thục do là tương đôi phù hợp thi tiên hành hiệu chinh cãc thõng số vật lý như tỳ trọng trạm mưa khi tinh mưa binh quân lưu vục, nhàm khàc phục tinh không đại biêu cua vj trí trạm mưa đôi với tửng vũng trẽn lưu vực.

2.6.2, Phương phápdòtim thông số tự động

Phương pháp dỏ tim thông so tự động dựa trẽn câu trúc mô hình tiên nghiệm, thuật toán tôi ưu hỏa và một hoặc nhiêu phép đo toán học vê hiệu quả mô phông cua mô hình (thưởng được gọi lã hãm mục tiêu, liêu chi hoặc thước đo) đẽ xác định giã trị các thõng sỏ của mò hình bâng cách sư dụng dữ liệu quan trảc được trong quá khứ Ưu diêm cùa phương pháp dỏ tim thông so tự động là: các phương pháp này sử dụng các biện pháp khách quan, thay vì trực quan và chù quan bâng việc khai thác sức mạnh và tòc dộ cua máy tinh đê tìm kiếm các giá trị thòng số một cách có hiệu quá vả có hệ thống trong phạm vi giá trị của chúng Như vậy mục tiêu lã phát triền một cách ticp cận khách quan đế ước tính thông số cung cắp các kết quá nhất quân và có the lái tạo độc lập với người dùng

Tuy nhiên, nhược diêm tiêm ân là các thuật toán hiệu chinh tự động nếu không dược thict ké phù hợp, thì có thẻ trà vê giá trị cùa các thông sô được coi là không thực lê ve mặt thúy văn Cúng với dó dối với hầu hết các mô hĩnh thủy vân phương pháp xác định thõng

sò tòi ưu chì dựa trên cơ sơ két qua so sánh dường quá trinh mỏ phóng với quan trãc là rãt khó khản vã khó cỏ thê đạt được mục tiêu Theo kinh nghiệm, đối với các mò hĩnh dơn gián

có bôn hoặc năm thòng sô cân xác dinh thi cân ít nhât khoang 15 den 20 dường quá trinh lưu lượng (trận lù) dê việc hiệu chinh theo phương pháp tôi ưu có kết quã chấp nhận được Dối với các mô hĩnh có các thông sô phức tụp hơn thi việc đòi hoi sô lượng vã dạng dừ liệu sê nhiều hơn, trừ khi một số thòng số có the dược gán với giá trị mã có the xác dịnh được theo phương pháp đo đạc một cách độc lập [7],

(/) Phương pháp dò rim thông sô dơn mục tiêu

Các phương pháp dò tim thõng sô tôi ưu theo hướng tiẽp cận truyền thong thường là sir dụng một tiêu chi toán học duy nhât (dôi khi được định nghĩa là hàm mục tiêu hoặc phcp đo) dề tim kiếm một bộ thòng số "tốt nhất" Một hàm mục tiêu có thè được định nghía lả một tụp hợp giá tri thông kẽ có thê định lượng được "mức độ gân" hoặc "mức dỏ phù hợp" giữa (các) biến thúy vân được mò phong và quan trắc Ilàm mục tiêu ành hướng phần lớn đến kết quá cùa quá trình hiệu chinh lự động, do đó cản được lựa chọn cấn thận dựa trên mục tiêu cùa mô hĩnh hóa Theo truyèn thòng, các bãi toán hiệu chinh tự động tìm cách giàn» thiêu sự khác biệt giừa các kết quà mỏ phóng vã quan trác bủng hãm mục tiêu theo luật binh phương tôi thiêu

Dạng sai số quân phương (R.MSE) thưởng dược SŨ dụng vi nó cỏ cãc don vị giỏng nhu cùa biền đang dược ưởc tinh (ví dụ: lưu lượng dỏng chày) Hãm mục ticu RMSE nhân mạnh vào việc mò phong các trường hợp dõng chay lủn và đề nhấn mạnh vào trường hợp dõng

cháy nhó, nó có thê được sư dụng sau khi thực hiện chuycn dôi giá tri dâu ra dưới dạng logarit.

