Luận án tiến sĩ Thủy văn học: Nghiên cứu dự báo mưa, lũ trung hạn cho vận hành hệ thống hồ chứa phòng lũ - ứng dụng cho lưu vực sông Cả

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC THỦY LỢI

HOÀNG THANH TÙNG

NGHIÊN CỨU DỰ BÁO MƯA, LŨ TRUNG HẠN CHO VẬN HÀNH HỆ THÓNG HÒ CHỨA PHÒNG LŨ

-ỨNG DỤNG CHO LƯU VỰC SÔNG CÁ

Chuyên ngành: Thủy văn học Mã số: 62 44 90 01

Hà Nội - 2011

HOANG THANH TUNG

NGHIÊN CỨU DỰ BAO MƯA, LŨ TRUNG HAN CHO VẬN HANH HỆ THONG HO CHUA PHÒNG LŨ

-UNG D-UNG CHO LƯU VUC SÔNG CA.

Chuyên gginh: —Thiiy van hoe Mã số 62449001

LUẬN ÁN TIEN SĨ KỸ THUẬT

NGƯỜI HƯỚNG DAN KHOA HỌC

1 PGS TS VŨ MINH CAT, DH THỦY LỢI, VIỆT NAM 2 GS TS ROBETTO RANZI, DH BRESCIA, ITALIA.

Hà Nội - 2011

LỜI CAM BOAN

Tôi là Hoàng Thanh Tùng Tôi xin cam đoan đây là công trình nghiên cứu củatiên tôi Các nội dung và kết quả nghiên cứu trong Luận án là trung thực và chưa được công b6 rong bắt kỹ công trình khoa học nào

TÁC GIẢ

HOÀNG THANH TÙNG

Với lòng kính trong và biết ơn sâu sắc tác giả xin gử lời cảm ơn tới PGS TS Vũ Minh Cát, ĐH Thủy Lợi, Việt Nam „ đến GS, TS Robeto Ranzi, DH Brescia, Italia đã hướng dẫn té giả trong suốt quá tình tim hiểu, nghiên cứu và hoàn thiện Luận án

“Tác giả xin được bày tỏ lồng biết ơn sâu sắc đến các thẳy, cô giáo và các ban đồng nghiệp ở trường Đại học Thủy lợi đã tạo điều kiện thuận lợi cho tá giả rongsuốt quá trình học tập và thực hiện Luận án.

“ác giả cũng trân trong cảm ơn các cơ quan: Trung tâm Dự báo Khí lượng“Thủy văn Trung Ương, Đài Khí tượng Thủy văn Bắc Trung Bộ đã giúp đỡ tác giả trong quá tình thu thập tài liệu, các thông tn cin thiễtliên quan đến vẫn để nghiên én bạn bè, đồng nghiệp và người thân Cuối cùng, tác giá xin gũi lời cảm ơn

đã giáp đỡ, ạo mọi điều kiện thuận lợi cho tác giã trong suốt thời gian học tập, nghiên cưu và thực hiện Luận án

TÁC GIẢ

HOANG THANH TÙNG.

UC LUC

“Trang phụ biaLời cam đoán

Danh mục các ký hiệu, các chữ viết tắt Danh mục các bảng

Danh mục các hình vẽ, đồ thị MO DAU

CHUONG I: TONG QUAN VE TINH HÌNH NGHIÊN CỨU DỰ BAO

MUA, LŨ TRUNG HAN, VAN HANH HE THONG HO CHỮA VÀ

ĐỊNH HƯỚNG NGHIÊN CUU CHO LƯU VỰC SÔNG CA

ng quan tình hình nghiên cứu về dự báo mưa, lĩ trong han và vậnhành hệ thong hỗ chứa trên th giới

1.1.1 Dự báo mưa, lũ trung han.1.3 Những tan tại và hướng phát triển

1.4 Hướng tiếp cận và phương pháp nghiên cứu.1.4.1 Hướng ti

1.4.2 Phương pháp nghiê

1.4.3 Phương pháp nghiên cứu dự báo lũ trung hạn.cứu dự báo mưa trung hạn.

1.44 Phuong pháp nghiên cứu vận hành hệ thống hỗ chứa 1.5 Giới thiệu lưu vực hệ thống sông Cả và bệ thing hỗ chứa

1.5.1 Vị trí địa lý.

1.5.2 Đặc điểm địa hình.1.5.3 Đặc điểm địa chất.

Trang

Kết luận chương I

CHƯƠNG II: NGHIÍ

CỨU DỰ BAO MUA CHO LƯU VỤC SONG 2.1 Hình thể thôi tết gây mưa lĩ lớn trên lưu vực sông Cả

2.1.1 Các vùng mưa lũ trên lưu vực sông Cả

2.1.2 Các hệ thống thời Ht hủ đạo chỉ phối chế độ mưa lũ lớn 2.1.3 Đặc điểm quá tình synop gây mưa lớn trên khu vục Bắc Trung Bộ trong đó có ưu vục sông Cả

2.2 Nghiên cứu dự báo mưa trên lưu vực sông Cả 2.2.1 Dự báo mưa bằng mồ hình số tị - BOLAM

2.2.2 Dự báo mưa dựa vào phân tích nhận dạng hình thể thời tiết gây

3.1.1 Khái niệm dự báo thủy van3.1.2 Phân loại dự báo thủy van

3.1.3, Các chỉ tiêu đánh giá dự báo thủy van

niệm và thực trang dự báo lũ tác nghiệp cho lưu vực sông

3.1.4 Thực trạng dự báo lũ tác nghiệp cho lưu vực sông Cả32 Nghiên cứu đồng chiy lũ lưu vực sông Cả

3.3, Nghiên cứu dự báo lũ trùng hạn lưu vực sông Cả khi chưa có hỗ chứa 3.31 Dự báo lũ trung hạn lưu vực sông Cả bằng mô hình lai ghép tắt

định (HEC-HMS) và ngẫu nhiên (ARIMA(p.d,q)

3.3.2 Dự báo lũ trung hạn lưu vực sông Cả bằng mô hình lai ghép.mạng No ron nhân tạo EANN và ARIMA(p.dig)

3.4 Nghiên cứu phương án dự báo lũ trung hạn khi các

Vực sông Cả được đưa vào vận hành.

Kết luận chương IIL

“HƯƠNG IV: CƠ SỞ KHOA HỌC VÀ THỰC TIEN TRONG VAN

HANH HE THONG HO CHUA PHÒNG LU TREN LƯU VUC SÔNG.

4.1 Lựa chọn và giới thiệu tom tắt các hồ chứa đưa vào nghiên cứu vậnhành dé phòng lũ trên lưu vực sông Cả.

4.2 Nghiên cứu xác định các yêu cầu đối với việc vận hành hệ thống hồ chứa

4.3 Mô hình hóa hệ thống hỗ chứa trên lưu vực sông Cả.

4.4 Xây dưng các phương ấn vận hành phối hợp hệ thống hỗ chứa trơng ứng với từng kịch Banfinh huống đồng chảy đến hỗ.

4.5 Tích hợp mô hình dự báo mưa, lũ với mô hình vận hành hệ thống hồ chứa phòng lũ tên lưu vực sông Cả

4.6 Thiết lập cơ sở khoa học vận hình phối hợp hé thing hỗ chia

Những đóng góp mới của Luận ấnHướng phát tiển của Luận ánKiến nghị

DANH MỤC CÔNG TRÌNH CỦA TÁC GIÁ TÀI LIỆU THAM KHẢO.

PHY LỤC

PHU LUC 1: Giới thiệu phương pháp An “Implicit”, Hiện “Explicit”, và‘Quy hoạch động sử dụng trong vận hành phối hợp hệ thông hồ chứa. PHY LỤC 2: Các thông số chính của các hỗ chứa tồn lưu vực sông Cả.

KTTV Khí tượng Thủy văn

KTTVTW Khí tượng Thủy văn Trung ương

KTTVQG 'Khí tượng Thủy văn Quốc gia

NCKH Nghiên cứu khoa học

PTNT Pháttiển Nông thôn

PCLBTW Phòng chống lụ bão Trung ương DHTL Đại học Thủy li

BPNN Meng No ron thin kính lan truyền ngược ANN Mang trí tuệ nhân tạo

KKL Không khí lạnhXIN Xoáy thuận nhigt déATND Áp thấp nhigt đóimez Dai hội tụ nhiệt diNW Gió mùa đông bắcSE Gió mùa tây nam

Cao áp TBD Cao áp Thái Bình dương Tạ Thời gian dự kiến dự báo VHHC Van hành hỗ chứa

grvú Quy tình vận hành

Nes Nohin cứu sinh

GHTND Giải hội tụ nhiệt đới.

sông nhánh lớn của lưu

Đặc trưng hình thái lưu vực sông nhánh lớn của lưu vựcsông Cá

“Thống kế lượng mưa do KKL ảnh hưởng gây mưa vừa và "hứa lớn trên lưu vực s ng Cả

06 một số ving lưu vực sông Cả

“Thống kê lượng mưa do XTND ảnh hưởng gây mưa vừa va to ở một số vùng lưu vực sông Cả

“Cấu hình động lực, vậtlý và phương pháp số của 2 phiên bản mô hình BOLAM trong dự báo định lượng mưa cho

Kết quả đính giá mo hình cho các lưu vục bộ phận tủa mô hình HEC-HMS cho các lưu vực bộ.Bộ thông s

“Các chỉ tiêu đánh giá kết quả kiếm định

Bộ thông số của các đoạn sông sử dụng diễn toán

Sơ đồ tấp cận nghiên cứu Sơ đồ nghiên cứu dự báo mưa

m dự báo lũ Sơ đồ nghiên

Sơ đồ nghiên cửu vận hành hệ thống hỗ chứa Bin đỗ lưu vực sông Cả trên lãnh thổ Việt Nam, Bin đồ địa hình lưu vực sông Cả

During đi các cơn bão đỗ bộ hoặc ảnh hưởng đến lưu vực

sông Cả từ năm 1970 - 2009

‘Tin suất xuất hiện các trận bão đổ bộ và ảnh bưởng đến lưu vực sông Cũ từ năm 1970 ~ 2009

Miễn số liệu đầu vào của mô hình toàn cau GES và miễn tínhtoán của mô hình khu vực BOLAM cho phiên bản FATHERvà SON,

Phân bổ sai số trung bình theo phân ích và dự báo với hạncự báo 1 và 2 ngày theo BOLAM_FATHER và

Phân bỗ hệ số tương quan COR theo phân tích và dự báo vớihạn dự báo I và 2 ngày theo BOLAM_ FATHER và

Kết quả mô phỏng lưu vực sông Củ bằng mô hình HEC —

đầu vào của mô hình thủy văn HEC - HMS Bản đồ CNạ cho từng tiễu lưu vực sông Cả đến trạm thủy

Đường quá tình là thực đo và dự báo với thời gian dự kiến 3 ngày bằng mô hình Lai ghép cho trận lĩ năm 2006 ti ramĐô Lương(a), Nam Bin(b)

Đường quá tình lũ thực đo và dự báo với thời gian dự kiến5 ngày bằng mô hình Lai ghếp cho trận lũ năm 2006 ti ramĐô Lương(a), Nam Đàn(b).

Đường quá trình mực nước thực đo và dự báo với thời gian

dự kiến 3 ngày bing mô hình EANN cho trận lũ năm 2007 tại tạm Dia(a), Đồ Lương(b), Nam Đàn)

Đường quá trình mực nước thực đo và dự báo với thời gian dự kiến 5 ngày bing mô hình EANN cho trận lũ năm 2007 tại tạm Dia(a), Đồ Larong(b), Nam Đần(c)

Sơ dé ứng dung mô hình lai ghép EANN và ARIMA(p.dd) Đường quá tình mực nước thực đo và dự báo với thời gian dự kiến 3 ngày bằng mô hình EANN-ARIMA (p.d.q) cho tận l năm 2007 ti trạm Dừa(a), Đô Lương(b) Nam Dan)

Sơmô phỏng lưu vực sông Cả trong HEC-HMS Vị trí các hỗ chứa trên lưu vực sông Cá.

lập các quy tắc phối hợp vận hành hệ thống.

a) hd Bản Vẽ, b) hỗ Khe Bồ, c) hỗ Bản Mồng, đ) hỗ Sông.Sao, e) hỗ Thác Mudi

Sơ đồ tính toán

Minh họa bảng tính, quá trình mô phỏng để xây dựng biểu 4 điều phối cho hồ Ban Mỗng

Minh họa kết nổi dự báo lũ với vận hành hệ thống 5 hỗ chứa,

báo cáo hỗ trợ ra quyết định- Decision repor, biểu

Minh họa kết nổi dự báo li với vận hành hệ thống 5 hỗ chứa báo cáo h trợ ra quyết định- Decision report, biểu đỗ điều

i dự báo lũ với phối hợp vận hành hệ thống 5 1

119

nhiều hơn, với mức độ trằm trọng hơn, đặc bgt năm 2007 (có tối 5 tận lồ xây rà liên iếp trong vòng 1 thing) gây thi hại nặng né vỀ người và của cho các tinh huyện như Qué Phong, Quy Châu, Nghĩa Đàn tỉnh Nghệ An thuộc lưu sông Cả: Ngoài các nguyên nhân khách quan do thời tiết, khí h

miễn Trung, trong đó có nhỉ

còn có những nguyên nhân chủ quan khác như khả năng dự báo mưa lũ trung. tành các hỗ chứa hiện có trên các lưu và dai han chưa tốt, sự phối hợp quan lý, vận

vực sông chưa hợp lý.

hỗ chứa nước lớn “Trên lưu vực hệ thổ Cả đã và đang xây dựng nhiề

như hồ chứa Bản Mỏng trên sông Hiểu, hồ sông Sto trên sông Sào (nhánh đỏ vào xông Hiểu), hồ chứa Bản Vẽ, hỗ chứa Khe Bổ trên sông Cả, và hồ Thác Muối trên xông Ging Đây đều là các hỗ chúa đa mục tiêu: phòng lũ, phát điện, cấp nước cho các ngành kinh tế trên lưu vực sông Cả Tuy nhiên, các hồ chứa nước vẫn chưa có uy tinh phối hợp vận hành đễ phòng chống lũ cho khu vực.

Gi nhọ thệt hại do bao lũ ạt gây ra, tăng cường hiệu quả kinh tế - xã hội và môi trường từ việc vận hành hệ thống hd chứa lớn tên lưu vực là những mục tiêu chính đặt ra cho chúng ta Để đạt được mục tiêu đó thì việc nghiên cứu dự báo

mưa lũ trung hạn cũng như xây dựng các phương án điều hành liên hi

sông việc rit cin thiết và cấp bách cho lưu vực sông Cả Với ý nghĩa đó, Tác giả đã lựa chọn vn đề “Nghiên cứu dự báo mưa lĩ trung han cho vận hành hệ thống hỗ chứa phòng chẳng lĩ - ứng dung cho lưu vực sông Cả" làm đề tài nghiên cứu của Luận ấn tiến sĩ của mình.

Mye tiêu chính cia đề tài là nghiên cứu dự báo mưa, lũ tung hạn phục vụ vận hành phối hợp các hỗ chứa nước trên lưu vực đảm bảo việc phòng chống lũ cho hạ du, vận hành an toàn hé chứa va hạn chế đến mức thấp nhất thiệt hại do lũ gây ra tiên toàn hệ thống Các mục tiêu cụ thể của nghiên cứu bao gồm: i) Nghiên cứu dự báo mưa, i) Nghiên cứu dự báo là trung hạn và ii) Nghiên cứu vận hành phối hợp hệ thống hồ chứa trong mùa lũ ch lưu vực sông Cả

Pham vi nghiên cứu của đề tài inh thổ Việt Nam,giới hạn từ biên giới Việt ~ Lào đến cầu Yên Xuân (thuộc địa phận xã Hung Xuân,huyện Hưng Nguyên, tỉnh Nghệ An) cách điểm nhập lưu của sông La với sông Cảitại Chợ Tràng 4 km về phía thượng lưu.

lưu vực sông Cả ở ph

ĐỂ đạt được mục tiêu đề ra tác giả đã ti cin thiết,

tiến hành nghiên cứu tổng quan dự báo mưa,hành hệ thống hochứa ở trong nước và tên thế giới ừ đó lựa chọn hướng tgp cận phù hợp, vừa mang tính kế thửa vừa đảm bảo tính sng tạo trong nghiên cứu

ñ trùng bạn và vị

“Các phương pháp được sir dụng trong Luận án bao gồm: i) phương pháp phântích, thống kê, kể thừa có chọn lọc các tà liệu đã có nhằm tập hợp, đánh giá nguyên nhân gây mưa, lũ và nhận dạng các hình thé thời iết gây mưa lũ trên lưu vực; i) phương pháp phân tích ảnh viễn thám, GIS và chập bản đồ dé hỗ trg cho mô phỏng e mô hình toán: ii) phương pháp mô hình toán (sử dung các môhình thuỷ văn, thủy lục họ HEC) mô phỏng quá trình thủy động lục học trên hệthống sông Ca; và iv) phương pháp phân tích hệ thống sử dung mô hình mô phỏng

kết hợp với lý (huyết điều khi

lưu vực trong c

để vận hành phối hợp hệthổng hỗ chứu

Ngoài phần mở đầu, kết quả và bàn luận, Luận án được tình bày trong 4 chương bao gồm

“Chương I: Tổng quan về tinh hình nghiên cứu mưa, lũ trung hạn, vận hành hệ thống hỗ chứa và định hướng nghiên cứu cho lưu vực sông Ca

“Chương II: Nghiên cứu dự báo mưa cho lưu vực sông Cả.

“Chương II: Nghiên cứu dự báo lũ trung han cho lưu vực sông Cả “Chương IV: Vận hành hệ thống hỗ chứa phòng lũ trên lưu vực sông Cả

"Những đồng góp mới của Luận ám

1) Xây dựng cơ sở khoa học cho việc vận hành phối hợp các hồ chứa phòng lũ trên lin vực sông Cả, bao gồm: i) bảng nhận dạng hình thể thôi tiết sây mưa lớn trên

lưu vực; ii) đặc điểm, tổ hợp lũ và kết quả mô phỏng mô hình toán thủy văn tính.

toán và dự báo lũ đến các hồ chứa nhập lưu khu giữa trong hệ thẳng: và ii) mô

hình mô phỏng hệ thông hỗ chứa kết hợp với các quy tắc phối hợp vận hành cáchỗ chứa phòng lũ cho lưu vực.

nhiêu, rat phù hợp cho dự báo tác nghiệp khi liên tục phải cập nhập so liệu mới.và luyện lại mạng Thêm vào đó đã nâng cao được chất lượng dự báo từ các môhình nhận thức bằng cách áp dụng mô hình ngẫu nhiên ARIMA để hiệu chỉnhsai số dự báo

3) Tích hợp được mô hình dự báo mưa, lũ với mô hình vận hành hệ thống hỗ chứa tạo tiên đỀ cho việc vận hành phổi hợp các hi chứa phòng lũ trên lưu vực theo thời gian thực Đây là cách mà nhiều nước tiên tiến trên thể giới dang làm và

dang hướng tới, vì vậy cần được thực biện ở Việt Nam,

CHƯƠNG I

TONG QUAN VE TINH HÌNH NGHIÊN CỨU DỰ BAO MƯA LŨ

TRUNG HAN, VAN HANH HE THONG HO CHUA VÀ ĐỊNH

HƯỚNG NGHIÊN CỨU CHO LƯU VỰC SONG CA

1.1 Tổng quan tình hình nghiên cứu về dự báo mưa, lũ trung hạn và vận hành hệ thông hồ chứa trên thể gi.

1.1.1 Dự báo mua, lis trung hạn

Nghiên cấu dự báo mưa, 8 trung hạn trên th giới hiện my vẫn là một đ là vẫn đề ầm thể nào để nâng cao chất lượng và các nhà khoa học, đặc

thời gian dự kiến.

VỀ dự báo thời tết trong đó có dự báo mưa, bên cạnh các phương pháp truyền

thống được sử dụng từ lâu như: phương pháp quán tính, phương pháp xu thế,

phương pháp khí hậu, phương pháp tương tự, thì phương pháp dự báo số trị đã và

đang phát tiên rất man, Đây là phương pháp sử dụng các mô hình toán mô phỏng và dự báo khí hậu và là phương pháp thành công nhất được sử dụng rộng rãi nhất trên thé giới hiện nay

“Các mô hình loại dự báo khí hậu được hình thành từ đầu thể ky 20 nhờ những

tiến bộ và sự hiểu biết về vật lý khí quyên [78] Năm 1922, Lewis Fry Richardson

đđã xuất bản cuốn Dự báo thời tiết bằng quá tình số tr, trong đó một số lạng

trong các phương trình động lực học chất lỏng có thể được bỏ qua để có thể timđược các nghiệm số Tuy nhiên, khối lượng tính toán quá lớn không thể thực hiện

được trước khi các máy vi ính xuất hiện G Na Uy có một nhóm các nhà khí tượng,

đứng đầu là Vilhelm Bjerknes đã phát triển một mô hình để giải thích sự hình thành, phát triển và tan rã của các xoáy thuận ngoại nhiệt đới và họ đã đưa ra ý

“Tor Bergeron (người đầu tiên đưa ra cơ ch hình thành mưa)

Đến giữa thập niên 1950, các mô phòng số đã trở nên dễ dàng hơn với sự trợ giúp của máy tính Người ta đã dự báo tốt hơn các chuyển động qui mô lớn của sóng Rossby vùng vĩ độ trung bình Trong thập niên 1960, bản chất hỗn loạn của

Khí quyển lần đầu tiên được biết tới bởi công tinh của Edward Lorenz, và hình

thành nên ngành khoa học nghiên cứu vẻ lý thuyết hỗn loạn.

quyển đại đương, sinh quyén và các tae động của con người Những mô hình được sử dung phố biển hiện my có thể kể đến như MMS, RAMS, ETA của Hoa Kỹ, HRM của Đúc, BOLAM của Italia, SM của Thụy sĩ MESO-NH của Pháp v.v144] [75] [76], [77I.

