Mô hình là một cấu trúc mô tả hình ảnh đã được tối giản hóa theo đặc điểm hoặc diễn biến của một đối tượng, một hiện tượng, một khái niệm hoặc một hệ thống. Mô hình có thể là một hình ảnh hoặc một vật thể được thu nhỏ hoặc phóng đại, hoặc chỉ làm gọn bằng một phương trình toán học, một công thức vật lý, một phần mềm tin học để mô tả một hiện trạng thực tế mang tính điển hình. Mô hình hoá là một khoa học về cách mô phỏng, giản lược các thông số thực tế nhưng vẫn diễn tả được tính chất của từng thành phần trong mô hình. Mô hình không hoàn toàn là một vật thể hiện thực nhưng nó giúp cho chúng ta hiểu rõ hơn hệ thống thực tế.
1 MƠ HÌNH HĨA TRONG MƠI TRƯỜNG 1.1 Các định nghĩa khái niệm 1.1.1 Định nghĩa mô hình Mơ hình cấu trúc mơ tả hình ảnh tối giản hóa theo đặc điểm diễn biến đối tượng, tượng, khái niệm hệ thống Mơ hình hình ảnh vật thể thu nhỏ phóng đại, làm gọn phương trình tốn học, cơng thức vật lý, phần mềm tin học để mô tả trạng thực tế mang tính điển hình Mơ hình hố khoa học cách mô phỏng, giản lược thơng số thực tế diễn tả tính chất thành phần mơ hình Mơ hình khơng hồn tồn vật thể thực giúp cho hiểu rõ hệ thống thực tế Mơ hình hóa mơi trường ngành khoa học mô tượng lan truyền chất ô nhiễm dự báo thay đổi môi trường theo không gian thời gian Ví dụ 1.1: Các nhà thiết kế tạo mẫu xe sử dụng lượng mặt trời thu nhỏ để thử nghiệm khả hoạt động tiện ích an tồn trước chế tạo hàng loạt (hình 7.1) Hình 7.1 Mơ hình xe thử nghiệm sử dựng lượng mặt trời Ví dụ 1.2: Để thể thay đổi lượng nước hồ chứa người ta đưa hình ảnh hình 7.2 Biết kích thước hình học hồ chứa, lưu lượng vào, lưu lượng ra, xác định dao động mực nước hồ Hình 7.2 Mơ hình thể thay đổi khối lượng nước hồ chứa 1.1.2 Mục tiêu thành lập mơ hình Diễn biến mơi trường phức tạp thực tế liên quan đến nhiều lĩnh vực khoa học khác (hình 1.3) Do nhu cầu hiểu rõ chất tự nhiên việc thực tế, nhà khoa học tìm cách đơn giản hóa vấn đề phức tạp mức làm khơng q xa rời thực tế để có sở giải thuật tìm hướng vấn đề tiên đoán khả xảy tương lai Được minh họa hình 7.3 Hình 7.3 Đường chất ổ nhiểm vịng tuần hồn nước * Có mục tiêu thực mơ hình: - Tạo sở lý luận + Mơ hình giúp ta dễ diễn tả hình ảnh kiện hệ thống; + Mơ hình mang tính đại diện đặc điểm thể; + Mơ hình giúp ta sở đánh giá tính biến động cách logic có tác động bên vào từ - Tiết kiệm chi phí nhân lực + Mơ hình giúp ta thêm số liệu cần thiết; + Mơ hình giúp giảm chi phí lấy mẫu; + Mơ hình thử nghiệm với thay đổi theo ý muốn - Mơ hình tạo mẫu cho triển khai sản xuất hàng loạt 1.1.3 Đặc trưng mơ hình Một cách tổng qt, tất mơ hình phải có thành tố Thơng tin vào Tiến trình xử lý Thơng tin Thơng tin vào: bao gồm dạng sở liệu đưa vào để mơ hình xử lý Tiến trình xử lý thơng tin: bao gồm trình tiếp nhận liệu vào, tính tốn, phân tích, đánh giá xuất liệu Thông tin ra: thể dạng đồ thị, biểu bảng, báo cáo đánh giá kết Trong điều kiện chưa thể giải tồn tốn phức tạp tự nhiên, người ta chia tượng thực tế thành mảng đề tài khác phần chia xem toán riêng rẽ có mơ hình tương ứng Ví dụ chia diễn biến dịng chảy trình chu trình nước thành đề tài nhỏ * Một mơ hình cần thể đặc trưng sau: - Mơ hình cần tố giản với sô giả định đặt ra; - Điều kiện biên điều kiện ban đầu cần định danh; - Mức độ khả ứng dụng mơ hình xác lập Mơ hình thường áp dụng theo kiểu khung khái quát theo ngành khoa học tính tốn, mang tên 3A, viết tắt từ chữ Application (ứng dụng) Algorithm (thuật toán), Architecture (kiến trúc) Hình 7.4: Khái qt mơ hình theo khoa học tính tốn * Có ba phần mơ hình - Ứng dụng mơ hình (Application of a model): Mục tiêu việc sử dụng mơ hình việc ứng dụng Xác định phạm vi ứng dụng nói lên tầm quan trọng mơ hình thực tiễn Ví dụ ứng dụng mơ hình giúp ta xác định thơng tin có đạm ammona chuyển thành đạm nitrogen khơng khí, có bao nhiều lượng nước chảy tràn mặt đất sau trận mưa bão Nói cách khác, ứng dụng mơ hình giúp ta trả lời câu hỏi: Đây ta muốn mơ phỏng, ta làm việc mơ cách nào? - Thuật tốn mơ hình (Algorithm of a model): Thuật tốn mơ hình cho ta biết cách tiếp cận kỹ thuật tính tốn hay phương pháp tính, liên quan đến phương trình, thông số mà muốn đưa vào chứng trình máy tính - Kiến trúc mơ hình (Architecture of a model): Kiến trúc hay cấu trúc mơ hình xác định kiểu hình mà mơ hình sử dụng, loại máy tính nào, chướng trình sử dụng thông tin