NGHIÊN CỨU ỨNG DỤNG MÔ HÌNH ARIMA ĐỂ DỰ BÁO LƯỢNG MƯA VỤ ĐÔNG XUÂN Ở MỘT SỐ TỈNH VÙNG ĐỒNG BẰNG BẮC BỘ

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN - Nguyễn Hữu Quyền NGHIÊN CỨU ỨNG DỤNG MÔ HÌNH ARIMA ĐỂ DỰ BÁO LƢỢNG MƢA VỤ ĐÔNG XUÂN Ở MỘT SỐ TỈNH VÙNG ĐỒNG BẰNG BẮC BỘ LUẬN VĂN THẠC SĨ KHOA HỌC Hà Nội – 2013 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN Nguyễn Hữu Quyền NGHIÊN CỨU ỨNG DỤNG MÔ HÌNH ARIMA ĐỂ DỰ BÁO LƢỢNG MƢA VỤ ĐÔNG XUÂN Ở MỘT SỐ TỈNH VÙNG ĐỒNG BẰNG BẮC BỘ Chuyên ngành: Khí tƣợng khí hậu học Mã số: 60.44.87 LUẬN VĂN THẠC SĨ KHOA HỌC NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS TS Dương Văn Khảm Hà Nội – 2013 LỜI CẢM ƠN Trước tiên học viên xin trân trọng cảm ơn thầy cô Khoa Khí tượng Thủy văn Hải dương học hướng dẫn giúp đỡ tận tình học viên suốt thời gian tham gia lớp cao học Đặc biệt, học viên xin bày tỏ lòng biết ơn sâu sắc đến PGS TS Dương Văn Khảm, người trực tiếp định hướng hướng dẫn học viên suốt trình hoàn thành luận văn Sự hiểu biết sâu sắc khoa học kinh nghiệm thầy tiền đề để giúp học viên mở rộng kiến thức hoàn thành khóa luận tốt nghiệp Xin trân trọng cảm ơn Lãnh đạo Viện Khoa học Khí tượng Thủy văn Môi trường, bạn đồng nghiệp quan, tạo điều kiện thời gian quan tâm động viên tinh thần thời gian học viên học hoàn thành luận văn Cuối xin cảm ơn gia đình bạn bè bên tôi, cỗ vũ động viên suốt trình hoàn thành luận văn Hà Nội, ngày 14 tháng năm 2013 Nguyễn Hữu Quyền ii MỤC LỤC MỞ ĐẦU Chƣơng TỔNG QUAN 1.1 Cơ sở khoa học dự báo khí hậu mùa 1.2 Các nghiên cứu giới 1.3 Các nghiên cứu nước 13 Chƣơng MÔ HÌNH ARIMA VÀ SỐ LIỆU SỬ DỤNG 21 2.1 Giới thiệu cấu trúc mô hình ARIMA 21 2.1.1 Mô hình tự hồi quy trung bình trượt ARIMA 22 2.1.2 Mô hình động thái ARIMAX .23 2.2 Phương pháp áp dụng mô hình ARIMA ARIMAX toán dự báo mưa mùa 24 2.2.1 Xác định tính ổn định ngẫu nhiên chuỗi thời gian 25 2.2.2 Nhận dạng cấu trúc mô hình .28 2.2.3 Xác định tham số mô hình 32 2.2.4 Kiểm định mô hình 35 2.2.5 Phần mềm thống kê SAS mô hình ARIMA ARIMAX .36 2.3 Các nguồn số liệu sử dụng 36 2.3.1 Số liệu quan trắc mưa từ trạm khí tượng 37 2.3.2 Số liệu số khí hậu 37 2.3.3 Số liệu số vết đen mặt trời (Sunspot Number) .38 2.3.4 Xử lý số liệu 38 Chƣơng KẾT QUẢ VÀ NHẬN XÉT 41 3.1 Xây dựng mô hình dự báo mưa vụ đông xuân mô hình ARIMA 41 3.1.1 Xác định tính ổn định chuỗi lượng mưa vụ Đông xuân 41 3.1.2 Nhận dạng mô hình ARIMA .43 3.1.3 Xác định thông kiểm định mô hình ARIMA 44 3.2 Xây dựng mô hình dự báo lượng mưa vụ đông xuân mô hình động thái ARIMAX 46 3.2.1 Xác định tính ổn định chuỗi nhân tố dự báo .46 iii 3.2.2 Khảo sát mối quan hệ số lượng mưa biến tham dự tuyển 49 3.2.3 Nhận dạng cấu trúc mô hình động thái ARIMAX .53 3.2.4 Kiểm định thông số mô hình động thái ARIMAX .55 3.3 Đánh giá khả mô mô hình ARIMA 60 KẾT LUẬN 67 TÀI LIỆU THAM KHẢO 68 iv DANH MỤC HÌNH Hình1.1 Diễn biến lượng mưa hàng năm số vết đen mặt trời với bước trượt 11 (hình trên), 21 (hình giữa), 33 (hình dưới) Beijing, Trung Quốc [40] .5 Hình 1.2 Biến trình lượng mưa tháng theo quan trắc theo mô Hình 1.3 Mối quan hệ lượng mưa quan trắc mô theo phương pháp ANN mô hình ARIMA vùng Hyderabad [35] 11 Hình 1.4 Sơ đồ xây dựng mô hình dự báo khí hậu mùa [13] 16 Hình 1.5 Sơ đồ thực dự báo cảnh báo hạn hán [14] 17 Hình 1.6 Kết quan trắc dự báo Tmin2m theo REG mùa .18 trạm Láng [12] 18 Hình 2.1 Các thành phần chuỗi quan trắc khí hậu [10] 26 Hình 2.2 Minh họa diễn biến chuỗi lượng mưa tháng hàm tự tương quan trạm Hà Nội trước khí sai phân (A,A‟) sau sai phân (B,B‟) 28 Hình 2.3 Một số dạng hàm ACF PACF tưng ứng với dạng mô hình ARIMA khác [20] 30 Hình 2.4 Một số dạng hàm tương quan chéo biến nhập (X) biến phụ thuộc (Y) tưng ứng với dạng mô hình ARIMA khác [20] 31 Hình 2.5 [2] Vị trí nhóm nhân tố ENSO 37 Hình 2.6 [9] Mật độ phổ số SOI nhiệt độ bề mặt nước biển 38 vùng Nino 38 Hình 2.7 Sơ đồ khối xây dựng mô hình ARIMA ARIMAX .40 Hình 3.1 Diễn biến lượng mưa vụ đông xuân trạm 42 vùng Đồng Bắc Bộ 42 Hình 3.2 Hàm ACF (bên trái) hàm PACF (bên phải) chuỗi 44 lượng mưa vụ đông xuân trạm Hà Nội .44 Hình 3.3 Hàm ACF (bên trái) hàm PACF (bên phải) 45 chuỗi sai số mô hình ARIMA hanoi (0, 0, [4, 5]) 45 Hình 3.4 Hàm tự tương quan chuỗi nhân tố dự báo thuộc nhóm số ENSO 48 Hình 3.5 Hàm tự tương quan số vết đen Mặt Trời trước sai phân 49 Hình 3.6 Hàm tự tương quan số vết đen Mặt Trời sau sai phân 49 v Hình 3.7 Diễn biến hàm tương quan chéo số lượng mưa vụ Đông Xuân trạm Hà Nội dị thường nhiệt độ bề mặt nước biển vùng NINO với thời gian trễ từ đến 120 tháng so với thời gian dự báo 51 Hình 3.8 Diễn biến hàm tương quan chéo số lượng mưa vụ Đông Xuân trạm Hải Dương dị thường nhiệt độ bề mặt nước biển vùng NINO với thời gian trễ từ đến 120 tháng so với thời gian dự báo 51 Hình 3.9 Diễn biến hàm tương quan chéo số lượng mưa vụ Đông Xuân trạm Hà Nội số SOI, vết đen Mặt Trời với thời gian trễ từ đến 120 tháng so với thời gian dự báo 52 Hình 3.10 Diễn biến hàm tương quan chéo số lượng mưa vụ Đông Xuân trạm Hải Dương số SOI, vết đen Mặt Trời với thời gian trễ từ đến 120 tháng so với thời gian dự báo 52 Hình 3.11 Hàm tự tương quan tự tương quan riêng phần chuỗi sai số dự báo mô hình động thái ARIMAX 58 Hình 3.12 Mô lượng mưa vụ đông xuân theo mô hình xây dựng số trạm vùng đồng Bắc Bộ 62 Hình 3.12 Mô lượng mưa vụ đông xuân theo mô hình xây dựng số trạm vùng đồng Bắc Bộ (tiếp theo) 63 Hình 3.12 Mô lượng mưa vụ đông xuân theo mô hình xây dựng số trạm vùng đồng Bắc Bộ (tiếp theo) 64 Hình 3.13 Kết dự báo lượng mưa vụ đông xuân theo mô hình xây dựng số trạm vùng đồng Bắc Bộ 65 vi DANH MỤC BẢNG Bảng 1.1 Các đặc trưng liên quan đến mô hình ARIMA trạm .11 lãnh thổ Thái Lan [39] 11 Bảng 1.2 Kết nhận dạng mô hình ARIMA mô hình12 động thái ARIMA [18] 12 Bảng 1.3 So sánh sai số quân phương (RMSE) từ mô hình tính toán số liệu phụ thuộc (In-sample) số liệu độc lập (Out-sample)[18] 13 Bảng 3.1 Hệ số tự tương quan giới hạn tin cậy chuỗi lượng mưa vụ đông xuân trạm vùng Đồng Bắc Bộ 43 Bảng 3.2 Các đặc trưng thông số mô hình ARIMA hanoi (4, 0, [4, 5]) .44 Bảng 3.3 Ma trận tương quan thông số mô hình ARIMA hanoi (4, 0, [4, 5]) 45 Bảng 3.4 Các đặc trưng thông số mô hình ARIMA hanoi (0, 0, [4, 5]) .45 Bảng 3.5 Ma trận tương quan thông số mô hình ARIMAhanoi(0,0,[4,5]) 45 Bảng 3.6 Thứ tự bước trễ theo tháng………………………………… …….51 Bảng 3.7 Kết nhận dạng cấu trúc mô hình động thái ARIMAX trạm vùng đồng Bắc Bộ 54 Bảng 3.8 Các đặc trưng thống kê thông số mô hình động thái ARIMAX 56 Bảng 3.9 Ma trận tương quan thông số mô hình động thái ARIMAX 57 Bảng 3.10 Các tiêu đánh giá khả mô mô hình chuỗi phụ thuộc 66 Bảng 3.11 Các tiêu đánh giá khả mô mô hình chuỗi độc lập .66 vii DANH MỤC CÁC KÍ HIỆU VIẾT TẮT Ký hiệu AGCM ACF ANN AOGCM AOL-GCM ARIMA ARIMAX CCF DMI ECMWF ENSO GCM MAE ME MEI MOS MSSS NCAR NCEP NCSS nnk NOAA OGCM PAFC RCM RegCM RMSE SAS SOI SST SSTA VDMT WMO Giải nghĩa Mô hình hoàn lưu chung khí Hàm tự tương quan (Autocorrelation function) Phương pháp mạng thần kinh Mô hình kết hợp (couple) đại dương khí Mô hình khí - đại dương – đất Mô hình tự hồi quy trung bình trượt Mô hình động thái (Dynamic Regression) Hàm tương quan chéo (Cross correlation function) Dipole Mode Index Trung tâm Dự báo Thời tiết hạn vừa châu Âu Dao động Nam El Niño/La Nina Mô hình khí hậu toàn cầu Sai số trung bình tuyệt đối (Mean Absolute Error) Sai số trung bình, hay sai số hệ thống (Mean Error) Multivariate ENSO Index Thống kê sản phẩm đầu mô hình (Model Output Statistics) Điểm kỹ mô hình (Mean Square Skill Score) Trung tâm Quốc gia Nghiên cứu Khí (Hoa Kỳ) Trung tâm Quốc gia Dự báo Môi trường (Hoa Kỳ) National Council for the Social Studies Những người khác Cơ quan Quản lý Khí Đại dương (Hoa Kỳ) Mô hình hoàn lưu chung đại dương Tự tương quan riềng phần (Part autocorrelation function) Mô hình khí hậu khu vực Mô hình khí hậu khu vực NCAR Sai số quân phương Statistical Analysis System Chỉ số dao động nam (Southern Oscillation Index) Nhiệt độ mặt nước biển (Sea Surface Temperature) Chuẩn sai nhiệt độ mặt nước biển (Sea Surface Temperature Anomalies) Vết đen Mặt Trời Tổ chức Khí