được thu thập từ vệ tinh cũng đã và dang trở thành một công cụ hữu hiệu trong cung cấp các thông tin thời tiết toàn cầu cho các mô hình thời tiết lớn cũng như các khu vực Năm 1960, vệ tinh khí trong đầu tiên TIROS-1 được

phóng thành công đánh dấu bước tiến bộ vượt bậc trong dự báo thời tiết bằng mô.

hình số Các vệ tinh thời tiết cùng với các vệ tinh quan trắc Trái đất khác quay

‘quanh Trái dit ở các độ cao khác nhau hiện nay đã trở thành một công cụ không thể

thiểu trong dự báo thời tiết nói chung cũng như phát hiện các hiện tượng thời tiết cực đoạn

Việc dự báo mưa hạn ngắn cho các khu vực không lớn, ở các nước hiện nay đều sử dụng các Radar thời ếc Trong Chiến tranh Thể giới

radar được quân đội sử dụng để phân biệt tiếng ồn do mưa, tuyết, máy bay gây ranhưng sau Chiến tranh Thể giới thứ 2 thi các nhà Khoa học Hoa kỹ, đặc biệt là nhàkhoa học người Canada = Marshall (78] đã xây dựng các nhóm quan hệ gia kíchthước hạt mưa theo các vĩ độ khác nhan làm cơ sở cho những nghiên cứu dự mưa bing Radar thoi tết sau này Các nước sử dụng Radar thí

nay có thể ké đến là Hoa Kj, Canada, Nhật và các nước Tây Âu

tiết nhiều nhất hiện

VỀ dự báo hi trung hạn hướng nghiên cứu rên thé giới trong những nim đây chủ yếu tập trung vào việc sử dung phương pháp mang No ron nhân tạo (ANN) với nhiều thuật toán tối ưu khác nhau kết hop với việc sử dụng mô hình ngẫu nhiê ARIMA (p.dạ), và việc mở ring áp dụng các mô hình thủy văn thông số phân bổtấn đụng các thông tín có được từ vệ tinh, máy bay và GIS kết hợp với kết quả dự.

báo mưa từ các mô hình số te dự báo thời tiết như MMS, RAMS, HRM, BOLAM,

wv Một số nghiên cứu cụ thể được tóm tắt dưới đây:

Mania và nnk (2004) (64] đã áp dụng mô hình ARIMA (p,q) và mạng Noron nhân tạo (ANN) thuật toán quét ngược (BPN) để dự báo dòng chảy trung bình tháng cho lưu vực sông Xallas ở Đông Bắc Tây Ban Nha, trong đó mô hình mạng No ron nhân tạo được sử dung để nâng cao chất lượng dự báo từ mô hình ARMA.

Mặc dù kết quả đạt được chưa thực sự tốt cho cí

mở ra một triển vọng lớn trong sự kết hợp các mô hình dé dự báo trung hạn

Mohammadi và nnk (2006) [65] đã sử dụng thuật toán GP (Goalprogramming) ước tính các thông số của mô hình ARIMA (pad.q) vào dự báo đồngchiy thing cho tram Shaloo Bridge trên sông Karun ở tây nam của Iran với số iệu quan trắc quả nghiên cứu cho thấy các thông số của mô hình ARIMA xác định với việc sit dung thuật toán GP tốt hơn sử dung thuật toánMaximum Likelihood và tốt hơn nhiều so với việc tính đúng các

ARIMA bằng phương pháp giải tích truyền thông

Walter, C, và nnk (2007) (66] đã sử dụng mô hình thủy văn MGB-IPH để sựbáo dang chảy trung han cho sông Paranafba «Brazil Đây là mô hình thủy văn thông số phân bổ ứng dụng cho các lưu vực lớn ở Nam Mộ Mô hình này được cải tiến từ mô hình LARSIM với một sổ thay đỗi trong các modul tính bốc thoát hơi.

tính thắm Ô lưới tính toán của mô hình thường là 10km x 10km và chúng được kết

nỗi với mạng sông suối với mỗi ô được coi như ‘mt đơn vị phần ứng thủy văn" với giá tri phụ thuộc vào loại đắt và hiện trang sử dụng đắt trên từng 6 lưới Mô hìnhđịnh lũ nhưng hướng nghiên cứu

i 68 năm.

của mô hình

này sử dụng mưa dự báo từ mô hình ETA của Trung tâm dự báo mưa Brazil

(BWP), Mô hình dự báo mưa ETA là mô hình s6 tị với vùng dự báo bao phủ toàn

bộ khu vực Nam Mỹ và một phan của vùng phụ cận; mô hình dự báo thời tiết này được đưa vào dự báo tác nghiệp từ năm 1996, chủ yẾu cho dự báo hạn ngắn Kết qua dy báo của mô hình thủy văn phân bố MGB-IPH này được so sánh với kết qua ig đã cho kết qui khả quan hơn nhiều trong cả mùa mưa và mùa khô ứng vớ thời gian dự kiến từ 3, 5 đến 12 ngày, đặc biệt là khi dự báo mưa tốt.

Chen, Y H., Chang, E J (2009) [54] đã áp dụng mô hình mạng No ron nhân.tạo với thuật toán thuyết tiến hóa - EANN (Evolutionary Algorithms Nueral

Network) vào dự báo ding chảy 10 ngày đến hồ chứa Shihmen thuộc lưu vực sông ‘Tanshui của Dai loan Mô hình EANN sử dụng thuật toán thuyết tién hóa đẻ tìm và dmg mạng nơ ron thần kinh, các trọng số kết nổi một cách tự động, thực chất là một mô hình lai ghép bao gồm việc sử dụng thuật toán giải đoán gen (GA ~ GeneticAlgorithm) với thuật toán Leo Dốc - SCGA (Scaled conjugate Gradient Algorithm)để đồ tìm và tối ưu ha mang nơ ton cing với việc xác định các trong số kết nối Kết quả dự báo của mô hình EANN là tốt hơn nhiễu so với mô hình AR và

Knebla, MR và nnk (2005) [60] đã xây dựng một mô hình dự báo lũ cho lưu

ng San Antonio (diện tích khoảng 10.000 km) ở Bang Texas, Hoa kỳ, Mô

hình dự báo lũ này thực chất là sự kết hop giữa mô hình thủy văn, thủy lực HEC-HMS, HEC-RAS và mô hình dự báo mưa bing radar NEXRAD với sự trợ giúp của công cụ GIS có tên “Map to Map” sử dụng phần mé rộng ArcHydro trong ArcGIS cho khu vục nghiên cứu, Mô hình HEC-HMS trong nghiên cứu này là mô hình thông số phân bổ (sử dụng lựa chon lũ đơn vi ModClark) với ô lưới 4km x km tương ứng với độ phân giải của mưa lưới từ mô hình dự báo mưa bằng radar NEXRAD Công cụ “Map to Map" được sử dụng để xây dựng các bản đồ đất thâm phủ dang lưới làm đầu vào cho HEC-HMS Mô hình kết hợp này đã được hiệu chỉnh với lư lượng thực đo tại 12 tram thủy văn trong lưu vie và được kiểm địnhvới thông tin từ ảnh vệ tinh Landsat TM để đảm bảo độ in cậy Công cụ GIS đượcsử dụng để xây dụng cơ sở dữ ligu bản đỗ ngập It Nghiên cứu đã thir nghiệm dự báo cho trận lũ lớn mùa hè năm 2002 và kết quả đạt được là khá tốt Mô hình kết

hop này đã mở ra triển vọng cho việc dy báo lũ với phạm vi vùng và có thé áp dụng.

cho nhiều vùng khác nhau ở Hoa Kỳ

Renji R và nnk (2009)|68] đã nghiên cứu xây dựng một mô hình lai ghép.

(Hydrid modelling) trên cơ sở tích hop hàm Gamma, him chuyển đổi dạng sóng(wavelet transformation - WT) và mô hình mang Nơ ron nhân tạo với thuật toán tốivụ tập mỡ (Adaptive neuro-fuzzy inference system - ANFIS), trong đó him Gamma.được dùng dé kiém tra và lựa chọn các biển đầu vào và độ đài của cúc biển đầu vào;hàm chuyển đổi dạng sóng WT được dùng để chuyển các tín hiệu đầu vào thành các băng tin khác nhau sau đó ding mô hình ANFIS để mô hình hóa các tín hiệu dit vào đã được chuyển đối thành tín hiệu đầu ra là dòng chảy Mô hình lai ghép này đã. được áp dụng cho lưu vực sông Brue ở Tây Nam nước Anh với kết quả thu được

tốt Sự thành công của mô hình còn mở ra một hướng mới trong dự báo thủy văn đó

là hưởng sử đụng các mô hình Iai ghếp vối kếthợp với vige chuyển đổi tín hiệu bằng nhiều phương pháp khác nhan ví dụ như hàm

kỹ thuật lựa chọn biến di v

Sigmois, hàm Instain, và các dang mô hình ANN sử dung các thuật toán tối ưu

Khác nhau như thuật toán quết ngược (BPNN), Tập Mo (ANFIS) như trong nghiên

cứu này, thuật toán giải đoán gien (GA), vv

Linda See và Robert J Abrahart (2001) [62] đã sử dung mô hình chấp nổi dữ

liệu (Multi model data fussion) để dự báo thủy văn cho sông Ouse tại trạm Skelton

6 Dong

nguồn dữ liệ s

dữ liệu là để tận dụng tối đa các

hình mang Na ron nhân tạ, các phép phân ích thống kể để dự báo đồng chủy rồi lựa chọn mô hình tốt nhất cho lưu vực nghiên cứu Nghiên cứu còn chỉ ra khả năng.

n có trong dự báo thủy văn, sau đó sử dụng kết hợp với c¿

nâng cao chit lượng dự báo bằng việc chấp nồi dữ liệu quan trắc tức thời khỉ thiết kế và xây đụng các tram đo đạc tự động và hệ thống cảnh báo lữ.