để xử lý * Việc áp dụng mơ hình tốn học giúp giải khó khăn thực tế như: - kiện xảy nhanh (như phản ứng phân tử hóa học); - kiện xảy chậm (như phát triển động học dân số quần thể); - thực nghiệm đắt tiền làm phịng thí nghiệm (như mơ hình hầm gió); - thực nghiệm nguy hiểm (thực nghiệm vụ nổ nguyên tử) 1.1.4 Mơ hình mơi trường Mơ hình hóa mơi trường ngành khoa học cung cấp công cụ dạng hình ảnh, sơ đồ, biểu đồ, phần mềm, hay sa bàn, … để chuyển hiểu biết từ đo đạc thực tế khu vực nghiên cứu thành lý giải cần thiết cho nhu cầu thông tin tiên đốn diễn biến mơi trường – sinh thái Mơ hình mơi trường mơ tả đơn giản cho quan hệ phức tạp môi trường sinh thái ngồi thực tế cho kết xác mức độ chấp nhận Một mơ hình mơi trường phải cung cấp đại lượng liệu thể theo thay đổi thời gian qua: - Sự quan sát (Observation); - Sự phân tích (anysis); - Sự tiên đốn ( prediction) Một mơ hình mơi trường giao tiếp liệu tạo định Mơ hình tạo thông tin từ liệu quan trắc cải tiến kiến thức giúp cho việc định liên quan đến việc quy hoạch, thiết kế, vận hành quản lý Một mơ hình mơi trường thường kết hợp định luật phương trình sau: - Định luật vật lý (như định luật Darcy, định luật bảo tồn khối lượng, …) - Phương trình tốn học quan hệ (như phương trình Penmen bốc hơi, phương trình cân nước) - Các quan hệ thực nghiệm (như công thức kinh nghiệm, …) 1.1.5 Lịch sử phát triển mơ hình Từ xa xưa vào thời tiền sử người nghĩ tạo mơ hình tối giản để phát họa hình ảnh khn dạng người để xếp xem xét tiến hóa nhóm chủng người Những họa người sinh hoạt họ vách đá cho ta hình dung văn hóa người Cổ Cận Đơng Cổ Hy Lạp Một mơ hình cơng nhận số, số đếm số viết ghi lại mảnh xương tìm thấy vào khoảng 30.000 năm trước công nguyên Nghành thiên văn kiến trúc để lại ghí chép mơ hình sao, cơng trình nhà cửa Tương tự Việt Nam hình ảnh để lại Trống Đồng Đông Sơn cho nghĩ đến mô điệu múa, y phục sinh hoạt săn bắt người Việt Cổ khoảng thời gian từ kỷ thứ đến thứ trước công nguyên Từ kỷ 20 trở đi, song song với phát triển ngành toán học, vật lý, đặc biệt đời máy tính điện tử thúc đẩy phát triển nhanh chóng thuật tốn mơ hình Nhiều cơng ty phần mềm chun sản xuất cơng cụ mơ hình phục vụ cho nhiễu lĩnh vực khoa học kỹ thuật, kinh tế, môi trường, khí tượng thủy văn, quản lý hành đến lĩnh vực quan hệ xã hội,… Có thể nói, ngày kỹ thuật mơ hình ngày chứng tỏ vài trò viêc tạo điều kiện cho người hiểu biết sâu giới mà cịn tiên đốn tình có khả xảy tương lai 1.2 Phân loại tiến trình mơ hình 1.2.1 Phân loại mơ hình a Mục đích phân loại mơ hình Có nhiều cách phân loại mơ hình mơi trường, việc phân loại dựa vào đặc điểm tính tốn, cách mơ phỏng, phương pháp vận hành, phép so sánh dựa vào giả định Việc phân loại mơ hình nhằm: - Thể ý tưởng kiểu mơ sử dụng; - Trình bày phương pháp mức độ toán học ứng dụng; - Biểu dạng xuất kết mơ hình; - Đề xuất loại liệu cần đưa vào để có thơng tin; - Định danh thành phần hệ thống cần mơ b Các nhóm mơ hình o Mơ hình vật lý (physical model); o Mơ hình tốn học (mathematical model); o Mơ hình số (numerical model); o Mơ hình giải tích (analysis model); o Mơ hình xác định (deterministic model); o Mơ hình khái niệm (conceptual model); o Mơ hình ngẫu nhiên (stochatic model); o Mơ hình tham số (parametric model); o Mơ hình ổn định (steady-state model); o Mơ hình bất ổn định (unsteady-state model); o Mơ hình dựa vào giả định sinh hóa (biochemical assumption model); o Mơ hình đánh giá tác động (impact assessment model); o Mơ hình dự báo (forecast model) o v.v… Một mơ hình phân loại theo quy mô ứng dụng: - Theo không gian (spatial): vùng nhỏ hay khu vực lớn; - Theo thời gian (temporal): ngắn hạn hay dài hạn; - Theo giá trị mơ hình (model validity): cho giới hạn độ xác mơ hình; - Theo giá trị liệu (data validity): tùy theo mức độ quy mơ thu thập liệu (ví dụ lấy mẫu theo điểm đo cục bộ, hay lấy nhiều mẫu khu vực lớn 1.2.2 Tiến trình vận hành mơ hình Tất mơ hình thường vận hành thử nghiệm theo tiến trình tổng quát hình sau: Hình 7.5: Tiến trình mơ hình Hình 7.5: Tiến trình vận hành mơ hình Hình 7.5 Tiến trình tổng qt mơ hình a Thu thập liệu Tất mơ hình muốn vận hành phải có nguồn liệu ban đầu điều kiện cần thiết ( điều kiện biên điều kiện ban đầu) Các liệu thường bao gồm số liệu địa hình (cao độ, độ dốc,…) , kích thước lưu vực cần tính tốn (chiều dài, chiều