tượng Thế giới (World Meteorological Organization) viii MỞ ĐẦU Các thông tin dự báo khí hậu, đặc biệt dự báo mưa mùa có ý nghĩa lớn đến hoạt động phát triển kinh tế xã hội như: kế hoạch sản xuất nông nghiệp, du lịch, đánh bắt nuôi trồng thủy sản, quản lý, khai thác có hiệu nguồn tài nguyên nước Mức độ tin cậy dự báo mưa mùa thường thấp so với yếu tố dự báo khác, nguyên nhân phân bố theo không gian biến đổi theo thời gian lượng mưa phụ thuộc vào nhiều yếu tố khác Chính công tác nghiên cứu dự báo mưa mùa không quan tâm nhiều nước giới, có Việt Nam Ở vùng đồng Bắc Bộ năm gần sản xuất lúa vụ đông xuân phải đối mặt với tình trạng thiếu nước nghiêm trọng giai đoạn đầu vụ, nhiều khu vực phải chuyển đổi diện tích trồng lúa vụ đông xuân sang trồng hoa màu Việc dự báo lượng mưa vụ đông xuân, đặc biệt tổng lượng mưa khoảng từ tháng 10 năm trước đến tháng năm sau cho phép tính toán tổng lượng nước cần phải tưới trồng cạn vụ đông lượng nước đổ ải làm đất vụ lúa đông xuân thông qua mô hình khí tượng nông nghiệp Các kết sở khoa học việc lập kế hoạch tích trữ nước cho hồ chứa vùng, bố trí hợp lý vụ đông đưa định thời vụ cấu trồng Đây toán có ý nghĩa quan trọng công tác đạo sản xuất nông nghiệp tỉnh đồng Bắc Bộ mà thành công phụ thuộc nhiều vào kết dự báo tổng lượng mưa giai đoạn Hiện Việt Nam, tin dự báo hạn mùa đáp ứng phần nhu cầu phục vụ phát triển kinh tế xã hội phòng tránh giảm nhẹ thiên tai, nhiên để giải toán nêu trên, gặp phải khó khăn nguồn liệu đầu vào, kết dự báo mưa mang tính định tính, chưa đưa định lượng nữa, thời hạn dự báo tháng liên tiếp, chưa thật phù hợp với yêu cầu toán nông nghiệp vùng Hiện có hai cách tiếp cận để nghiên cứu dự báo mưa mùa vụ phương pháp thống kê phương pháp mô hình động lực Nhìn chung, phương 0.4 Hà Nội Hà Nam Hàm tự tƣơng quan chuỗi sai số Hưng Yên Nam Định Vĩnh Yên 0.0 10 11 12 Phủ Liễn Ninh Bình Thái Bình Bước trễ thời gian (Lag) Hải Dương Khoảng tin cậy -0.4 0.4 Hà Nội Hà Nam Hàmtự tƣơng quan riêng chuỗi sai số Hưng Yên Nam Định Vĩnh Yên 0.0 10 11 12 Phủ Liễn Ninh Bình Thái Bình Bước trễ thời gian (Lag) Hải Dương Khoảng tin cậy -0.4 Hình 3.11 Hàm tự tương quan tự tương quan riêng phần chuỗi sai số dự báo mô hình động thái ARIMAX Trên sở kiểm định độ lớn thông số, tính độc lập thông số tính ngẫu nhiên chuỗi sai số dự báo mô hình động thái ARIMAX, loại bỏ thông số không thỏa mãn tiêu chuẩn thống kê chọn mô hình dự báo lượng mưa vụ đông xuân phù hợp trạm vùng đồng Bắc Bộ Các mô hình biểu diễn dạng biểu thức từ (3.2) đến (3.10) đây: 58 MuaDXt _Hà Nội = 0.36853*at-4 + 0.21112*NINO12_MON01t-2 - (3.2) 0.34447*NINO4_MON12t-10 + 0.16909*SOI_MON11t-8 + 0.21739*VDMT_MON07t-9 MuaDXt _Hà Nam = -0.15238*at-4 - 0.19305*NINO4_MON11_t-1 + (3.3) 0.20382*VDMT_MON10t-2 + 0.33416*VDMT_MON02t-3 MuaDXt _Hƣng Yên = 0.17555*NINO12_MON09_t-3 - (3.4) 0.18894*NINO4_MON12_t-1 + 0.0949*SOI_MON10_t-10 0.24572*VDMT_MON05_t-6 MuaDXt _Nam Định = -0.40234*at4 + 0.27192*NINO12_MON04t-8 + (3.5) 0.14946*SOI_MON10t-10 + 0.29077*VDMT_MON10t-2 0.46437*VDMT_MON05t-8 MuaDXt _Vĩnh Yên = 0.34955*NINO12_MON01t-2 + (3.6) 0.31012*NINO34_MON11t-6 + 0.15847*SOI_MON10_t-10 0.33754*VDMT_MON07t-8 MuaDXt _ Phủ Liễn = 0.39561*at-6 - 0.296*NINO12_MON12_t-8 + (3.7) 0.70134*NINO3_MON02t-8 + 0.38059*VDMT_MON03t-3 MuaDXt _Ninh Bình = - 0.33589*NINO4_MON04t-1 - (3.8) 0.19851*SOI_MON11t-4 + 0.40614*VDMT_MON10t-2 MuaDXt _Thái Bình = 0.2676*NINO3_MON01t-8 - (3.9) 0.31615*NINO4_MON09t-8 + 0.3612*VDMT_MON03t-2 + 0.32952*VDMT_MON07t-3 MuaDXt _Hải Dƣơng = 0.20906*NINO12_MON01t-5 0.19057*NINO3_MON08t-8 - 0.32885*NINO4_MON08t-3 + 0.21516*SOI_MON07t-4 59 (3.10) Trong đó: MONxx (xx = 01, 02,…,12) ký hiệu chuỗi liệu tháng chọn chuỗi nhân tố dự báo NINO12, NINO34, NINO3, NINO4, SOI, VDMT; t-x (x = 1, 2,…, 10) thể bước trễ thời gian tháng Ghi : Các kết tính toán từ công thức (3.2) đến (3.10) kết mô giá trị chuẩn hóa lượng mưa vụ đông xuân, để có giá trị lượng mưa mô phỏng, tính ngược trở lại theo công thức 2.19 trình bày phần sử lý số liệu chương 3.3 Đánh giá khả mô dự báo mô hình ARIMA