Jasper, K và nnk (2002) |58] đã nghiên cứu kết hợp mô hình khí áp với mô hình thủy văn phân bó WaSiM-ETH dé dự báo dòng chảy cho các lưu vực sông Ticino, Verzasca và Maggia dign tích 2627 km’ ở phía Nam của day Alpine Đây là một phần của dự ấn EU — RAPHAEL do Cơ quan Khoa học và Giáo dục Thụy sĩtài trợ (Swiss Federal Office for Education and Science) Dữ liệu đâu vào cho môhình thủy văn phân bố trên đã được các tắc giả đưa vào dưới 2 dạng, đó là

mưa thực do của 51 trạm khí tượng và số liệu mưa dự báo từ Š mô hình dự báo thờitiết độ phân giải cao khác nhau có kích thước 6 lưới từ 2 đến 14km: (1) SM của‘Thuy si, (2) MESO-NH của Pháp, (3) BOLAM của Italia, (4) MC2 của Canada, và (5) ALADIN Mô hình thủy văn phân bổ WaSiM-ETH với kích thước 6 lưới 500m x 500m đã được hiệu chỉnh với chuỗi số liệu từ 1993 - 1996 và kiểm định với liệu từ1997 - 2000 của 12 trạm thủy văn Theo báo cáo, mô hình ALADIN cho kết«qua dự báo mưa tốt nhất trong 5 mô hình nghiên cứu và độ chính xác của dự báo lượng mưa quyết định lớn đến độ chính xác của dự báo dòng chay Chi cin một sự thay đối nh trong dự báo lượng mura đã làm cho kết qua dự báo dòng chảy sa lệch nhiễu so với thực đo, từ đó cũng cho thấy việc xác định chính xác điều kiện ban đầu của lưu vực cũng rất quan trọng.

Ranzi, R và nnk (2002) [67] đã tiền hành nghiên cứu dự báo lũ trung hạn cho các lưu vực ở vùng An-pơ bằng mô hình tích hợp khí tượng - thủy văn (BOLAM —

DIMOSOP) trong khuôn khổ của chương trình nghiên cứu của cộng đồng châu Âu.có tên RAPHAEL và MAP-SOP Mô hình thời tiết BOLAM được phát triển tại‘Trung tâm Nghiên cứu Khí tượng CNR-ISAO, Italia đã được sử dụng tính toán chocác trận lũ lịch sử tong quá khứ tại Italia, Mô hình tích hợp BOLAM - DIMOSOP'nói trên có thé đưa ra các dự báo trung hạn trước từ 3 đến 5 ngày có độ chỉnh xác.

sao Tuy nhiên khi áp dụng mô hình tích hợp này ở Việt Nam cho lưu vực sông Hồng và sông Thái Bình trong chương tình hợp tíc song phương giữa Chính phủ Việt Nam và Hala mà trường Đại học Thủy lợi là cơ quan thực hiện chính ở phíaViệt Nam thì kết quả đạt được chưa cao ; một phin là bởi những thông tin quan trong về lưu vực sông Hồng ở phía Trung Quốc không có; một phần là bởi mô hình động lực khí quyén trong BOLAM xây dựng cho khu vực ôn đổi nên cin nhiều thời an và kinh nghiệm để chỉnh sửa thì mới phù hợp với khu vực nhiệt đói giớmùa ở Việt Nam.

Collischonna và nnk (2005) [55] đã nghiên cứu sử dụng mô hình thủy văn phân bổ tương tự như mô hình LARSIM và VIC-2L để dự báo dong chảy cho lưu

vực sông Uruguay một nhánh lớn của sông Plata - lưu vực sông lớn thứ 2 ở Nam

Mỹ với điện tích 32.000 kmỶ Đầu vào thảm phủ thực vật và loại đắt cho mô hình

thủy văn phân bố này được phân loại từ ảnh vệ tinh Landsat 7 ~ TM và mô hình đã.

được hiệu chỉnh với số liệu thực đo mưa và dong chảy từ tháng 9/2001 đến tháng

5/2003 tại 3 trạm thủy văn trên lưu vực và phương pháp hiệu chỉnh sử dụng rong

mô hình là hiệu chỉnh tự động với thuật toán MOCOM-UA: đây là thuật toán chophép dò tim tối ưu với nhiều hơn 2 hàm mục tiêu cùng một lúc Sau khi hiệu chỉnh và kiểm định cho kết quả tốt mô hình đã được sử dụng để dự báo với số liệu đầu vào là cả mưa thực đo và mưa dự báo từ mô hình dự báo thời tiết ARPS (AdvancedRegional Prediction System) do trường Đại học Tông hợp ở Bang Santa Catarina State của Brazil xây dựng, trong đó số liệu mưa thực do được sử dụng đến that điểm bit đầu dự báo và mưa dự báo từ mô hình ARPS được đưa vào với nhiều độ phân giải khác nhau (ARPS 40km, ARPS-I2km và ARPS-4km) Kết quả dự báo thử nghiệm với thời gian dự kiến 48h cho trận lĩ năm 2001 (tin suất xuất hiện 1%) trên lưu vse cho thấy dong chảy dự báo thiên nhỏ so với sd liệu quan trắc vì lượng mưa dự báo thiên nhỏ nguyên do thông số của mô hình được hiệu chỉnh cho that gian đầi với số liệu mưa và đồng chảy thực đo Qua nghiên cứu này, ác te giả kết luận rằng việc dự báo mưa rất quan trong cho dự báo dòng chảy hạn vừa nếu sử dụng các mô hình thủy văn thông số phân bổ.

Gouvieleew, B T., và mnk (57] đã tiến hành nghiên cứu tích hợp mô hình số

bán thông kê dự báo thời it hạn vừa ECMWE vào mô hình thủy văn thông sốphân bố LISFLOOD để dự báo dòng chảy cho sông Meuse và Rhine của Đức MO hình thời tiết ECMWE là mô hình toàn cầu có khả năng đưa ra dự báo thời tết với thời gian dự kiến lê tới 10 ngày Tuy nhiên độ phân giải của mô hình này tương dối thưa (80kem) với 40 ting theo chiều thẳng đứng Mô hình LISFOOD mô phỏng cho lưu vực sông nghiên cứu có độ phân giải km, trong khỉ mạng lưới sông suối

được xây dựng từ DEM 75 m thi các ban đồ hiện trang sử dụng đắt được xây dựng tử dữ liệu của CORIN có d phân giải Ilm, được cập nhập thêm thông tin từ bảnđồ giấy có độ phân giải 100m Số iệu dầu vào mô hình LISFLOOD chính là kết«qua dự báo mưa nhiệt độ và độ âm của mô hình khí tượng ngoài ra còn có dữ liệu địa hình, hiện trạng sử dung đất loại đất, chỉ số lá LAI (Leaf Area Index) và chiều sâu của đất cũng ein phải đưa vào cho lưu vue nghiên cấu Két quả đạt được cho thấy khi mô phòng lại trận là lớn tháng 1 năm 1995, mô hình LISFOOD cho kết quê tương đổi tt nêu sử dụng số liệu khí tượng thực do (mưa, nhiệt độ và độ im) Tuy nhiên, nếu sử dụng mưa dự 5 ngày thì đồng chiy dự báo từ mô hình lớn hơn rất nhiều Điễu này cho thấy kết quả dự báo dòng shủy từ mô hình phụ thuộc rt nhiều vào kết quả dự báo mưa

jo với thời gian dự kiến tử 3

1.1.2 Vận hành hệ thống hỗ chứa.

Van hành hồ chứa (VHHC) là một một trong những vấn đề được quan tâmnhiều nhất rong lịch sử hàng trim năm của công te quy hoạch quản lý hệ hổng

h cone

nguồn nước Nel ra vận hành quản lý hệ thống hị

thời gian từ các nghiên cứu đơn gin tới các nghiên cứu gin đây về phương pháptứa luôn phát ứ

ân hành tối ưu hệ hồng hỗ chứa phục vụ đa mục tiêu

“rên thể giới đã có rất nhiều nghiên cứu áp dụng các thuật toán điều khiển Khác nhau vào giỏi quyết bài toán vận hành hệ thông liên hỗ chứa Một số nghiên cứu cụ thể có thé được liệt kê đưới đây như:

Kumar, Viện Khoa học An độ [61] đã sử dụng thuật toán tối ưu SWARM vào nghiên cứu vận hành hệ thông liên hỗ chứa gồm 4 hỗ mà trước đây Larson đã sử dung Quy hoạch động để giải quyếc Hai nhà Thủy văn Kumar và Singh cũng đã áp

dụng các thuật toán GA - giải đoán gen Tiếp đó Giáo sư Kumar lại thứ nghiệm áp.

dụng cho hệ thống hồ chứa Bhadm của An độ Kết quả cho thấy thuật toán ối ru SWARM có khả năng áp dụng rất tốt vào giải quyết bài toán vận hành liên hồ chứa.

Robin, Trưởng đại học Edinburgh, vương quốc Anh [70] cũng đã tiền hành

nghiên cứu đánh giá thuật toán GA - Giải đoán gen [73] vào vận hành tối ưu hệ.

thing liên hỒ chứa Nghiên cử điễn hình đã được thực hiện cho hệ thống 4 hồ

chứa, rồi cho hệ thông 10 hỗ chứa Kết qua đạt được cho thấy thuật toán GA đem.đến một giải pháp chấp nhận được Tuy nhiên vẫn còn nhiều vin đề cần xem xét

đặc bit là phân tích độ nhạy của các iển.

nghiên cứu là quy hoạch tuyến tính cho riêng từng hồ trong từng bước thời gian để làm eg sở xem xét cho tu tin phát điện của các hồ trong hệ thông, Kết quả đạt được cho thấy nếu phối hợp vận hành hệ thống 4 hồ chứa theo hàm mục tiêu dé ra sẽ cho sin lượng điện cáo hơn khoảng 7Ø tổng sin lượng điện của # hỗ khỉ vận hành rêng rẻ

Long, N L và nnk [63] đã nghiên cứu kết hợp mô bình mô phỏng và mô hình tối wu để vận hành hỗ Hòa Bình giải quyết xung đột chính giữa phòng lũ và phát điện ở giai đoạn cuối mùa lũ và đầu mùa kiệt Tác giả đã sử dụng phần mém MIKE

tiên giữa phòng lũ và phát điện Kết quả dat được cho thấy hoàn toàn có thé dingmô hình mô phỏng đẻ giải quyết xắn để phòng lũ cho công tinh và cho hạ du màthể duy tì mực nước cao ở cuỗi mùa li để đảm bảo hiệu ích cao trong phát điện ở mùa Kit kế tgp Đằng thời nghiên cứu cũng cho thấy thuật toán tối ưu SCE Tà một công cụ hữu hiệu trong giải quyết các bài toán hệ thống phức tạp.

Chang, L C và Chang F 5 (52] đã nghiên cứu áp dụng thuật toán tiến hóa

Evolution Algorithm ~ NSGA-I) vào vận hành hệ thống hỗ chứa gdm hỗ Feitsui

và Shihmen ở Đài loan Các tác gia đã mô phỏng và vận hành hg thống hỗ chứa

theo thời đoạn ngày, sau đó tính toán các chỉ số thiểu hụt nước (shortage indices —

SI) cho cả 2 hi trong một thời gian dài mô phòng Thuật toán NSGA-I đã được sử dung để làm giảm chỉ số SI thong qua chiến lược phối hợp vận hành 2 hd Với 49 iu, các ác giả cho t dim các chiến lược phổi hợp vận hành tốt hơn nhiễu so với thực tế vận hành trong 49 năm qua và giả tối ưu Parcto tìm được cho 2 hé chính là giải kiến nghị cho việc vận hành phối hợp.