rộng, diện tích,…) , diễn biến khí tượng (mưa, bốc hơi, xạ, vận tốc hướng gió,…), nguồn nhiễm (nhà máy, khu dân cư, ruộng vườn, hầm mỏ, khu công nghiệp…), biến số môi trường (pH, nhiệt độ, độ mặn, độ đục, nhu cầu oxy sinh hóa, chất phú dưỡng, vi khuẩn,…), thông số liên quan, … tương ứng với chuỗi thời gian xuất không gian xuất phát * Các phương pháp thu thập liệu Thu thập liệu công việc đơn điệu, buồn tẻ quan trọng liệu thu thập khơng xác biến ngẫu nhiên mơ hình mơ khơng phản ánh q trình hệ thực Thu thập liệu cách cho ta liệu xác nghệ thuật việc thu thập liệu Để làm ví dụ xem xét việc mô siêu thị Để tiến hành mô phải thu thập liệu sau: - Số lượng khách hàng đến siêu thị đơn vị thời gian; - Số lượng mặt hàng khách hàng chọn mua; - Thời gian chờ quầy tính tiền quầy tính tiền; - Số lượng thời gian làm việc quầy tính tiền; - Thời gian trung bình để kiểm tra tính tiền mặt hàng Số lượng liệu thu thập phải đủ lớn, có nghĩa thời gian quan sát phải đủ dài để mơ cách xác biến ngẫu nhiên mơ hình Có phương pháp thu thập liệu đầu vào dùng với mục đích khác nhau: - Phương pháp liệu trực tiếp Đối với phương pháp này, liệu thu thập dùng trực tiếp cho mơ Ví dụ: Dữ liệu thời gian sửa chũa máy liệu cần đến mô đến thời gian sửa chữa máy Đây phương pháp mơ trực tiếp b Mơ hình khái niệm Mơ hình khái niệm dạng ý tưởng hoá nhằm tối giản yếu tố phức tạp thực tế dạng lưu đồ sơ đồ Trong mũi tên sử dụng để mối quan hệ chiều hướng diễn biến Các lời ghi bên cách hình ảnh để thuyết minh thêm tính chất vật trình thơng số mơ hình Một ví dụ mơ hình khái niệm Beater (1989) để diễn tả chuyển vận nước mơ hình quan hệ mưa – dịng chảy Trong mơ hình khái niệm phải liệu nhập vào, diễn biến bên mơ hình thơng tin xuất từ mơ hình Một hình khái niệm phải thể tính đơn giản để tạo cho người khơng phải chun gia mơ hình hiểu mục tiêu tốn mơ hình * Một số ưu điểm, mạnh tính hữu hiệu mơ hình khái niệm - Mơ hình khái niệm hình thành mặt dầu người tạo chưa hiểu hết tất tượng phức tạp thực tế - Có thể đơn giản hóa tính bất thơng số thành tính đồng - Có thể giảm thiểu số liệu yêu cầu - Dễ dàng cho người xem hiểu cách thu thập số liệu, thông tin sữ dụng cách nhanh chóng tốn - Mơ hình khái niệm công cụ kỹ thuật cho lập trình viên hiểu vấn đề phải giải mà khơng cần phải chuyên gia môi trường - Mô hình khái niệm tạo thuận lợi cho việc diễn giải thuyết minh, biểu bảng,đề thị - Có thể tạo giao tiếp với sở liệu hệ thống thông tin địa lý (GIS) * Tuy nhiên, mơ hình khái niệm có nhược điểm giới hạn: - Mơ hình khái niệm khái quát nhân tạo phi vật lý qua tối giản desk), có cơng cụ lưu liệu dự phịng, … • Khả nguồn nhân lực: nên xem nguồn nhân lực trang bị mơ hình tính tốn, huấn luyện nhân viên sử dụng chưa có kinh nghiệm Cách thể mơ hình: độ xác kết quả, tính ổn định, độ nhạy, cách thể đồ thị phần xuất • Tính thân thiện cho người sử dụng (user friendliness): xem xét mơ hình dàng giúp người sử dụng cách nhập liệu, chọn lựa kiều xuất kết quả, giao diện người sử dụng, kiểu đồ thị, bảng kết thống kê,… • Xem xét quy mô: xem coi quy mô không gian mà mơ hình sử dụng có tương thích với việc khái niệm cấu trúc vấn đề không d Đánh giá việc lực chọn Một lựa chọn mơ hình, người sử dụng cần phải đánh giá lại việc chọn lựa cách trả lời câu hỏi sau: • Các thơng tin mà mơ hình cung cấp có thực theo yêu cầu tốn khơng? • Các đặc trưng vật lý thể qua thơng số mơ hình có thực đáp ứng việc ứng dụng thực tế khơng? • Các phương trình sử dụng cấu trúc mơ hình có với thuật tốn đại phù hợp với liệu thiết bị máy tính khơng? • Các kết mà mơ hình cung ứng có chất lượng tốt tương xứng với chi phí theo thời gian đặc thù không? 1.3 Hiệu chỉnh thông số mơ hình 1.3.1 Khái qt vấn đề Theo định nghĩa mơ hình, phát triển mơ hình, hiệu chỉnh (calibration) ( có người gọi định chuẩn) tiến trình mà thơng số biến số mơ hình điều chỉnh để kết mơ hình phù hợp với thực tế quan sát Ví dụ : Quan trắc thủy đồ diễn tả dịng chảy lưu vực (hình 7.7), nhiều nhà thủy văn học thấy chúng có nét tương tự với biến động lượng mưa ghi nhận thời gian tương đồng với sơ đồ trước Nghĩa sau trận mưa lớn, lưu lượng dịng chảy gia tăng mưa giảm dần dịng chảy giảm theo quan hệ tuyến tính thực mơ hình diễn tả quan hệ mưa – dịng chảy lưu vực, ta tối giản quan hệ theo sơ đồ: Số liệu vào (input data) • Lượng mưa • Lượng bốc Mơ hình thơng sơ MH