Sau xây dựng mô hình ARIMA ARIMAX, trước áp dụng mô hình vào công tác dự báo nghiệp vụ, cần phải tiến hành đánh giá mức độ xác mô hình để định hướng cho việc nghiên cứu, phát triển, cải tiến mô hình, nâng cao chất lượng dự báo Cho đến nay, có nhiều tiêu đánh giá khả mô mô hình, tiêu đánh giá có mạnh riêng, tùy thuộc vào mục tiêu cần đánh giá loại mô hình đánh giá, chọn loại tiêu phù hợp Trong luận văn này, để tiến hành đánh giá chất lượng mô hình, nhận xét mang tính định tính, so sánh, ước lượng sản phẩm mô hình số liệu quan trắc, số thống kê như: Sai số trung bình ME (Mean Error), sai số tuyệt đối trung bình MAE (Mean Absolute Error), sai số quân phương RMSE (Root Mean Square Error) điểm kỹ MSSS (Mean Square Skill Score) áp dụng Chi tiết thuật toán ý nghĩa khoa học số thống kê trình bày [12] * Đối với chuỗi số liệu phụ thuộc Hình 3.12 trình bày chuỗi thời gian quan trắc mô lượng mưa vụ đông xuân theo mô hình số trạm vùng đồng Bắc Bộ giai đoạn 1961 đến 2007 Từ hình nhận thấy phần lớn kết mô có trùng pha tốt so với số liệu quan trắc, đặc biệt năm có lượng mưa lớn hầu hết mô hình cho kết mô phù hợp Một số trạm có kết mô 60 trạm Hà Nam, Hưng Yên, Nam Định, nguyên nhân tính biến động lượng mưa (độ lệch chuẩn) trạm lớn đáng kể so với trạm khác Đối với trạm Hà Nội, từ kết mô hai mô hình tự hồi quy trung bình trượt ARIMA mô hình động thái ARIMAX nhận thấy kết mô mô hình ARIMA nhiều so với mô hình động thái ARIMAX, năm có biến động lớn lượng mưa vụ đông xuân Bảng 3.10 trình bày tiêu đánh giá khả mô mô hình ARIMA chuỗi phụ thuộc Từ bảng nhận thấy điểm kỹ tất mô hình có giá trị > dao động khoảng từ 0.26 đến 0.51, điều cho thấy tất mô hình xem xét có kết mô tốt so với dự báo khí hậu (chỉ đơn dựa vào số liệu quan trắc nhiều năm) Nếu xem xét độ lớn sai số thống kê ME MAE cho thấy có khác biệt lớn sai số này, điều thể phân bố mưa khu vực nghiên cứu phức tạp, phạm vi hẹp, nhiên khác biệt phần lớn nhỏ độ lệch chuẩn chuỗi số liệu quan trắc * Đối với chuỗi số liệu độc lập Từ mô hình mô xây dựng, luận văn tiến hành dự báo thử nghiệm cho vụ đông xuân 2008 – 2009, 2009 – 2010, 2010 – 2011, 2011 – 2012 2012 – 2013 trạm vùng nghiên cứu (hình 3.13) Từ hình nhận thấy phần lớn kết dự báo năm thử nghiệm có trùng pha so với số liệu quan trắc, năm có lượng mưa lớn năm 2008 – 2009 mô hình cho kết dự báo cao vụ Để đánh giá mức độ tin cậy khả dự báo mô hình, cần phải kiểm định đặc trưng thống kê kết dự báo chuỗi số liệu độc lập Kết kiểm định trình bày bảng 3.11 Từ bảng nhận thấy số 10 mô hình xem xét có mô hình có điểm kỹ < bao gồm: mô hình ARIMA trạm Hà Nội (-1.33), mô hình ARIMAX trạm Nam Định (-0.35) trạm Vĩnh Yên (-0.55) Đối với trạm khác, số dao động khoảng từ 0.14 đến 0.67 61 800 Trạm Hà Nội mm Quan trắc ARIMA ARIMAX 600 400 200 Năm 1961- 1964- 1967- 1970- 1973- 1976- 1979- 1982- 1985- 1988- 1991- 1994- 1997- 2000- 2003- 20061962 1965 1968 1971 1974 1977 1980 1983 1986 1989 1992 1995 1998 2001 2004 2007 800.0 Trạm Nam Định mm Quan trắc ARIMAX 600.0 400.0 Năm 200.0 0.0 19711972 800.0 19741975 19771978 19801981 19831984 19861987 19891990 19921993 19951996 19981999 20012002 20042005 20072008 Trạm Vĩnh Yên mm Quan trắc ARIMAX 600.0 400.0 Năm 200.0 0.0 19711972 19741975 19771978 19801981 19831984 19861987 19891990 19921993 19951996 19981999 20012002 20042005 20072008 Hình 3.12 Mô lượng mưa vụ đông xuân theo mô hình xây dựng số trạm vùng đồng Bắc Bộ 62 800.0 Trạm Phủ Liễn mm Quan trắc ARIMAX 600.0 400.0 200.0 0.0 19691970 19721973 19751976 19781979 19811982 19841985 19871988 19901991 19931994 19961997 19992000 20022003 2005- Năm 2006 Trạm Thái Bình mm Quan trắc ARIMAX 800.0 600.0 400.0 200.0 Năm 0.0 19691970 19721973 19751976 19781979 19811982 19841985 19871988 19901991 19931994 Trạm Hải Dƣơng mm 19961997 19992000 20022003 Quan trắc 20052006 ARIMAX 800.0 600.0 400.0 200.0 Năm 0.0 19691970 19721973 19751976 19781979 19811982 19841985 19871988 19901991 19931994 19961997 19992000 20022003 20052006 Hình 3.12 Mô lượng mưa vụ đông xuân theo mô hình xây dựng số trạm vùng