Chaves, P và Chang F J |53] đã nghiên cứu áp đụng mang trí tuệ nhận tạotiến hóa (ENNIS) vào vận hành hỗ chứa Shihmen ở Đài Loan với 5 biến ra quyết

đình Kết quả đạt được cho thấy mạng ENNIS sử dụng cho việc vận hành hỗ chứa Shihmen này có nhiều thuận lợi hơn niu vi nó có ít thông số, dễ dàng xử lý các biến điều khiễn, dễ kết hợp giữa mô hình vận hành với các mô hình dự báo dòng chảy đến Kết quả nghiên cứu cũng chỉ ra rằng mang ENNIS hoàn toàn có khả

năng kiểm soát nhiều biến ra quyết định để đưa rủ các quyết định hợp lý khi vận hành hỗ chia đa mục tiêu

Wei, C C and Hsu, N § [72] nghiên cứu áp dụng vận hành tối ưu với các

quy the nhánh cây (wecbased rues) cho hệ thống hi chứa đa mục tiêu phòng lũ với

thời gian thực bằng việc tích hợp vào hệ thông mô hình dự báo thủy văn Phương

pháp này đã được áp dụng cho hệ thing hỗ chứa trên sông Tanshui ở Đài loan, Kết«qua vận hành thử nghiệm cho các tin mưa i lịch sử năm 2004 (tn Acre, Haima và Neck-ten) cho thấy phương pháp này có kết quả tốt nhơn nhiều đảm bảo cí được đỉnh lũ theo yêu cầu của các điểm kiểm soát ở hạ lưu mà vẫn đảm báo yêu cầu tích nước ở cuối mùa lũ ở các hỗ chứa.

John W Labadie [59], Trường Đại học Bang Colorado đã tổng kết rất nhiễu phương pháp sử dung cho bài toán vận hành liên hồ chứa Nhóm các phương pháp.

thưởng dùng như: Tối ưu ngẫu nhiên ấn (Implicit Stochastic Optimization) gồm:

sắc mô hình quy hoạch tuyén tinh (Linear Programming Models), các mô hình tối ưu dong chảy mang (Network Flow Optimization Models) các mô hình quy hoạchphi tuyển (Nonlinear Programming Models), các mô hình quy hoạch động rời rae(Discrete Dynamic Programming Model) các mô hình quy hoạch động liên tục

(Diffirential Dynamic Programming Models), các lý thuyết điều khiển tối ưu rời rac

theo thời gian (Discrete Time Optimal Control Theory) Nhóm các phương pháp ngẫu nhiên hiện (Explicit Stochastic Optimization) bao gồm: các mô hình quy hoạch tuyển tính ngẫu nhiên (Stochastic Linear Programming Models), các mô hình

quy hoạch động ngẫu nhiên (Stochastic Dynamic Programming Models), Các môhình điều khiển tối ưu ngẫu nhiên (Stochastic Optimal Control Model) Nhóm tíchhợp dự báo dé vận hành hd chứa theo thời gian thực

“Tổm lại: Mặc dù đã đạt được những ti bộ vượt bộc trong nghiên cứu vận hành hệ thẳng hồ chia, nlumg cho đến nay không có một li giải chung cho moi hệ thẳng matty đặc thà của từng lệ thỗng mà có các lời giả phù hợp

Việt Nam, từ nhiều năm nay, các nhà nghiên cứu và các chuyên gia dự báochủ yếu sử dụng phương pháp synop để dự báo hình thé thời tiết và các yé

tượng bao gồm cả mưa cho các trạm và các khu vực [5] [47]

Việc dự báo số tị được bit đầu tương đổi sớm tại Cục Dự báo KTTV,

Cue KTV nay là Trung tâm Dự báo Khí tượng Thủy văn Trung ương (Trung tâm Dự báo KTTVTW), Trung tâm Khí tượng Thủy văn Quốc gia (Trung tâm KTTVQG), Bộ Tài nguyên và Môi trường tir những năm 70, với một số mô hình. một ting, ba ting, song mới chỉ dừng lại ở mức thir nghiệm, chưa đưa vào dự báo

inh được tiếp nhận448 nghiên cứu, song vì các mô hình này hoặc chỉ là phiên bản thực nghiệm, hoặctác nghiệp Trong những năm 1995-1997, cũng có một vài mô

được ải miễn phí tr Internet nên việc nghiền cứu cồn gặp nhiễu khó khăn

“Từ năm 1997 trở lạ thành tựu tiến bộ của tin học, Trung tâm Dự "báo KTTVTW đã thu được một số sin phẩm dự báo số u từ các Cơ quan khí lượng Nhật bản (MA) (dạng số, cuối năm 1997), Cơ quan khí tượng Ôxtâylia (BoM) (dạng bản 3 (1999), dạng số (đầu năm 2001)), và một vài Trung tâm khí tượngkhác (dạng bản đồ) Các dự báo viên tham kháo những sản phẩm này khi ra các bản lin thời tiết và qua thực tế cho thấy các sản phẩm dự báo này thật sự có ích cho công tác dự báo nghiệp vụ

'Ở Trung tâm Dự báo KTTVTW, bộ mô hình dự báo số trị toàn cầu phân giải cao GME-HRM (Global Model for Europe-High-resolution Regional Model) do. 12 cục thời tiết, CHLB Đức (DWD) cung cấp đã được cài đặt trên hệ máy tính song song hiệu năng cao (Hệ điều hành Lina) tai Trung tim DBKTTVTW Bộ mô hình này bao gồm mô hình HRM (thu tin, dự báo cho khu vực hạn ché) lồng ghép trong mô hình toàn cầu GME của DWD GME có độ phân giải 05 0.5° (khoảng 60 km), số mực theo chiều thing đứng là 31, sử dụng lưới tam giác điều hoà (icosahedral-hexagonal) Hệ thông nghiệp vụ GME-HRM đã được đưa vào chạy thửnghiệm từ tháng 5 năm 2002: thực hiện dự báo thời hạn 72 gi Số liệu đầu vào choinh GME được nhận hàngngày qua mạng Internet Mô hình HRM có thé nhận các dua vào khác nhau nhưmô hình HRM là các trường phân tích và dự báo của môi

- Đầu vào từ mô hình toànGME (Tổng cục thidịL, CHLB Đức - DWD)

= Đầu vào từ mô toàn cầu GSM (Cơ quan Khí tượng Nhật bản) + GME (Tổng cục thời tiết, CHLB Đức)

- Đầu vào từ mô hình toàn cầu GFS (Cơ quan khí tượng Hoa Kỷ)

"Đây là mô hình s dự báo thôi tết đầu tiên được chạy nghiệp vụ tại cơ quan dự báo khí tượng của Việt nam sóp phần quan trong trong công tác dự báo thời tếthàng ngày

Ngoài mô hình HRM, những năm gin đây Trung tâm Dự báo KTTVTW cònchay thử nghiệm song song nhiều mô hình rong đó có mô hình ETA và mô hìnhBOLAM [23], [47].

ETA là mô hình dự báo thời tiết bắt thủy tĩnh [77] được phát triển trong khuôn khô hợp tác nghiên cứu giữa hai cơ quan khí tượng Nam Tư và Mỹ từ trước năm.1987 và hiện này được sử dụng vào dự báo tác nghiệp ở My, Nam Tư, Hy Lạp,

Rumani, Nam Phi, An Độ, Haly, Brazil Mô hình ETA phiên bàn 2001 đã đượcnghiên cứu từ năm 2002 và được đưa vào chạy thử nghiệm nghiệp vụ tại Trung tâm.

Dự báo KTTVTW từ tháng 5.2008 Hiện tai, mô bình ETA dang được chạy nghiệpvụ tại Trung tim Dự báo KTTVTW với độ phân giải xắp xi 20km và 38 mực thẳng đứng Các sản phẩm của ETA được cung cắp 2 in một ngày cho đến hạn dự báo 72 giờ với điều kiện ban đầu và điều kiện biên được lấy từ mô hình toàn cầu GES (Global Forecasting System) của Mỹ.

Mô hình BOLAM [5] được chuyển giao cho Việt Nam thông qua nhiệm vụhợp tác nghiên cứu song phương giữa chính phủ Việt Nam và Italia “Hop tácnghiên cứu xây dựng công nghệ dự báo lũ trung hạn kết nối với công nghệ di hành hệ thống công trình phòng chống ld cho đồng bằng sông Hồng ~ Thái Bình giữa Trường Đại học Thủy Lợi phối hợp với Trung tâm Dự báo KTTVTW

một số đối tác Italia như Đại học Bách Khoa Milano, Đại học Brescia, Viện khoa học khí quyền và khí hậu (SAC) thuộc Cơ quan nghiên cứu quốc gia Hala Tháng 11 năm 2006, mô hình BOLAM bit đầu được nghiên cứu cài đặt và chạy thử

nghiệm ở Phòng Nghiên cứu ứng dụng thuộc Trung tâm Dự báo KTTVTW Đếnthắng 1 năm 2007, mô hình BOLAM được triển khai chạy bán nghiệp vụ tại Trungtim Dự báo KTTVTW tên máy tính PCLinux với hai phiên bản

BOLAM_FATHER (độ phân giải 23km và 31 mực thẳng đứng) và BOLAM SON(độ phân giải 14km và 40 mye thẳng đứng) và chạy 2 thời điểm trong một ngày (tại00ƯTC và 12UTC) Trường số liệu đầu vào được lấy từ mô hình toàn cầu GES củaNCEP độ phân giải 0.5 x 0.5 độ Do phiên ban mô hình BOILAM được chu)

là phiên bản nghiên cứu nên gặp phải nhiều khó khăn trong quá trình cài đặt cũng

(scrip) củi đặt và chạy m6 hình, các chương tình hiễnthị và tiết xuất kết ga đự báo cho cả mục đích nghiên cứu và đánh giá kết qủa

Đánh giá năm các mô hình trong 2008 của các chuyên viên dự báo ở Trung tâm Dự báo KTTVTW cho thấy hiện nay mô hình HRM cho kết quả dự báo 3 đến 5 ngày tốt nhất, ETA cho kết quả dự báo | ngày tốt, còn BOLAM cho kết quả dự báo 3 ngày đến 5 ngày thiên cao ở một số vùng, đặc biệt là khu vực Nam Trung Bộ, nhươg dự báo | ngày và 2 ngày tương đối tốt cho khu vực Bắc Trung Bộ,

Ngoài Trung Tâm Dự báo KTTVTW còn có một số cơ quan khác như Viện Khoa học Khí tượng Thủy văn và Môi trưởng, Trường Đại học Khoa học Tự nhiên

1g đã ứng dụng các mô hình số tị như MMS, RAMS, ETA, WRF dé dự báo

mưa Dây đều là các sản phẩm nghiên cứu của các để tài NCKH cấp Nhà nước(KC.09.04) [25]và cấp Bộ, nhưng sau đó chỉ còn mô hình MMS được đưa vào chạy

hàng ngày tại Viện Khoa học Khí tượng Thủy van và Môi trường |6] Các mô bìnhkhác chỉ được thử nghiệm trong thời gian nghiên cứu nên chưa đánh giá được tínhchính xác cũng như hiệu quả của mỗi mô hình.