Số liệu (output data) • Lưu lượng sơng Hình 7.7: Sơ đồ diễn tả tốn quan hệ mưa – dịng chảy Trong ví dụ tốn mơ hình mưa – dịng chảy, ta có nhiều thơng số : •Hàm lượng nước tối đa chứa lớp đất mặt •Hàm lượng nước tối đa chứa tầng rễ •Hệ số chảy tràn mặt •Hệ số chảy lẫn đất •Ngưỡng tối đa tầng rễ tạo dịng chảy mặt •Ngưỡng tối đa tầng rễ tạo dòng chảy ngầm •v.v Hiệu chỉnh công việc điều chỉnh thơng số mơ hình cho kết gần với thực tế Nếu việc hiệu chỉnh mơ hình làm tốt đường cong từ mơ hình càng“trùng“ với đường cong thực đo 1.3.2 Các bước tiến trình hiệu chỉnh Tiến trình Hiệu chỉnh nội dung thực mơ hình hóa Hiệu chỉnh góp phần quan trọng cho việc định giá khả thực mơ hình Trong tiến trình Hiệu chỉnh, bước sau cần thực i Xác định thơng tin quan trọng ii Chọn tiêu chuẩn mơ hình iii Hiệu chỉnh mơ hình: + Chọn thời đoạn hiệu chỉnh + Hiệu chỉnh sơ + Hiệu chỉnh tinh tế Hình 7.8: Ba bước tiến trình hiệu chỉnh a Đánh giá việc lực chọn Hiệu chỉnh mơ hình cần bắt đầu việc định xem thông tin quan trọng mà mơ hình có định áp dụng Việc xác định thông tin phải sở xem thông số mô hình định kết kết có khả phù hợp thỏa mãn với diễn biến thực tế Ví dụ xem xét mơ hình diễn tả lan truyền chất nhiễm dịng chảy, nhiều yếu tố ảnh hưởng Tuy nhiên, người phát triển mơ hình phải xác định yếu tố gây ảnh hưởng lớn Chẳng hạn, hệ số nhám dòng chảy, hệ số co hẹp mở rộng mặt cắt, hệ số khuếch tán chất lỏng chất ô nhiễm, hàm lượng oxy nước, v.v… b Bước chọn tiêu chuẩn mô hình Thực chất việc chọn tiêu chuẩn mơ hình xác định mục tiêu đặc thù mà mơ hình cần nghiên cứu Nghĩa là, phát triển mơ hình, đích nhắm mà muốn mơ hình phải thể bao gồm yếu tố Các yếu tố cần phải định lượng qua đo đạc thực tế qua tính tốn từ mơ hình Việc định lượng liên quan đến tiêu chuẩn thống kê mà mơ hình phải thỏa mãn Ví dụ thực mơ hình dự báo lũ, việc xác định giá trị (mực nước, lưu lượng lũ) thời điểm xảy đỉnh lũ mục tiêu quan trọng mà tốn phải giải Nhiều thơng số thống kê phải áp dụng phần trăm (%) sai biệt cho phép, độ lệch chuẩn, độ nhạy kết quả,… đánh giá tương ứng dòng chảy quan trắc với dịng chảy mơ c Bước hiệu chỉnh mơ hình • Hiệu chỉnh sơ bộ: Đây bước thử ban đầu để xem thử thông số mô hình chọn có “nhạy” với kết mơ hình hay không? Thông thường, việc hiệu chỉnh sơ theo bảng hướng dẫn mơ hình có sẵn từ quan sát thực tế Việc hiệu chỉnh sơ xem bước làm bắt buộc nhằm định lại: + Giá trị ban đầu thực tế cho thông số + Chiều dài (hay bước tính) “lý tưởng” để mơ hình tìm kiếm giá trị tốt thơng số Nếu chọn bước tính ngắn làm gia tăng số lần tính tốn, chọn bước tính q dài tạo vượt hay cường điệu hóa tìm giá trị tối ưu + Thử xác định khoảng giới hạn (giới hạn giới hạn dưới) thơng số Mục đích việc nhằm giới hạn khả thất bại mô hình tạo giá trị phi thực tế hay trị vượt thực tế • Hiệu chỉnh tinh tế: Hiệu chỉnh tinh tế làm nhuyễn mức chi tiết kết đầu qua việc điều chỉnh vi cấp (fine tuning) thông số mô hình Một số sách hướng dẫn mơ hình cho khuyến cáo số mơ hình tạo tiến trình tự động hiệu chỉnh để có kết tốt đạt 1.3.3 Các cách tiếp cận để hiệu chỉnh thông số mô hình Một số mơ hình đánh giá cách định mục tiêu bản, số mô hình khác khơng thực Việc đánh giá kết mơ hình cịn phụ thuộc phần vào kỷ xem xét vấn đề người làm mơ hình Có nhiều cách tiếp cận: a Tiếp cận tiên nghiệm Trong cách tiếp cận này, giá trị ban đầu thơng số mơ hình suy từ việc đo đạc thực tế từ tính chất việc, thành lập thực nghiệm Việc tiếp cận giả định mơ hình xác định thơng số có ý nghĩa vật lý; từ mơ hình tạo mô tốt cho lý đắn Việc tiếp cận tiên nghiệm khả thi mặt lý thuyết Tuy nhiên, cách tiếp cận cần số liệu lớn cho mơ hình xác định Do vậy, lưu vực nghiên cứu nhỏ, tiếp cận để có thơng số mơ hình bị giới hạn đơi không thực b Tiếp cận phù hợp đường cong Các thơng số mơ hình suy cách tiếp cận phù hợp đường cong, hay gọi độ phù hợp (goodness-of-fit) Cách tiếp cận liên quan đến việc tìm thơng số bảo đảm mức gần kín tương ứng đặc trưng đặc thù chuỗi thời gian tính tốn giá trị quan trắc tương ứng Đây tiến trình tối ưu hóa thơng số (parameter optimization) Trong cách tiếp cận này, tiêu chuẩn độ phù hợp theo thống kê áp dụng để xác định mức gần kín biến số chuỗi thời gian theo quan trắc theo mơ hình tương ứng Có hai phương pháp để có thơng số mơ hình tối ưu hiệu chỉnh phương cách phù hợp đường cong, theo cách