đồng Bắc Bộ (tiếp theo) 63 Trạm Hà Nam mm Quan trắc ARIMAX 800.0 600.0 400.0 200.0 Năm 0.0 1964- 1967- 1970- 1973- 1976- 1979- 1982- 1985- 1988- 1991- 1994- 1997- 2000- 2003- 20061965 1968 1971 1974 1977 1980 1983 1986 1989 1992 1995 1998 2001 2004 2007 mm Trạm Hƣng Yên Quan trắc ARIMAX 800.0 600.0 400.0 200.0 Năm 0.0 19711972 mm 19741975 19771978 19801981 19831984 19861987 19891990 19921993 19951996 19981999 20012002 20042005 20072008 Trạm Ninh Bình Quan trắc ARIMAX 800.0 600.0 400.0 200.0 Năm 0.0 1965- 1968- 1971- 1974- 1977- 1980- 1983- 1986- 1989- 1992- 1995- 1998- 2001- 2004- 20071966 1969 1972 1975 1978 1981 1984 1987 1990 1993 1996 1999 2002 2005 2008 Hình 3.12 Mô lượng mưa vụ đông xuân theo mô hình xây dựng số trạm vùng đồng Bắc Bộ (tiếp theo) 64 800 mm Trạm Hà Nội mm 800 Quan trắc ARIMA 600 Trạm Hà Nam Quan trắc 600 ARIMAX ARIMAX 400 400 200 200 Năm Năm 20082009 mm 800 20092010 20102011 20112012 20122013 20082009 mm Trạm Hƣng Yên 20102011 20112012 Quan trắc 600 ARIMAX ARIMAX 400 400 200 200 Năm 20082009 mm 800 20092010 20102011 20112012 20122013 Trạm Nam Định 800 Quan trắc 600 20092010 Năm 20082009 20122013 Trạm Vĩnh Yên mm 20092010 20102011 20112012 20122013 Trạm Phủ liễn 800 Quan trắc Quan trắc 600 600 ARIMAX ARIMAX 400 400 200 200 Năm 20082009 mm 20092010 20102011 20112012 20082009 20122013 Trạm Ninh Bình 800 600 Năm mm Quan trắc 800 ARIMAX 600 400 20092010 20102011 20112012 20122013 Trạm Thái Bình Quan trắc ARIMAX 400 200 200 Năm 20082009 20092010 20102011 20112012 Năm 20122013 20082009 Hình 3.13 Kết dự báo lượng 20092010 20102011 20112012 Trạm Hải Dƣơng mưa vụ đông xuân theo mô hình 800 Quan trắc xây dựng số trạm vùng 600 ARIMAX đồng Bắc Bộ 20122013 mm 400 200 Năm 20082009 65 20092010 20102011 20112012 20122013 Bảng 3.10 Các tiêu đánh giá khả mô mô hình chuỗi phụ thuộc Đặc trưng thống kê chuỗi quan trắc Tên trạm Hà Nội Hà Nội Hà Nam Hưng Yên Nam Định Vĩnh Yên Phủ Liễn Ninh Bình Thái Bình Hải Dương Đặc trưng thống kê chuỗi mô Loại mô hình Trung bình nhiều năm (mm) Độ lệch chuẩn Sai số trung bình (ME) ARIMA 249.2 249.2 347.9 281.9 300.5 222.3 221.8 340.9 296.7 240.2 130.7 130.7 174.1 161.0 157.6 108.1 166.8 192.2 201.1 143.2 2.1 12.8 7.6 -10.3 -36.4 -4.5 2.4 -3.0 -17.4 -11.4 ARIMAX Sai số Sai số TĐ Điểm quân trung kỹ phươg bình (MSSS) (RMSE) (MAE) 95.3 79.2 124.5 114.2 90.6 56.3 94.0 119.9 121.6 81.2 111.4 99.1 148.2 136.7 114.6 74.9 118.1 144.5 139.0 104.3 0.26 0.41 0.26 0.26 0.46 0.51 0.49 0.42 0.51 0.46 Bảng 3.11 Các tiêu đánh giá khả mô mô hình chuỗi độc lập Sai số quân phươg (RMSE) Điểm kỹ (MSSS) Loại mô hình Sai số trung bình (ME) Sai số TĐ trung bình (MAE) ARIMA 5.9 149.8 197.2 -1.33 Hà Nội 30.7 109.6 120.2 0.14 Hà Nam -14.2 122.2 131.3 0.42 Hưng Yên -83.0 110.6 136.6 0.26 Nam Định -7.8 170.5 180.4 -0.35 -14.3 109.3 132.7 -0.55 Phủ Liễn 19.2 96.3 110.5 0.55 Ninh Bình 3.6 83.1 109.4 0.67 Thái Bình 80.8 127.1 167.8 0.29 Hải Dương -20.6 86.9 110.5 0.39 Tên trạm Hà Nội_ Vĩnh Yên ARIMAX 66 KẾT LUẬN Trên sở kết nghiên cứu trình thực đề tài, rút số kết luận sau: Mặc dù nằm vùng khí hậu tính chu kỳ chuỗi lượng mưa vụ Đông Xuân (từ tháng 10 năm trước đến tháng năm sau) trạm không hoàn toàn giống nhau, tính chu kỳ năm có trạm, tính chu kỳ – năm có trạm tính chu kỳ năm có trạm Sự khác có liên quan đến yếu tố địa phương trạm Khả sử dụng tính chu kỳ chuỗi lượng mưa vụ Đông Xuân để dự báo cho hạn chế, số trạm xem xét, trạm Hà Nội có tính chu kỳ - năm đạt độ lớn để áp dụng mô hình tự hồi quy trung bình trượt ARIMA, điều phần lý giải mô hình ARIMA áp dụng lĩnh vực dự báo lượng mưa mùa Việt Nam So sánh kết áp dụng mô hình ARIMA ARIMAX trạm Hà Nội cho thấy kết mô dự báo mô hình ARIMA nhiều so với mô hình động thái ARIMAX, mô hình ARIMA thường cho sai số lớn năm có biến động lớn lượng mưa Về kết mô dự báo lượng mưa mô hình ARIMAX nhận thấy phần lớn kết mô dự báo có trùng pha tốt so với số liệu quan trắc, năm có lượng mưa lớn cho kết phù hợp với thực tế Cụ thể là: - Kết mô chuỗi số liệu phụ thuộc tốt, điểm kỹ (MSSS) tất mô hình có giá