Việc sử dụng các Radar thoi tết cũng bắt đầu thực hiện khi chúng ta có mạng lưới 5 trạm radar thổi tết với 7 radar, trong đó 2 radar MRL-5 của Liên Xô và TRS-2730 của Pháp đặt tai Phủ Liễn, 01 radar TRS-TRS-2730 của Pháp đặt tai Việt Tri: 02radar MRL của Liên Xô và TRS-2730 của Phíp đặt tạ Vinh: 01 radar DWSR củaMỹ đặt ti Tam Kỹ và O1 radar DWSR của Mỹ đặt tại Nha Trang Việc khai thác ce sản phẩm từ radar thời tất phục vụ dự báo bão ATND, mưa, đông, tổ, We [5]

"Năm 1986, cơ quan dự báo khí tượng thuy văn được lắp đặt hệ thông thu nhận ảnh vệ tinh GMS phân giải thấp dạng WEFAX (Weather Facsimile) theo kiểu truyễn tín hiệu tương tự (analogue) Mặc đù những ảnh vệ tinh phân giải thập nhận

được trong những năm đó đã góp phần đáng kể trong việc nâng cao độ chính xác

ccủa dự báo thời tiết, đặc biệt là heo dõi và dự báo bão và ATND ở Việt Nam Tuy nhiên, ảnh vệ tình dạng WEEAX còn có những hạn chế trong việc khai thác nhữngtham số khí tượng một cách định lượng và liên tục để có thể mô tả được chính xác

thái của khí quyển và bề mat đất hơn tr

'Từ tháng 7 năm 1991, được sự đầu tu của Nhà nước, Trung tâm Quốc gia Dự báo Khí tượng Thuỷ văn đã dược trang bị hệ thống thu nhận ảnh mây vệ tỉnh phân

giải cao thay thể trạm phân giải thấp Day là một hệ thống hiện đại cho phép thuđược các ảnh mây với các di phd khác nhau chụp từ vệ tinh địa tinh GMMS-5 củaNhật ở độ cao 36000km trên đường xích đạo tại kính tuyển 140° đồng, có độ phângiải từ 5 đến 7 km Các ảnh vệ tinh dạng số ($-VISSR: Stretched Visible andInfrared Spin Scan Radlomete) của tt cả các kênh ảnh gồm hai ảnh nhiệt hồngngoại (IRI, IR2), một nh hơi nước (WV) và một ảnh hiễn thị phd (VIS) nhận đượcliên tục từng gi qua vệ tinh GMIS-5 r thành một cổng cụ dic lực trong công tácnghiệp vụ dự báo KTTV của Trung tâm và được sử dụng rộng ri ở chin đài Khuvực và nhiễu tram dự báo phục vụ trong cả nước góp phần ning cao chit lượng dựbáo thời tiết nổi chung, de biệt là các hệ nguy hiểm như mưa lớn,không khí lạnh, bão, ATND và đã ở thành một công cụ không thé thigu trong côngtức dự báo nghiệp vụ KTTV ở Việt Nam Từ thắng 6 năm 2006, hệ thống thu ảnh tmây vệ tính địa nh MTSAT của Nhật đã được lấp đặt và đưa vào sử dụng ti

‘Trung tâm Dự báo KTTV Trung ương, nhận được 5 kênh ảnh IR1, IR2, WV, IR4 và

~ Ảnh tổ hợp từ nhiều kênh phổi

= Cường độ mưa và tổng lượng mưa bằng phương pháp kết hợp các kênh phổ

hồng ngoại nhiệt (phương pháp Kurino).

CCác sản phim dạng số đã góp phần quan trọng trong dự báo th it, thuỷ văn hàng ngày, đặc biệt rong mùa bão, lũ

1.3.2, Dự báo lũ trung han

Tit khi các hồ chứa nước lớn ở Việt Nam đi vào hoạt động, đặc biệt là hồ Hoà Bình, dự báo lũ đã trở thành một nhiệm vụ quan trọng phục vụ việc điều hànhchống lũ cho hạ du và sản xuất điện, cấp nước v.v Đây là vẫn để hết sức phức tạp.được nhiều nhà nghiên cứu trong nước quan tâm Nghiên cứu dự báo lũ ở Việt Namthường được thực hiện theo hai hướng chính

‘Hing nhân dang lz: Các nghiên cứ tập trung phân th rõtính cht phân kỳ lũ tổ hợp lũ và những dấu hiệu nhận biết về quy mô lũ rên hệ thống sông Các nghiên cứu theo hướng này bao gdm:

- _ Nghiên cứu công nghệ nhận dang lũ tong

da và ảnh hưởng cin nó tối đồng bằng sông Hồng, sông Thái Bình (ĐỀ tài nhà

Hoà Bình chẳng lũ hạ du - Bộ Khoa học, Công nghệ và Môi trường (ct), do“Trưởng Dai học Thủy lợi thyc hiện năm 1994 [7]

~ _ Đánh giá nh hình thời tiết inh lũ phục vụ cảnh báo và dự báo lũ trên hệ thống sông Hỏng, Đại học Thủy lợi Trung tâm Dự báo KTTVQG, 2002 [7]

Hướng dự báo đồng cháy lũ: Các nghiên cứu tập trung vào việc ứng dụng cácphương pháp dự báo thủy văn vào dự báo dong chảy lữ Các nghiên cứu theo hướng.này bao gdm:

~ Dé tài nghiên cứu xây dựng công cụ dự báo lũ thượng lưu hệ thống sông Hồng do Trung tâm DBKTTVQG thực hiện 1995 ~ 1997 [47]

= DE tài xây dựng công cụ mô phỏng số phục vụ cho đề xuất, đánh giá và điều nh các phương án phòng chống lũ sông Hồng - Thái Bình do Viện cơ học

thuộc Viện Khoa học và Công nghệ Việt Nam Thực hiện [50]

~ _ Chương trình cắp Nhà nước về Phòng chống lũ sông Hồng - Thái Bình do Cục

‘Quan lý để điều và Phòng chống lụt bão thực hiện giai đoạn 1999-2002.

= Tuyển tập báo cáo “Khoa học công nghệ dự báo và phục vụ dự báo khí tượng.

7/12/2000, Trung tâm Dự báo KTTVQG [47]thủy văn” Hà nội, 2

= Qui tình vận hành hồ chứa thủy điện Hòa Bình và các công tình cắt giảm lũ

sông Hồng trong mùa lũ hàng năm (goi tt là Quy tình vận hành 2005) ~ Quyết định số 103/PCLBTW ngày 16/6/2005, do các chuyên gia Dai học Thủy lợi thựchiện 2004-2005

~ Quy hoạch phòng chống lũ hệ thống sông Hồng, sông Thái Bình theo quyết định số 92/2007/QĐ-TTg ngày 21/06/2007.

Tit việc nghiên cứu các kết quả đạt được của các để tài NCKH theo 2 hướngnghiên cứu trên, tinh hình nghiên cứu dự báo lũ ở Việt Nam hiện nay có thể được tổng kết tom tắt như sau

Dự báo dòng chảy ngắn hạn thường sử dụng các biểu đồ kinh nghiệm, mô hình.

SSARR dang thu gon, mô hình diễn toán lũ trong sông, quan hệ mưa rào đồng chả

phương pháp mực nước tương ứng Mức bảo đảm của dự báo thuỷ văn dạt mức

30% - 85 với thi gian dự nhỏ hơn 24h Khi tăng thời gian dự kiến thêm 12-24hnữa thì độ chính xác giảm xuống còn 70-75%.

Dự báo dòng chảy trung hạn thường được tiến hành với việc sử dụng cácphương pháp sau:

~ _ Các phương pháp thuộc nhóm thông kê như phân tích tương quan đa biến, môihình ARIMA (p.d.q) I3] [11], [271, [30], [32]

= Ci mô hình mưa đồng chảy như TANK, SSARR, HEC-HMS và sự kết hợp giữa mô hình thủy văn với các mô hình thuỷ lực như mô hình VRSAP, KODDIvà hiện nay các mô hình MIKEII, HEC-RAS, MIKE21 đang được thir nghiệmtrong dự báo tác nghiệp Tuy nhiên, chất lượng dự báo phụ thuộc rt nhiễu vào cdự báo mưa (Vi dụ như Trung tâm Dự báo KTTVTW đã sử dụng bộ công cụ kết hợp giữa NAM-SSARR-MIKEI dé dự báo đồng chảy trên hệ thông sông Hing

và sông Thái Bình) [50].

ic mô hình ANN với thuật toán quét ngược (BPNN) Các mô.

mới chỉ được

(21), (34),

= Che phương pháp dựa vào nguyên lý cần bằng nước, thi lập phương tình cân

bằng nước viết cho thời gian dự kiến lớn hơn thời gian chảy truyền của lưu vực13], 30]

nh loại nay dụng để dự báo thir nghiệm thong qua các để tài NCKH [10].

Ngoài các mô thủy văn có thông số gộp đã nêu trên đây, gần đây các mô hình thủy văn thông số phân bổ cũng đã được áp dụng nhữ:

= Mô hình Marine của Viện Cơ học chất long Toulouse (Pháp) xây dựng Mô hình này dang được Viện Cơ học Việt nam và Trung tâm Dự báo KTTVTW nghiên cứu và áp dụng để dự báo đồng chảy sông Hồng và sông Thái Bình rong một để tài NCKH cấp Bộ [47]

= Mô hình DIMOSOP do Trường Đại học Bách khoa Milano và Brescia (aia)phát triển và hoàn thiện Mô hình này đã được trường Đại học Thủy lợi và nhómchuyên gia của Malia do GS TS Ranii, tác giả của mô hình ứng dụng để mophỏng để dự báo lũ rung hạn cho hệ thống sông Hồng và sông Thái Bình |5]

Mô hình đã được chuyển giao cho Trường ĐH Thủy lợi và Trung tâm Dự báo.

KTTVTW tiếp tục thử nghiệm nâng cấp dé đưa vào dự báo tác nghiệp, Điểm nổi bật của mồ hình DIMOSOP so với các mô hình thủy văn thông số tập trung 18 khả năng sử dụng thông in toàn cầu như bản đồ đắt hiện trạng sử dụng đất, ảnh vệ tỉnh để mô phỏng lưu vực, đặc biệt hữu ích cho các lưu vực liên quốc gia

him vực sông Hồng và sông Thái Bình với kích thước 6 lưới làm x 1km Mô hình này được kết nối với mô hình MÌ

"báo mưa vào dự báo dong chảy với thời gian dự kiến là 5 ngày.

tượng BOLAM để đưa ngay kết quả dự Nhìn chung mức bảo đảm dự báo thủy văn trung han (trước 3 ngày và 5 ngàyvào mùa lờ) mới chỉ dat khoảng 70%, trong trường hợp lũ lớn thì đạt được dưới60%.