thủ công cách tự động Một biến đổi tối ưu hóa theo cách thủ cơng cịn gọi tiến trình lập lại phân mảng (segmented iterative procedure) Tối ưu hóa theo kiểu thủ cơng (Manual optimization): Theo cách giá trịcủa thơng số tính tốn thời điểm tương ứng với giá trị quan trắc thử sai (trial and error) cho phù hợp với đường cong Phương pháp thủ công điều chỉnh thông số riêng rẽ nhiều thời gian, mơ hình đa thơng số mà thơng số tương tác cao độ lẫn Phương pháp đòi hỏi người làm mơ hình phải hiểu rõ cách cấu trúc vận hành mơ hình Tiến trình lập lại phân mảng: mơ hình có nhiều thơng số nên thực cách tiếp cận theo cách này: + Bước đầu, tất thơng số liên quan đến tiến trình đặc thù tối ưu hóa nhau, thơng số khác giữ số Mảng thông số liên quan tối ưu hóa cách định khoảng giá trị chặn chặn để tìm thơng số mơ hình phù hợp cho phép biến đổi + Cuối bước thứ nhất, mảng giá trị thông số hiệu chỉnh cải tiến xác định giữ lại số cho bước + Ở bước thứ hai, tương tự bước thứ nhất, mảng thông số khác tiến trình biến đổi cho phù hợp với mơ hình + Như vậy, nhóm thơng số liên quan đến tiến trình đặc thù tiếp tục tiến trình tìm giá trị tối ưu tất nhóm thơng số tối ưu hóa + Trong q trình thực tối ưu hóa mảng, người làm mơ hình phải trở lại bước thứ nhất, bước thứ hai/ba việc tối ưu hóa bị trở ngại + Tiến trình tìm giá trị tối ưu cho mảng thông số lập lại có chuỗi thơng số tối ưu tồn thể Tối ưu hóa tự động (hoặc tối ưu hóa mục tiêu): Kỹ thuật tối ưu hóa tự động áp dụng số mơ hình theo cách chọn lựa đường phù hợp theo tiêu chuẩn thống kê Kỹ thuật áp dụng kết tính tốn thống kê chưa đạt u cầu chương trình tự động điều chỉnh tạo thơng số cách kết hợp trị vừa tính tốn sai biệt thống kê Thông thường thông số mô hình đáp ứng với thay đổi phi tuyến, chương trình tính phán đốn phương trình phi tuyến sử dụng thuật tốn tối ưu lập lại Cách tiếp cận làm cho thông số tiếp cận đến mục tiêu tối ưu nhiều lúc gặp bất trắc phán đốn phi tuyến khơng hợp lý Tiến trình đưa đến việc giảm bớt việc dựa vào cách phân mảng chủ quan người làm mơ hình Tối ưu hóa tự động tạo nên tiến trình hiệu chỉnh nhanh cách có ý nghĩa Một số điểm liên quan đến việc tối ưu hóa tự động cần xem xét kỹ hơn: - Thông thường hàm mục tiêu (thỏa yêu cầu thống kê độ phù hợp, trị hệ số tương quan r 2) sử dụng tiến trình tối ưu hóa tự động Nếu có nhiều hai hàm mục tiêu tốn trở nên phức tạp khó giải Do vậy, có lúc cần thiết phải thực việc điều chỉnh thủ công để giá trị thông số để tạo kết tốt cho mơ hình dựa vào nhiều tiêu chuẩn thống kê (như hệ số tương quan r2 kết hợp với độ dốc đường cong phương pháp dừng chặn toán học) - Một vấn đề khác tối ưu hóa tự động tương tác thông số Khi điều thông số ảnh hưởng thông số cịn lại chúng có quan hệ nhiều Chính điều làm tốn trở nên phức tạp kết thường khó đạt tối tương tự, với thơng số riêng rẽ tìm tối ưu riêng phối hợp tối ưu riêng rẽ khó tạo tối ưu toàn cục - Với lý trên, nhiều lúc thực tiến trình hiệu chỉnh tự động khơng thể cho kết ý muốn kết có độ nhạy cao với thay đổi biến số Trong trường hợp này, thành phần lý luận vững mơ hình bị sai lệch, thành phần chứa yếu tố thiếu sở hay mơ hồ mơ hình phát - Điều khiến việc hiệu chỉnh tự động tạo thơng số cho giải đáp với lý sai, thông số sử dụng để ngoại suy kết quả.Tất điểm cho thấy việc cải tiến có hệ thống mơ hình để đáp ứng hiệu chỉnh dựa vào kết khó khăn Điều đặc việc mơ hình chứa nhiều ẩn số có yếu tố vật lý phức tạp Ví dụ làm mơ việc lan truyền nhiều chất gây ô nhiễm khu phức hợp dân cư, công nghiệp, sản xuất nông ngư nghiệp Một số nhà nghiên cứu mơ hình khuyến cáo khơng thể có thuật tốn để tạo loạt thơng số tối ưu cho mơ hình khác Việc tiếp cận nhiều thuật toán tối ưu kết hợp cách nên làm 1.3.4 Các vấn đề thành lập thông số mơ hình mơi trường a Các vấn đề thường gặp thành lập thông số - Thông thường, mơ hình mơi trường biến số nồng độ chất ô nhiễm thay đổi theo thời gian không gian mà chất ô nhiễm lan truyền không đồng (do cấu trúc lớp đất, thay đổi đặc điểm dòng chảy, ) - Do dùng trị số trung bình hệ số đặc trưng ngun nhân làm sai số mơ hình - Các nghiên cứu thực tế cho thấy, thay đổi đặc điểm vật lý lưu vực (như thay đổi cách sử dụng đất, lớp phủ thực vật, ) làm thay đổi thông số thủy văn -Tính hiệu mơ hình thường kỹ người sử dụng mơ hình thực việc hiệu chỉnh thân mơ hình Một ngun nhân gây sai số