Trên thực tê giừa kct qua mó phóng và quan trãc luôn lòn tại sai sỏ bơi vậy, hãm mục tiêu luôn có giá trị khác 0; vi the, ta cỏ thê chọn cảc thông sơ của mô hĩnh sao chơ hàm mục tiêu đọt tới giã trị nhó nhát có thê

Bất chấp nhùng tiến bộ về thuật lơán này, các chiến lược dỡ tìm tự động dựa trên phương pháp này nói chung là yếu và gây khó khăn không cản thiết trong việc tách biệt tác động cùa các thông sô khác nhau lên đâu ra cùa mỡ hình Ví dụ, sự kct hợp cùa hai thông sò

có giá (rị khác nhau cỡ thề dần tới các kết qua đầu ra của mỏ hình hoãn toàn khác nhau, nhưng giá tri dạt được cùa hàm mục ticu lại có the gióng nhau Đây là diet! không mong muốn Đẻ tránh (hoặc ít nhắt lã giâm thiều) vấn đề nãy chiến lược tối ưu hóa nhắt thiết phái được sứ dụng nhiêu và lựa chọn cân thận các thước do đánh giá hiệu qua cua mô hĩnh, theo

đó cần có sự kết hợp chặt chè him giữa số các ẩn số (các thõng số) viri số lượng thông tin, dần đen nhận định vắn đe được đạt ra tốt hon

(2) Phưong pháp dò tìm thông 30 da mục tiêu

Phân tích đa mục tiêu (tiêu chí) cỏ thê được sứ dụng đẽ đỏng hỏa thõng tin tữ nhiều nguồn không the do lường dược (tức là không thè do lưỡng theo cùng một ticu chuẩn) Mục đích là đẽ tăng khá nâng tricl) xuất nội dung thông tin tữ dừ liệu bủng cách thè hiện đúng các khia cạnh quan trọng khác nhau vè hiệu suât mô hình Vi dụ có the xây dựng một sỏ tiêu chi đánh giá, mồi tiêu chi se có tính nhạy với một đại lượng đâu ra có thê đo đạc được cụ thè cua lưu vực Vẽ nguyên tảc mồi tiêu chi cũng cỏ thê được thiết kê đẽ cò lập một biêu hiện đặc trưng khác nhau cùa một số thành phần trong hệ thong vật lý Ưu diêm chinh cùa phương pháp tiẽp cận đa tiêu chi lã cãc mục liêu khác nhau cùa chiến lược hiệu chinh có thể được đưa vào hiệu chinh tự động và cung cồ co sớ vật lý cùa các thòng số đã xác định Nhiêu chiến lược hiệu chinh đa tiêu chi tự động (hoặc bân tự động) đi được đề xuất vả cỏ thê được phán loại theo các phương pháp ticp cận: (i) dõng thời, (ii) từng bước và (iii) ràng buộc.Phuong pháp liếp cân đóng thời lìm ra một tập hợp các giãi pháp (được gọi là vùng

“tôi ưu Pareto") dông thời tối ưu hóa (nghĩa là trong một lan chay tồi ưu) vã cân bảng hiệu suất của một số tiêu chí dơ người dũng lựa chọn đê xác định các khia cạnh khác nhau về hiệu suất mô hĩnh Nói chung, bãi toán mô hình đa tiêu chí có thê được biêu diễn dưới dọng sau:

min /ỳ" ịO) = {Ft (0).F1 {()) F„ (ớ)) vói ơ € ỡ

Trong dớ: F|(O), F1(O), F (0) biêu thị các tiêu chi hiệu suất khác nhau tóm tất thông tin hên quan đen các thành phán khác nhau cua hệ thổng vặt lý Đẽ giái quyết vắn đè này bộ tham số mô hĩnh (0) được lấy mẫu một cách có hệ thống từ vùng tiên nghiệm cùa chúng (0)

đề tìm kiếm các giái pháp đồng thôi tối thiều hóa tất cà các tiêu chi nãy NÕ1 chung, không thè dông thời thòa mãn tât cá các tiêu chi Giai pháp cho vãn đê tòi thiêu hóa này nhìn chung