1.2.3 Vận hành hệ thống hỗ chứa

Vận hành hệ thống hồ chứa đã được các nhà khoa học Việt Nam quan tâm nghiên cứu vì tính quan trọng cũng như sự cắp thiết của nó Các nghiên cứu do các cơ quan của Bộ Nông nghiệp và PTNT, Bộ Tài nguyên và Môi trường, Bộ Côngthương tiến hành chủ yếu tập trung vào nhiệm vụ chống lũ, xây dựng các qui trình

hành các hồ chứa trong mùa lũ Đã có một số nghiên cứu vận hành hỗ điều tiết cấp nước trong mùa cạn [57] nhưng chưa hoàn chỉnh và chưa gin quá tinh vận hành mùa lũ với mùa cạn thành qui trình cho cả năm, đặc biệt chưa có các nghiên.

la mục tiêu sử dung Một số nghiên cứu có thể kể đến nhưhề,

~ Nghiên cứu xây dựng quy trình vận hành hệ thống hỗ chứa trên lưu vựu sông Hồng và sông Thái Binh gồm 2 h chứa (Hòa Bình và Thác Bà) năm 1997 do BộNong nghiệp và PTNT chủ trì và Ban Chỉ đạo PCLBTW phê duyệt

- Nghiên cứu xây dựng quy tình vận hành hệ thông hỗ chứa trên lưu vực sông Hồng và sông Thái Bình gồm 3 hỗ chứa (Hòa Bình, Tuyên Quang và Thác Bà) năm2005 do Bun Chỉ đạo PCLBTW phê duyệt

- Nghiên cứu xây dựng quy trình vận hành hệ thống hồ chứa trên lưu vựu sôngHồng và sông Thái Bình gồm 3 hé chứa (Hòa Bình, Tuyên Quang và Thác Bà) năm.

2007 do Bộ Nông nghiệp và PTNT chủ và Ban Chỉ đạo PCLBTW phê duyệt= Nghiên cứu xây dựng quy trình vận hành hệ thông hd chứa rên lưu vựu sôngHồng và sông Thíi Bình gém 4 hỗ chứa (Hòa Bình, Tuyên Quang, Thác Ba, và SơnLa) do Bộ Nông nghiệp và PTNT chủ tì chưa được phê duyệt [44]

~ Nghiên cứu vận hành hệ thống lên hỗ chứa cho hệ thống sông Hồng và sông“Thái Bình mùa can để giải quyết vấn để cấp nước của Viện Quy hoạch Thủy lợi.

- Đề lài NCKH cấp Nhà nước Nghiên cứu cơ sở khoa học cấp nước mùa cạn

lưu vực hệ thống sông Hồng và sông Thái Bình do Trường Đại học Thủy lợi thực hiện năm 2007.

- Hiện nay, Bội nguyên và Mỗi trường đang chủ tr xây dựng Qui tình vận

hành hệ thông 4 hd chứa rên hệ thống sông Hồng và sông Thái Bình (Hòa Binh, “Tuyên Quang, Sơn La, Thác Bà) để trình Chính Phi phê duyệt trong năm 2010.

~ Bộ Tài nguyên và Mỗi trường đã xây dụng d& án xây dựng qui tình vận hành liên hồ chứa cho 4 hệ thống sông Ba, Vụ Gia - Thu Bồn, Đẳng Nai và Sesan và Srepok Trong đó quy trình vận hành liên hỗ chứa cho lưu vực sông Ba và lưu vực.

sông Vụ Gia - Thu Bồn đã được Chính phủ phế duyệt vào thing 9 và thắng

10/2010 Còn hai hệ thống còn lại đang trình Chính phủ phê duyệt.

Tom lại, vận hành phổi hợp hệ thống hi chứa ở Việt Nam gin diy cũng đã được quan tâm xây đựng Đặc biệtừ khi các hỗ chứa thủy dilớn dẫn dần đượchình thành trên các hệ thống sông ở Miễn trung và Tây nguyên Tuy nhiên nhữngnghiên cứu cho các hệ thống này chưa nhiễu, mà các ngh

yếu cho hệ thống hd chứa ở lưu vục sông Hồng Các phương pháp đều hướng tối sử dụng mô hình mô phòng kết hợp với một số kỹ thuật tối ưu: đây cũng là cách tiếp

nước tiên tiến trên thể giới thường dùng.

cứu chỉ tập trung chit

cận mà ci

1.3, Những tn tại rong dự báo mưa, lũ trung hạn và vận hành hỗ chứa ở Việt Nam và hướng phát trien

Dự báo mưa, đặc biệt là đự báo định lượng mơn hi

một vẫn để rit khó khăn, đồng thời cũng là một trong những yêu cẫu cấp thiết trongsông tác dự báo, đặc biệt trong dự báo lã trung hạn phục vụ vận hành hỗ chứa,

phòng chẳng thiên ai Các mô hình số tị dự báo mưa hiện nay đang được sử dụng

ở Trung tâm Dự báo KTTVTW và một số cơ quan nghiên cứu thuộc Bộ Tài nguyên và môi trường như MMS, ETA, HRM, BOLAM cũng chưa cho kết quả ở mức độ.chính xác mong muốn về lượng mà các mô hình này chi bắt tốt các tâm mưa Việc.ứng dụng các sản phẩm này kết hợp với các thông tin khác rong dự báo tác nghiệpvẫn còn ở dang đời rac, thiểu hệ thống [23] Việc dự báo mưa thưởng được thực.

hiện cho các vùng khu vực lớn, còn ở cắp độ lưu vực sông thi rất ít vì độ phân giải các 6 lưới là tương đối lớn so với diện tích của lưu vực và các tễu lưu vực (phẩn

Dự báo lũ trung hạn ở Việt Nam hiện nay vẫn chủ yếu là dùng các phương.

pháp truyền thống gin diy cũng đã áp dụng thir nghiệm một số mô hình thủy văn thông số phân bé trên cơ sở tân đụng các thông tin từ ảnh về tỉnh và

dang lưới từ các mô hình dự báo thời tiết, tuy nhiên kết quả dự báo cho 3 ngày, 5 tinngày vẫn chưa đạt như mong muỗn và vẫn cin phải cập nhật, chính sửa v

du dé nâng cao chit lượng dự báo

CCác cơ quan quân lý và nghiên cứu ở Việt Nam vẫn chưa xây dựng một cáchÌi dự báo mưa với dự báo lũ cũng như kết nổi giữa dựhoàn chỉnh công nghệ k

chuyên môn đavử dụng lại không quảnhoặc kết phần mềm mà cá cơ quan nghiê

gặp lỗi mà chi những người làm mô hình mới có thể chính sửa được.

Những tồn ti nêu trên là do nhiễu nguyên nhân, nhưng nguyên nhân lớn nhấtvẫn là do hệ thông mạng lưới quan tric mưa dong chảy ở nước ta còn quá thưa

các ưu vục ở Việt Nam có mật độ i 724 km2/rgm, khoảngcách trung bình giữa các tram khoảng 25 - 30 km So với Nhật Ban (290 lam2/mam)con nhiều tram đặtLưới tram đo mưa t

lưu vue VỀ lưới tram thủy văn, theo tiêu chun của Tổ chức Khí tượng T

WMO, mật độ tối thiểu cho các tram thủy văn vùng ven biển là 2750 km2/tram, vùng núi là 1000 km2/tram, trong khi đó ở lưu vực của Việt Nam, mật độ lưới trạmđo mực nước là 2440 km2lrạm; trạm đo lưu lượng nước là 3830 km2/ram, Như

vậy mật độ trạm đo lưu lượng nước trên lưu vực ở Việt Nam mới dat 25 - 28% tiêu.

chuẩn Quốc tế Dó là chưa kể đến sự hạn chế rất nhiều về những thông tin cần thiết của lưu vực trên lãnh thổ Trung Quốc, Lio Thêm vào đó máy móc do đạc

đang được sử dụng ở các trạm, các thiết bị truyén tin cũng chưa phải loại hiện đại,phin lớn là đo thủ công Đây chính là một trong những nguyên nhân lớn nhất dẫn

dđến những hạn chế trong việc kiểm định và hiệu chỉnh mô hình trước khi đưa môi Xết quả dự báo của mô hình, Mô

hiện đại đến mấy thi với mạng lưới quan trắc thưa như vậy ở Việt Nam cũng rắt khóh có tốt,hình vào dự báo cũng như đán!

số thé cho kết qui dự báo tốt được Ngoài ra, các mô hình số trị tiên tiền như MMS, HMR, BOLAM được chuyển giao và áp dụng ở Việt Nam đều là các mô hình mô phỏng cho Châu Âu và Châu Mỹ vì vậy khi áp dụng vào Việt Nam có kết quả chưa cao, cin nhiề thời gian để chỉnh sửa sao cho phù hợp với điều kiện bé mặt đệm của Việt Nam, đồng thời áp dụng cúc phương pháp thông kế để nâng cao chit lượng dự báo,

1.4, Hướng tiếp cận và phương pháp nghiên cứu 1-41 Hướng tip cộ

Sau khi nghiên cứu tổng quan dự báo mưa, lũ tru

hồ chứa, đánh gid những tổn tại và hướng phát tiễn, tác giả đã lựa chọn cho mình hướng iếp cận vừa mang tính kế thừa vừa dim bảo tinh sng tạo trong nghiên cứu.

Hướng tiếp cận chung của nghiên cứu được t6m tắt trong sơ đỗ Hình 1-1, Các phương pháp sử dụng trong nghiên cứu bao gồm:

= Phuong pháp phân tích, thống kê, kế thừa có chọn lọc các tài liệu đã có nhằm.tập hợp, phân tích đánh giá nguyên nhân gây mưa, lũ

thể thời tiết gây mưa lũ trên lưu vực sông Cả,

à nhận dang các hình

* _ Phương pháp phân tích ảnh viễn thám, GIS và chập bản đồ nhằm xây dựng mô hình tính toán dự báo mưa, lũ vận hành hd chứa cho lưu vực sông Cả bao gồm: xây dựng các tiểu lưu vực sông tử mô hình số hóa độ cao (DEM), tính toán các đặc trưng lưu vực, xây dựng mạng lưới sông bản đồ thảm phủ, bản để đất để đưa vào tính toán trong các mô hình phân b.

+ Sir đụng các m6 hình toán thuỷ văn, thy lục hp HEC mô phòng quá hình thủy động lực học trên hệ thing sông Cả.

+ Phương pháp phân tích hệ thống sử dụng mô hình mô phỏng kết hợp với các lý thuyết điều khiển hệ thông gồm cả phương pháp An “Implicit” và phương

pháp Hiện 'ExpliciL.

* Phuong pháp kết hợp các mô hình dự báo số tị dự báo thời tit BOLAM

trong đó có mưa với các mô hình dự báo thủy văn.