mơ hình có ý nghĩa chọn lựa khơng thích hợp hiệu chỉnh thơng số mơ hình Kiến thức cho việc chọn lựa thơng số hợp lý thường có qua kinh nghiệm nhiều lần - Khi tìm cách đưa thêm hệ số hiệu chỉnh lại biến đổi đặc điểm không gian mơi trường nhằm đối phó với hạn chế khả đo đạc xác đốn giá trị thơng số tạo sai số thông số khác - Thông thường lấy biến số độc lập (ví dụ số liệu đo chảy tràn mặt đất) đối lập với kết đầu mơ hình (số liệu chảy tràn theo tính tốn mơ hình) để thử nghiệm hiệu chỉnh thơng số khơng mang tính đại diện cách tiêu biểu cho tồn lưu vực (trường hợp lưu vực có diên vùng đất ngập nước, đê chắn kênh mương) - Kỹ thuật lấy mẫu đo đạc ngồi trường phịng thí nghiệm ảnh hưởng lớn đến kết mơ hình Cùng áp dụng mơ hình tốn học máy tính cho lưu vực với hai người khác áp dụng, người đo áp dụng cách đo khác để có số liệu đầu vào kết cho thơng số khác b Sự hiệu chỉnh đòi hỏi khắc khe số liệu Tiến trình hiệu chỉnh phải thực số liệu đầu vào phải đủ dài có độ xác cao định Khi chuỗi số liệu ngắn thiếu số liệu tạo trị khơng chắn ảnh hưởng lớn đến việc hiệu chỉnh thông số Ví dụ mơ nhiễm nguồn nước đến tính đa dạng sinh học, khơng đủ thời gian, kinh phí, thiết bị, số liệu trở nên sơ sài chắn kết tin cậy sai số lớn Một số trường hợp nghiên cứu mơ hình dịng chảy mơi trường, chuỗi số liệu khứ ngắn để đánh giá tần suất xuất thời kỳ quan trọng thời kỳ đỉnh lũ hay dịng chảy kiệt khả ứng dụng mơ hình dự báo hạn chế Có nhiều trường hợp hiệu chỉnh thơng số, kết phù hợp với chuổi số liệu ngắn đứt đoạn qua giai đoạn kiểm nghiệm với thay đổi thơng số bộc lộ nhiều sai số lớn Khi so sánh mơ hình dựa vào kiện (event-based model) mơ hình liên tục (continous model) thấy mơ hình liên tục thường cho kết hiệu chỉnh tốt mơ hình dựa vào kiện Lý mơ hình liên lục có số lượng số liệu nhiều mơ hình dựa vào kiện c Tương tác thơng số Sự tương tác có quan hệ thơng số ngun tạo nên phức tạp toán Sự hiểu biết rõ ràng mức độ mẫu hình tương tác thông số, độ nhạy tiêu chuẩn phù hợp thay đổi giá trị thông số ln ln hữu ích việc hiệu chỉnh thông số Trong số trường hợp, định thay đổi thông số độ nhạy tạo nên tính hiệu mục tiêu mơ hình Nếu mơ hình chủ yếu mang tính khái qt, thơng số có mức độ diễn giải vật lý mặt lý thuyết, kết mơ hình xem "đúng" Tuy nhiên, trường hợp xảy Thật ra, hiệu ích để có thơng số mơ hình chắn thường xuất phát từ việc đo đạc thực tế trường nhắm vào lý thuyết thống kế để tìm độ phù hợp Điều thường minh chứng rõ nghiên cứu mơ hình thủy văn mơi trường, số liệu cung cấp cho tốn bao gồm diện tích lưu vực, diễn biến thủy lực dòng chảy kênh dẫn số liệu đặc trưng khác Một số trường hợp, việc nghiên cứu kết từ lưu vực có tượng tương tự để lấy thông số "tương tự" giải pháp Tuy nhiên, không hẳn thông số của lưu vực tương tự đáp ứng yêu cầu độ phù hợp cho mơ hình lưu vực nghiên cứu tính chất đặc điểm chúng Vấn đề trình bày chi tiết phần d Sự tương tư lưu vực vấn đề chuyển dịch thông số Về lý thuyết, thơng số mơ quan hệ mưa - dịng chảy cung cấp giá trị tiếp cận xấp xỉ mặt thủy văn cho lưu vực có điều kiện "tương tự" thiếu trạm đo Gorgen (1983) đề xuất xem xét mặt kỹ thuật khác áp dụng để thành lập thông số khi: + Giá trị thơng số chuyển dịch đặc trưng lưu vực đo + Giá trị thông số dựa vào xu phát triển mang tính khu vực + Các thơng số thành lập Hiệu chỉnh mơ hình nhiều lưu vực Khi đó, điều kiện vật lý lưu vực tương tự lưu vực xem xét có tính chất thủy lực - thủy văn gần Trừ có hai hay nhiều lưu vực tương tự mặt thủy học (hầu hết định dạng cách mở rộng), việc chuyển dịch thông số khuyến kích sử dụng Nếu phát có khác biệt thực tế mặt thủy văn vấn đề chuyển dịch thông số cần phải xem xét lại Muốn định danh tương tự lưu vực cho mục tiêu chuyển dịch thơng số cần phải có thông tin đánh giá vào nghiên cứu thực tế với công cụ đồ địa hình, đồ địa chất, khơng ảnh máy bay, ảnh vệ tinh thám sát thực tế đồng Trường hợp vào xu khu vực (regionalised trend) liên quan đến thơng số mơ hình từ nhiều lưu vực có trạm đo cần phát triển thông số tiêu chuẩn (standard parameter set) cho lưu vực thiếu trạm đo Phương pháp có số đặc điểm sau: + Đây phương pháp thú vị tốn để có giá trị thơng số + Kết nhận có chất lượng thiếu số liệu kiểm chứng, nhiên, nhờ cách ta có trực tiếp thông số mà giảm công việc hiệu chỉnh + Thật ra, không kỹ thuật đáng khuyến cáo áp dụng việc