trị > dao động khoảng từ 0.26 đến 0.51 - Kết dự báo năm thử nghiệm có trùng pha so với số liệu quan trắc, năm có lượng mưa lớn 2008 – 2009 mô hình dự báo cho kết phù hợp so với số liệu quan trắc Do vậy, mô hình động thái ARIMAX xây dựng sử dụng dự báo lượng mưa vụ Đông Xuân, đáp ứng mục tiêu nghiên cứu luận văn Với tính ưu việt trình lựa chọn nhân tố dự báo xử lý sai số, hy vọng tương lai mô hình động thái ARIMAX nghiên cứu áp dụng phổ biến toán dự báo khí hậu mùa Việt Nam 67 TÀI LIỆU THAM KHẢO Tiếng Việt 1) Nguyễn Duy Chinh (2003), Nghiên cứu thử nghiệm dự báo khí hậu Việt Nam, Báo cáo tổng kết đề án, Viện KTTV, Hà Nội 2) Lê Đức Cương (2001), Đặc điểm hoạt động xoáy thuận nhiệt đới khu vực Biển Đông - Việt Nam mối quan hệ với ENSO khả dự báo mùa, Luận văn thạc sỹ khoa học ngành Khí tượng, Trường Đại học Khoa học Tự nhiên, Hà Nội 3) Hoàng Đức Cường (2003), Ứng dụng phần mềm NCSS (Hệ thống phân tích thống kê) thống kê khí hậu, Báo cáo tổng kết đề tài, Viện KTTV, Hà Nội 4) Phạm Thị Lê Hằng (2008), Nghiên cứu đặc điểm khí hậu số tượng cực trị khả dự báo, Luận văn thạc sỹ khoa học ngành Khí tượng, Trường Đại học Khoa học Tự nhiên, Hà Nội 5) Dương Văn Khảm (2000), “Áp dụng phương pháp tích phân hồi quy bội mô hình ARIMA việc dự báo suất lúa Hà Nội”, Tạp chí KTTV , tr 1-10 6) Nguyễn Hữu Khải - Nguyễn Thanh Sơn (2003), Mô hình toán thuỷ văn, NXB Đại học Quốc gia Hà Nội, tr 195 7) Nguyễn Đăng Mậu (2012), Thử nghiệm kết hợp mô hình toàn cầu CAM khu vực RegCM vào mô trường khí hậu khu vực Việt Nam, Luận văn thạc sỹ khoa học ngành Khí tượng, Trường Đại học Khoa học Tự nhiên, Hà Nội 8) Nguyễn Đăng Quế, Phạm Văn Huấn (2007), “Một số nhận xét bước đầu phổ dao động khí hậu vùng khí hậu khác lãnh thổ Việt Nam”, Tạp chí KTTV, tr 51-58 9) Phan Văn Tân, Nguyễn Minh Trường (2003), “Về quan hệ ENSO tính dao động có chu kỳ lượng mưa khu vực miền Trung Việt Nam”, Tạp chí Khoa học ĐHQGHN, Khoa học Tự nhiên Công nghệ, t.XIX, No2, tr 56-61 10) Phan Văn Tân (2005), Phương pháp thống kê khí hậu, NXB Đại học Quốc gia Hà Nội 68 11) Phan Văn Tân (2008), Nghiên cứu ứng dụng mô hình khí hậu khu vực mô phỏng/dự báo mùa trường khí hậu bề mặt phục vụ qui hoạch phát triển phòng tránh thiên tai, Đề tài NCKH Trọng điểm cấp ĐHQG Hà Nội, mã số QGTĐ.06.05 12) Phan Văn Tân (2010), Nghiên cứu tác động biến đổi khí hậu toàn cầu đến yếu tố tượng khí hậu cực đoan Việt Nam, khả dự báo giải pháp chiến lược ứng phó, Đề tài cấp Nhà nước, mã số KC08.29/06-10 13) Nguyễn Văn Thắng (2006), Nghiên cứu xây dựng dự báo khí hậu cho Việt Nam dựa kết mô hình động lực toàn cầu, Báo cáo tổng kết đề tài, Viện KTTV, Hà Nội 14) Nguyễn Văn Thắng (2008), Xây dựng phương án chi tiết thử nghiệm ứng dụng công nghệ dự báo cảnh báo sớm hạn hán Việt Nam, Báo cáo tổng kết đề tài, Viện KTTV, Hà Nội 15) Nguyễn Minh Trường (2009), Nghiên cứu xây dựng mô hình thống kê, lựa chọn tập nhân tố dự báo, lập chương trình tính, kiểm tra độ xác tập số liệu mẫu, Báo cáo chuyên đề khoa học đề tài cấp nhà nước, mã số KC08.29/06-10 16) Lương Văn Việt (2006), “ENSO khả dự báo mưa-nhiệt-ẩm khu vực Nam Bộ”, Tạp chí KTTV (551), tr 39-45 Tiếng Anh 17) Alberto Troccoli (2010), Weather and climate predictions for the energy sector, University of Reading, Reading, UK 18) Bambang Widjanarko Otok, Suhartono (2009), “Development of Rainfall Forecasting Model in Indonesia by using ASTAR, Transfer Function, and ARIMA Methods”, European Journal of Scientific Research, ISSN 1450-216X Vol.38 No.3, pp.386-395 19) Bărbulescu A and E Pelican (2009), “ARIMA models for the analysis of the precipitation evolution”, Advances in Computers, pp 221 – 226 20) Box G.E.P., Jenkins, G.M., and Reissel, G.C., (1994), Time Series Analysis Forecasting and Control 3rd edition Prentice Hall 69 21) Chookait Pudprommarat and Somruay Apichatibutarpong (2005), Forecasting the Model of Rainfall in Thailand Applied Statistics Program Faculty of Science and Technology 22) Guilyardi, Eric, Andrew Wittenberg, Alexey Fedorov, Mat Collins, Chunzai Wang, Antonietta