“Các mục sau đây tình bày và giới thiệu tóm tắt về due sử dụng trong nghiên cứu theo từng mục tiêu cụ th.

ic phương pháp, mô hình

Tuệ aches | [Tete sieich | [Pinaceae

lenge tong | |chah peta Sb tống bia

Ngược KẾ v eh.

co phơng Hán ôi ma bog lạm

Xây dng gibi ~ | CisRehiiteandhiwinstyiee

(int rset 2V) đốt bản eke bone

ban Văn bana Is

aT OU

nh min ha dcMites

+ ere dhe mnt yin din ie bin

Hình 1-1: So aé tig cân nghiên cit

1.4.2 Phương pháp nghiên cứu dự báo mua trung han

Hưởng tiếp cận dự báo mưa trong Luận án là sự kết hợp mô hình số tị BOLAM với phương pháp nhận dang hình th thờ tết gây mưa để áp dụng cho lưu vực sông Cả Các bước thực hiện dự báo mưa được mô tả rong sơ đồ hình 1-2 “Trong so đỗ này, mô hình số trị BOLAM được dùng để đưa ra giá trị dự báo sơ bộ cho từng vùng của lưu vực, còn mô hình nhận dạng hình thé thời tiết (bảng nhận dạng) được xây dựng để xem xét hiệu chỉnh nhằm đưa ra giá tị dự báo linh hoạt vàphù hợp hơn cho các khu vực khác nhau trên lưu vực sông nghiễn cứu

Mô hình BOLAM [75] do Viện Nghiên cứu Khoa học Khí Quyển và Khí hậuBologna (Institute of Atmosphcrie Sciences and Climate in Bologna (JSAC-CNR),Talia xây dựng và phát iển từ những năm 1990, đây là một trong những mô hình Khí tượng hiện đại được các nước Châu Âu sử dụng rắt nhiều để dự báo thời iết Trưởng Đại học Thủy lợi thông qua hợp tác nghiên cửu với các đối tác Malia

Cnwing Đại học Brescia, Dai học Bách khoa Milan, IASC) đã tiếp nhận chương trình nguồn của mô hình BOLAM và đã cùng với Trung tâm Dự báo KTTV Trung ương cài đặt và chạy thử ngh

Số hậu mô inh bàn cầu Số hệu địa nh và “Thu thập số liệuCO độ phân gu 05 x05 h mặt

"Đường đ của các hậnĐào đồ bộ tực nắp hạy

nh hướng đến Lư vựcTiền xử ý to đầu vàn cho (9702009)

BOLAM-FATHER Báo cáo de điểm KTTVhing nhi con Trang tâm,DBKTTVTW (1995,

(Chay BOLANE FATHER “Tila xy đầu vàn cho 2009)

BOLAM-SON Da ida mea ngày của

| Phan ch thôn KE, tông

XElý su nỗ hình BOLAM chục Đạp các hình tủ tới wt

chocÀBOLANEEATHER, |“ BOLAM SON sảy ama vừa và lớn trên

VABOLAN-SO! Mu

i Nhận dang hak thế hối

“Giág đự Báo sơ hộ cho ‘tren vực

sngringwong ive [J |_ tintin

Gil dy bio sơ hộ chotừng vane Wong a vục

igh i sai số

Hình 1-2: Sơ đỏ nghiên cứu dự báo mưa.

1.3 Phương pháp nghiên cứu dự báo lũ trung hạn

V6i sự phát triển mạnh mẽ của ngành tin học, hướng nghiên cứu trên thé giớitrong những năm gin đây thường tập trung vào việc sử dụng mạng tf tuệ nhân tạo

(ANN) với nhiễu thuật toán ối ưu khác và sử đụng các mô hình thủy văn thông số

phân bổ dựa trên cơ sở tận dụng các thông tin từ viễn thám và GIS kết hợp với ki

quả dự báo mưa từ các mô hình số tri dự báo thời tết như MMS, RAMS, HRM,

BOLAM, vv, Nghiên cứu này cũng di theo hướng mối với phương pháp tiếp cận làsự lai ghép giữa các phương pháp truyên thống và hiện dai để tận dung tối đa nhữngtu điểm của từng phương pháp Phương pháp tiếp cận chung được đưa ra trong các, sơ đỗ tóm tắt ở hình 1.3,

(biến cần dự báo) Nghiên cứu đã sử dụng thuật toán “stepwise” dé thực hiện việc.

này Thuật toán này cho phép lần lượt đưa vào và đưa ra từng biển để đánh giá mức độ ảnh hưởng/đồng góp của từng biển với biến cin dự báo Khi mỗi biển đưa vào, mô hình sẽ phân tích và đánh giá các chỉ tiêu thông kê (ví dụ như Fisher (F), Student (T) [27], [28] hệ số tương quan bội (R2) nếu chỉ tiêu đạt thì giữ lại, không.đạt thi loại rà Ngoài ra cồn nhiều phương pháp lạc số liệu khác như “Goal

Programming Gamma Test", vv Như vậy sau khí áp dụng

thuật toán này, ta đã lựa chọn được những biển đầu vào tốt nhất cho việc áp dụng.

(Mi Mạnh thông kế ARMA (pac) “Đánh gã Na chọn.

Biện chi sl dự bếp hong ep

= a

Tình 1-3: Sơ đổ nghiên ci dự báo lĩ

Bên cạnh ấp dụng thuật toán “stepwise” để lựa chọn số liệu, nghiên cứu.

đã sử dụng 2 mô hình lai ghép để dự báo dong chảy sông Ci đó là mô hình tt định

bán phân bỗ (HEC-HMS) + mô hình ngẫu nhiên ARIMA (p,q) và mô hình mạng

No ron nhân tạo (EANN) + mô hình ngẫu nhiên ARIMA (p.da) Trong đó mô hìnhHEC-HMS và EANN là mô hình cho rà giá tỉ dự báo sơ bộ, còn mô hìnhARIMA(p.d.q) cho pháp hiệu chỉnh giá trị dự báo, Đề xuất này xuất phản từ bản chất các yếu tổ hủy văn vừa mang tính ngẫu nhiên vừa mang tính tt định.

xử dụng được mưa đầu vào dưới dạng lưới, thêm vào đó mô hình còn sử dụng các diu vào dưới dạng 6 kưới đó là mô hình số vì trong mô hình có các modun có thé

ô lưới để từ.hoá độ cao DEM, các bản đồ sử dụng đất, thâm phủ thực vật dưới dạng

đồ xây dựng bản đỗ chỉ số CN dưới dang ô lưới — là một thông số trong mô hình.

tính toán ổn thất theo phương pháp SCS Các mô hình và bản đồ này được tiền xử lý sử dung phân tích không gian trong GIS và phn mm HEC-geo-HMS [33], I56].

Mô hình ANN được áp dụng ở đây cũng là một trong những dang lai ghép giữa mạng quen thuộc BPNN được áp dụng nhiề trong thủy văn với thuật toán giải đoán gen GA (Genetic Algorithms) [73] Nhiễu nhà nghiên cứu đã khẳng định mô hình ANN luôn cho kết quả tốt hơn so với mô hình hồi quy nhiều biển nhờ khả năng giải quyết bài oán có tính phi tuyén [21]

Mang nơ-ron nhân tạo là một hệ thong xử lý thông tin được xây dựng trên cơsở tổng quit hoá mô hình toán họ của nơ ro sinh học và phông theo cơ chế Lim

việc của bộ não con người Mạng nơ-ron nhân tạo được thé hiện thông qua ba thành.

phần cơ bin: mổ hình của no-on, cấu trúc à sự lên kết giữa các no-ron, phone

pháp học được áp dụng cho mạng no-ron.

Hiện nay trên th giới mô hình ANN được phát tiễn heo các hướng căn cứvào 2 thành phần êu trên của mạng no ron đó I) cấu trúc của mạng noon; và )

trọng sốon kết, và cấu trúc mạng).

Nếu căn cứ vào "cấu trúc của mạng ANN” thì ta thấy có các loại mô hình ANN sau

—_ Mạng nơxon truyén thẳng một lớp (Single-layer feedforward network):loại mạng này còn được gợi là mạng perceptron một lớp

~_ Mạng nơ on tnayễn thẳng nhiề lớp (Multi-layer feedforward network)

Nếu căn cử vào "cách học của mang ANN” th ta thấy có những cách học: học số giám sắt (supervised lemming) bọc không cớ giám sát (unsupervised leaning),học ting cường (rinfoced learning) Từ đó có các loi mô hình ANN tương ứngvới các thật toán sa

= Thuật toán quét ngược (Back Propagation Neural Network)—_ Thuật toán giải đoán gen (Genetic Algorithm)

“Thuật toán tập mờ (Adaptive neuron — fuzzy inference system = ANFIS) Luận án đã sử dụng mô hình lai ghép giữa mang No ron thin kính lan truyền

ngược (BPNN) với thuật toán giải đoán gen GA (gọi tắt là EANN - Mạng Noron

tiến hóa) để dự bá lũ trung hạn cho lưu vực sông Cả

Mạng nơ ron lan truyền ngược (BPNN) là mạng có cấu trúc nhiều lớp trongđó có 1 lớp đầu và 1 lớp đầu ra và nhiễu hơn 1 lớp ấn 21] Trong các lớp có nhiều nút và chúng được liên kết với nhau bởi các trọng số Với cấu trúc như thể này,“chuỗi đầu ra tính toán sẽ được so sánh với chusố liệu thực đo và được đánh giá thông qua các chỉ tiêu về sai số, Nếu không thoả mãn, các thông số của mô hình

(thông số học và thông số mô men) sẽ tác động lên các trọng số liên kết và thay đổi

chúng, Quá trình thay đổi này sẽ đừng lại khi nào các chỉ tiêu đánh giá được thoả

mãn Người ta gọi loại Mạng nơ ron này là với thuật toán lan truyền ngược Với

thuật toán lan truyền ngượcly, người sử dụng phổi lựa chọn trước một edu trúcmạng bao gồm số lớp và số nút trong từng lớp và cỗ gắng tìm ra bộ trọng số phirhợp cho cấu trúc này, còn néu không tim được sẽ phải thay đổi (iva chọn lại) cấutrúc ban đầu (Chi tết về BPNN có thể tham khảo trong Giáo trình Mô hình toán thủy văn -giáng day cao học, ĐHTL [21]) Nếu mạng có nhiều nút (nhiều biến đầu vào) thi quá tình này sẽ rất phức tạp và mắt thời gian Vì vậy Luận án đã tích hợp

vào mạng BPNN thuật toán GA

GA là thuật toán giải đoán gen [73] nó là một dạng của thuyết tiễn hoá, nó

chuyển quá trình tìm kiếm tdi ưu thành một quá trình tiễn hoá thông qua việc mã

hoá các thông số của các him tối ưu thành các gen, là tập hợp của một số nơ ron (Qua tình tối ru hoá được thực hiện thông qua việc din chon ra các gen ti, các