liên kết mơ hình thủy văn thơng thường với mơ hình thủy văn mơi trường Thực tế cho thấy thơng số trường hợp làm mơ hình hóa mơi trường mang tính tương tác cao phức tạp hơn, đặc biệt thành phần số lượng nguồn nước thành phần hóa học (chất lượng nước) Pilgrim (1983) đề xuất số điểm cần lưu ý xa muốn xem xét chuyển dịch thông số: + Xem xét tương tự lưu vực phải có quan hệ chiều dài dòng chảy, độ dốc, độ nhám, Cần phải có đánh giá cân xứng tìm hiểu tương tự lưu vực + Nhất thiết phải có thơng hiểu kỹ lưỡng liên quan đến tiến trình thủy văn (hydrological processess) biến đổi chúng Đặc biệt quan trọng xác định ảnh hưởng thay đổi tính chất dịng chảy theo khơng gian Một nghiên cứu Gorgen (1983) khải sát rủi ro chuyển dịch thơng số lưu vực, có lưu vực đầu có nhiều điểm tương tự lưu vực thứ ba khác biệt Việc nghiên cứu thực việc phân tích số liệu đặc trưng vật lý lưu vực lớp phủ thực vật, địa chất tầng mặt khoảng cách địa văn liên quan đến khác biệt lưu vực Các khác biệt diễn dịch dạng khác biệt đáp ứng thủy văn (differences in hydrological response) xem điều kiện xem xét quan trọng tiến trình chuyển dịch thông số Ở hai lưu vực đầu, sau gia giảm khác biệt để có "tương tự" tốt cho phép chuyển dịch thông số thành cơng Với khu vực thứ ba, dù có cố gắng gia giảm dẫn đến khác biệt lớn đặc điểm vật lý, đem thông số hai lưu vực tương tự để chuyển sang lưu vực thứ ba cho kết qủa cỏi Do vậy, chứng minh tương tự lưu vực quan trọng Sự dị biệt không gian vùng nghiên cứu luôn tạo vấn đề sai biệt mang tính hệ thống Có thể kết luận rằng, khơng thể chủ quan áp dụng lưu vực xem "mẫu" cho lưu vực khác khơng có thử nghiệm đầy đủ Khái niệm mơ hình "mẫu" mang tính tương đối, khơng thể có mơ hình mang tính "tồn cầu" e Giá trị thông số vấn đề quy mơ mơ hình Sự thành lập thơng số mơ hình chịu chi phối quy mơ mơ hình Khi dịch chuyển thơng số từ mơ hình có quy mơ nhỏ sang mơ hình có quy mơ lớn, tiến trình thủy văn chất lượng nước thay đổi Sự thay đổi dẫn đến kết luận đơn áp dụng, thơng số phù hợp cho mơ hình có quy mơ nhỏ sang mơ hình có quy mơ lớn khơng có khảo nghiệm chi tiết kỹ lưỡng Mơ hình mơi trường thiết lập quy mơ vật lý có tỷ lệ nhỏ nhằm tạo thơng số có ý nghĩa vật lý đáp ứng điều kiện sử dụng cho Tuy nhiên, quy mơ gia tăng, bình qn, hệ số biến động độ lệch chuẩn thông số bị phá vỡ dẫn đến chúng khơng cịn thực tế Lý mơ hình quy mơ nhỏ tính chất đồng dễ dàng đạt mơ hình có quy mơ lớn Khi đó, dị biệt đặc điểm vật lý rõ nét Các mơ hình vật lý thực phịng thí nghiệm có quy mơ nhỏ mở rộng thực tế thường gặp thất bại nhiều Sự thất bại tiên đốn được, ứng dụng mơ hình vào thực tế cần phải có điều chỉnh nhiều Sự điều chỉnh tiêu tốn nhiều công sức thời gian để hiệu chỉnh trước áp dụng f Vấn đề ngoại suy thơng số Ngoại suy kỹ thuật tốn học để kéo dài số liệu tính tốn quan trắc thử nghiệm qua mơ hình Mục đích ngoại suy thường dùng để tiên đoán khả xảy tương lai thử áp dụng có trường hợp mở rộng không gian tiên lượng cố (rủi ro môi trường, thiên tai, ) Việc ngoại suy tượng số liệu gần điều kiện (thời gian, kiện) gần kết tính tốn phán đốn cho thời đoạn dài cố lớn thường khơng xác Sự hạn chế cũa xuất có phụ thuộc thông số thông số khác Điều lý giải thơng số Hiệu chỉnh điều kiện mô tả mô hình với diễn biến mơ hình mà thơi Khi điều kiện mở rộng tính "tối ưu" thơng số khơng cịn điều kiện vật lý tượng thực tế nằm ngồi tính tốn mơ hình Khi sử dụng thông số thành lập từ chuỗi số liệu ngắn mở rộng theo cách ngoại suy cho chuỗi dài gặp phải tích lũy sai số làm gia tăng khiếm khuyết gặp q trình khái qt hóa mơ hình Phần lớn mơ hình khơng thể áp dụng với chuỗi liệu nằm ngồi khoảng Hiệu chỉnh mơ hình 1.4 Thể mơ hình 1.4.1 Kiểm nghiệm định trị mơ hình Để đánh giá hiểu rõ giá trị ý nghĩa mơ hình qua cách thể hiện, thơng tin nghi thức thực mơ hình hóa địi hỏi cần thiết người sử dụng mơ hình người phát triển mơ hình Việc thể mơ hình quan trọng việc thuyết phục người định có thêm cân nhắc sở khoa học, qua mà mơ hình chứng minh kết quả, định trị mã mơ hình, hiệu chỉnh, kiểm nghiệm báo cáo đánh giá thông qua lý luận thực tiễn Theo định nghĩa trình bày phần trên, kiểm nghiệm (verification) mơ hình bước tiếp sau cơng việc hiệu chỉnh mơ hình nhằm kiểm tra thơng số mơ hình đưa có phù hợp với diễn biến thực tế hay khơng Ngồi ra, việc kiểm nghiệm mơ hình nhằm kiểm tra