Capotondi, Geert Jan van Oldenborgh and Tim Stockdale (2009), "Understanding El Niño in Ocean-Atmosphere General Circulation Models: progress and challenges”, Bull Amer Meteor Soc., 90, 325-340 doi:10.1175/2008BAMS2387 23) Indira Kadel (2012), “Statistical Prediction of Seasonal Rainfall in Nepal”, APEC Climate Center 24) Jennifer Mary (2011), Seasonal prediction of African rainfall with a focus Thesis submitted to University College London for the degree of Doctor of Philosophy 25) Lavers, D., L Luo, and E F Wood (2009), “A multiple model assessment of seasonal climate forecast skill for applications”, Geophys Res Lett, Vol 36, L23711, doi:10.1029/GL041365 26) Liew Junengand and Fredolin T.Tangang (2009), “Statistical Downscaling Forecastsfor Winter Monsoon Precipitationin Malaysia Using Multimodel Output Variables”, Journal of Climate, 23: 17–27 27) Lim, Eun-Pa; Hendon, Harry H.; Anderson, David L T.; Charles, Andrew; Alves, Oscar (2010), “Dynamical, statistical-dynamical, and multimodel ensemble forecasts of Australian spring season rainfall”, Weather Rev., 139(3), 958–975, 28) Naill P.E and M Momani (2009), “Time Series Analysis Model for Rainfall Data in Jordan: Case Study for Using Time Series Analysis”, American Journal of Environmental Sciences, 599-604, ISSN 1553-345X 29) Pai DS, Rajeevan M (2006), “Long range prediction models for the Indian summer monsoon rainfall with different lead time periods based on the global SST anomalies”, Meteorol Atmos Phys, 92:33–43 30) Palmer, T.N., A Alessandri, U Andersen, P Cantelaube, M Davey, P Délécluse, M Déqué, E Diez, F.J Doblas-Reyes, H Feddersen, R Graham, 70 S Gualdi, J.-F Guérémy, R Hagedorn, M Hoshen, N Keelyside, M Latif, A Lazar, E Maisonnave, V Marletto, A.P Morse, B Orfila, P Rogel, J.-M Terres, and M.C Thomson, (2004), “Development of a European multimodel ensemble system for seasonal-to-interannual prediction (DEMETER)”, Bull Amer Meteor Soc, 85, 853-872 31) Rajeevan M., D S Pai, R Anil Kumar, B Lal (2007), “New statistical models for long-range forecasting of southwest monsoon rainfall over India”, Clim Dyn DOI ,10.1007/s00382-006-0197-6 32) Rasmusson E.M and T.H Carpenter (1983), “The relationship between eastern equatorial Pacific SSTs and rainfall over India and Sri Lanka”, Mon Wea Rev, 111, 517-528 33) Ropelewski C.F and M.S Halpert (1987), “Global and Regional Scale Precipitation Patterns Associated with the El Niño/Southern Oscillation”, Mon Wea Rev, 115, 1606-1626 34) Saha, S., S Nadiga, C Thiaw, J Wang, W Wang, Q Zhang, H.M Van den Dool, H.-L Pan, S Moorthi, D Behringer, D Stokes, M Peña, S Load, G White, W Ebisuzaki, P Peng, and P Xie (2006), “The NCEP climate forecast system”, J Climate, 19, 3483-3517 35) Somvanshi V.K., O.P.Pandey, P.K.Agrawal, N.V.Kalanker1, M.Ravi Prakash and Ramesh Chand (2006), “Modelling and prediction of rainfall using artificial neural network and ARIMA techniques”, J Ind Geophys, Vol.10, No.2, pp.141-151 36) Stockdale T.N., Alves, O., G Boer, M Deque, Y Ding, A Kumar, K Kumar, W Landman, S Mason, P Nobre, A Scaife, O Tomoaki, W.T Yun (2010), “Understanding and Predicting Seasonal-to-Interannual Climate Variability”, Procedia Environmental Sciences ,1, 55-80 37) Tim Arnold (2010), SAS/ETS9.22User’s Guide SAS Institute Inc, ISBN 9781-60764-543-6 38) Troccoli A., M Harrison, D L T Anderson and S J Mason (Eds) (2008), “Seasonal Climate: Forecasting and Managing Risk”, Springer Academic Publishers 71 39) Uruya Weesakul, Sudajai Lowanichchai (2005), “Rainfall Forecast for Agricultural Water Allocation Planning in Thailand”, Thammasat Int J Sc Tech., Vol 10, No 40) Van Loon, H., G A Meehl, and D J Shea (2007), “Coupled air-sea response to solar forcing in the Pacific region during northern winter”, J Geophys Res., 112, D02108, doi:10.1029/2006JD007378 41) http://www.wmo.int/pages/themes/climate/long_range_forecasting.php 42) http://www.vi.wikipedia.org/wiki/Vết_đen_Mặt_Trời 72 [...]