độ xác liệu biết với số tiêu chuẩn thống kê Việc kiểm nghiệm phương cách để xem xét lại số liệu quan trắc thực tế Một cách khác, nói kiểm nghiệm mơ hình cơng việc đo đạc tính thể mơ hình, cơng cụ dẫn đển việc minh xác (confirmation), chứng nhận (certificate) kiểm định (accreditation) chứng chất lượng mô hình 1.4.2 Nghiên cứu kiểm nghiệm a Mục tiêu Theo định nghĩa trước sau hiệu chỉnh, mơ hình cần kiểm nghiệm nhằm kiểm tra thông số mô hình đưa có phù hợp với diễn biến thực tế hay khơng Nói cách chi tiết, việc kiểm nghiệm gồm trả lời hàm ý sau: • Các biểu đầu mơ hình mơ có phù hợp với biểu đầu hệ thống thực tế quan trắc • Các thơng tin đầu mơ hình (lưu ý đầu mơ hình mơ thành lập số liệu mà thơng tin) có đủ độ xác mong muốn mơ hình • Trong q trình xác định thơng số, có sai biệt ý nghĩa số liệu kiện quan trắc giá trị mô phỏng, cần xác lập mức độ tin cậy mơ hình •Việc kiểm nghiệm phải mang tính khách quan: mơ hình cần phải bắt buộc qua thử nghiệm thống kê thống nghiêm ngặt theo mức độ phù hợp định trước theo tầm quy mô thực • Khi làm kiểm nghiệm đầu mơ hình, giả thiết mơ hình có sở vững bao gồm hợp lý thiết kế mơ hình, phương trình chủ đạo mã hóa chương trình máy tính • Trong kiểm nghiệm nào, số thơng số ln ln đạt u cầu điều kiện thử nghiệm mơ hình số thông số khác liên kết với số kiện xảy b Hàm mục tiêu Trước làm kiểm nghiệm mô hình, cần thiết phải định lượng điều kiện kiểm nghiệm Việc thể qua khái niệm hàm mục tiêu (objective function OF) Hàm mục tiêu trị số tiến trình thống kê đặc thù thể mức độ tương ứng, gọi độ gần (degree of closeness), giá trị thực đo giá trị mơ Có nhiều kiểu để xác định hàm mục tiêu OF tùy theo mục đích đặc thù tương quan mơ hình ứng dụng Hàm mục tiêu thường theo xu hướng tiến đến trị (khi hàm mục tiêu tối thiểu hóa, OF → 0) tiến đến trị đơn vị, OF → (khi hàm mục tiêu tối đa hóa) c Các trị số thống kê dùng cho kiểm nghiệm Khi kiểm nghiệm trị số thống kê thường áp dụng để so sánh độ phù hợp trị mô trị quan trắc cho chuỗi thời gian cho kiện riêng rẽ rời rạc kết đầu Việc đánh giá qua thống kê mức độ phù hợp (goodness-of-fit statistics) từ kết mơ hình thực tế Sự đồng biến chuỗi thời gian sở phép áp 1:1 Nghĩa giá trị mơ có "gần" với trị trung bình số liệu đo thực tế khơng Ngồi trị thống kê khác cần xem xét, gồm: trị trung bình, Phương sai, Độ lêch chuẩn, Hệ số biến động, hệ số thiên lệch, sai số thống kế hệ số tương quan 1.4.3 Vấn đề kiểm nghiệm mô hình a Các vấn đề thường gặp Trong kiểm nghiệm mơ hình, lý tưởng số liệu quan trắc có đầy đủ kiểm sốt chất lượng, đủ chi tiết đủ độ dài theo thời gian Thực tế chuỗi số liệu khơng đủ dài, cần phải có phương pháp để kéo dài chuỗi số liệu từ thực tế trường lấy thêm từ lưu vực tương tự, tình mơi trường xấp xỉ Cần thiết phải đánh giá ảnh hưởng không chắn thông số nhập vào mơ hình xem xét thể mơ hình Các số liệu thực tế nghèo nàn dẫn đến hiệu chỉnh kiểm chứng sai lạc Một số người làm mơ hình cố gắng sử dụng phép ngoại suy để kéo dài chuỗi số b Hậu kiểm việc phê chuẩn kiểm nghiệm mơ hình Mặc dầu việc hiệu chỉnh kiểm chứng thỏa mãn số tiêu thống kê cần đánh giá độ xác mơ hình tiên đốn kết cho tương lai Bước làm gọi hậu kiểm (post-audit) Trong công việc hậu kiểm, liệu thu thập nhiều năm sau việc nghiên cứu mơ hình hồn tất trước Việc vận hành mơ hình với chuỗi số liệu để đánh giá mức độ xác tiên đốn đầu Có thể có thay đổi yếu tố vật lý địa hình, độ che phủ mặt đất, thay đổi sử dụng nguồn nước tài nguyên khác làm thơng số mơ hình nghiên cứu trước khơng cịn xác hay xuất khác biệt có ý nghĩa Khi mơ hình cũ khơng cịn thỏa mãn kết tiên đốn, thiết phải hiệu chỉnh kiểm nghiệm lại thông số phải thay đổi giả thiết, thuật tính tốn, chí thay đổi cấu trúc, khái niệm mơ hình ... thường vận hành thử nghiệm theo tiến trình tổng quát hình sau: Hình 7. 5: Tiến trình mơ hình Hình 7. 5: Tiến trình vận hành mơ hình Hình 7. 5 Tiến trình tổng qt mơ hình a Thu thập liệu Tất mơ hình muốn... thực tế để có sở giải thuật tìm hướng vấn đề tiên đoán khả xảy tương lai Được minh họa hình 7. 3 Hình 7. 3 Đường chất ổ nhiểm vịng tuần hồn nước * Có mục tiêu thực mơ hình: - Tạo sở lý luận + Mơ... mơ hình phù hợp với thực tế quan sát Ví dụ : Quan trắc thủy đồ diễn tả dòng chảy lưu vực (hình 7. 7), nhiều nhà thủy văn học thấy chúng có nét tương tự với biến động lượng mưa ghi nhận thời gian