... ít các nghiên cứu áp dụng trong dự báo khí hậu mùa Xuất phát từ các nhận thức nêu trên và để góp phần đáp ứng nhu cầu thực tiễn, chúng tôi chọn đề tài luận văn tốt nghiệp là: "Nghiên cứu ứng dụng mô hình ARIMA để dự báo lƣợng mƣa vụ đông xuân ở một số tỉnh vùng đồng bằng Bắc Bộ" Các nôi dung chính của luận văn được trình bày trong 3 chương như sau: Chương 1: Tổng quan Chương 2: Mô hình ARIMA và số liệu... và từ mô hình ARIMA được thể hiện ở hình 1.3 [35] ARIMA trên chuỗi phụ thuộc ARIMA trên chuỗi độc lập ANN trên chuỗi phụ thuộc ANN trên chuỗi độc lập 10 Hình 1.3 Mối quan hệ giữa lượng mưa quan trắc và mô phỏng theo phương pháp ANN và mô hình ARIMA vùng Hyderabad [35] Liên quan đến dự báo tổng lượng mưa hàng năm, năm 2005, Uruya Weesakul và nnk đã nghiên cứu áp dụng mô hình ARIMA để dự báo lượng mưa. .. động của các chỉ số khí hậu khác đến lượng mưa tháng trên một số vùng của Indonesia Mục tiêu của nghiên cứu này là xác định được mô hình dự báo mưa tốt nhất trong số các mô hình 11 ARIMA, mô hình động thái ARIMA đơn biến và mô hình động thái ARIMA đa biến Số liệu sử dụng là tổng lượng mưa tháng thời kỳ 1989 - 2008 được quan trắc tại các trạm khí tượng và số liệu về chỉ số DMI, SST tại các vùng NINO [18]... Trong nghiên cứu này các tác giả đã sử dụng hàm tự tương quan và tự tương quan riêng phần của chuỗi lượng mưa để xác định các tham số p,d,q trong mô hình ARIMA, từ đó chọn được mô hình ARIMA (1, 0, 0) (0, 1, 1)12 là mô hình dự báo lượng mưa tháng cho khu vực nghiên cứu [28] Cũng theo hướng nghiên cứu này năm 2006, Chookait và nnk đã áp dụng mô hình ARIMA (0, 1, 1) (0, 1, 1)12 đối với chuỗi sô liệu mưa. .. thể khai thác mô hình này để dự báo hạn mùa với một số yếu tố khí hậu quan trọng khác, khi các mô hình động lực chưa đạt được kết quả như mong muốn 20 Chƣơng 2 MÔ HÌNH ARIMA VÀ SỐ LIỆU SỬ DỤNG Trong chương này, sẽ giới thiệu về cấu trúc của các mô hình ARIMA bao gồm mô hình tự hồi quy trung bình trượt ARIMA và mô hình động thái ARIMA, trên cơ sở đó sẽ đưa ra phương pháp áp dụng các loại mô hình này đối... trình nghiên cứu theo phương pháp hạ thấp qui mô thống kê (Statistical Downscaling), đây là hướng nghiên cứu kết hợp của cả 2 phương pháp, thống kê và mô hình số Trong đó nhân tố dự báo là các trường dự báo của mô hình GCM được tổng hợp, phân tích lại và giả thiết rằng dự báo này là hoàn hảo Một trong những công trình nghiên cứu đi đầu theo hướng này là đề tài Nghiên cứu xây dựng mô hình dự báo khí... mô hình ARIMA đã được nhiều nước trên thế giới nghiên cứu ứng dụng trong dự báo mưa hạn mùa, trong đó có các nước gần Việt Nam như Thái Lan, Indonesia đã sử dụng mô hình này trong hoạt động nghiệp vụ Tuy nhiên ở Việt Nam, hướng tiếp cận này còn rất hạn chế Để thực hiện nhiệm vụ luận văn thạc sỹ, tác giả nhận thấy việc nghiên cứu mô hình ARIMA đối với bài toán dự báo mưa hạn mùa ở Việt Nam là hướng nghiên. .. xây dựng trên cơ sở hồi quy tuyến tính giữa các nhân tố dự báo (các chỉ số ENSO) và chỉ số lượng mưa, khái quát một cách khá toàn diện và đầy đủ được trình bày trong báo cáo của A Troccoli và M Harrison (2008) Ở đây, chỉ tổng quan các nghiên cứu điển hình liên quan đến mô hình ARIMA Năm 2009, P.E Naill và nnk đã áp dụng mô hình ARIMA để dự báo lượng mưa tháng cho khu vực Jordan thuộc vùng ven biển Địa... việc nghiên cứu phương pháp MOS đối với dự báo hạn mùa cho khu vực Việt Nam Có thể hướng nghiên cứu này sẽ được phát triển mạnh trong tương lai khi có được chuỗi số liệu dự báo lại (hindcast) của các mô hình khí hậu khu vực đủ dài Tóm lại: Từ tổng quan nghiên cứu trong và ngoài nước về dự báo khí hậu hạn mùa trong đó có dự báo mưa có thể rút ra một số điểm chính sau: Đối với nghiên cứu dự báo mưa hạn... dạng mô hình được trình bày trong bảng 1.2 Bảng 1.2 Kết quả nhận dạng các mô hình ARIMA và mô hình động thái ARIMA [18] Mô hình ARIMA Mô hình động thái ARIMA đơn biến (Single-input Transfer Function) Mô hình động thái ARIMA đa biến (Multi-input Transfer Function models) 12 Trên cơ sở nhận dạng và xác định các tham số trong các mô hình được trình bày ở bảng 1.2, các tác giả đã kiểm định các mô hình để