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 MƠ 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 MƠ 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 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 q trình hồn thành luận văn Sự hiểu biết sâu sắc khoa học kinh nghiệm thầy tiền đề để giúp học viên mở rộng kiến thức hồn 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 ln bên tơi, cỗ vũ động viên tơi suốt q 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 MƠ HÌNH ARIMA VÀ SỐ LIỆU SỬ DỤNG 21 2.1 Giới thiệu cấu trúc mơ hình ARIMA 21 2.1.1 Mơ hình tự hồi quy trung bình trượt ARIMA 22 2.1.2 Mơ hình động thái ARIMAX 23 2.2 Phương pháp áp dụng mơ hình ARIMA ARIMAX tốn 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 mơ hình 28 2.2.3 Xác định tham số mơ hình 32 2.2.4 Kiểm định mơ hình 35 2.2.5 Phần mềm thống kê SAS mơ 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 mơ hình dự báo mưa vụ đơng xn mơ hình ARIMA 41 3.1.1 Xác định tính ổn định chuỗi lượng mưa vụ Đông xuân 41 3.1.2 Nhận dạng mơ hình ARIMA 43 3.1.3 Xác định thông kiểm định mơ hình ARIMA 44 3.2 Xây dựng mơ hình dự báo lượng mưa vụ đơng xn mơ 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 mơ hình động thái ARIMAX 3.2.4 Kiểm định thơng số mơ hình động thái ARIMAX 53 55 3.3 Đánh giá khả mô mơ 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 mơ hình ARIMA vùng Hyderabad [35] 11 Hình 1.4 Sơ đồ xây dựng mơ 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 mơ 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 mơ 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 mơ 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 mơ 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 mơ 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 Mơ lượng mưa vụ đơng xn theo mơ hình xây dựng số trạm vùng đồng Bắc Bộ (tiếp theo) 63 Hình 3.12 Mơ lượng mưa vụ đơng xn theo mơ hình xây dựng số trạm vùng đồng Bắc Bộ (tiếp theo) 64 Hình 3.13 Kết dự báo lượng mưa vụ đơng xn theo mơ 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 lãnh thổ Thái Lan [39] Bảng 1.2 Kết nhận dạng mơ hình ARIMA mơ hình12 động thái ARIMA [18] 12 Bảng 1.3 So sánh sai số quân phương (RMSE) từ mô hình tính tốn số liệu phụ thuộc (In-sample) số liệu độc lập (Out-sample)[18] Bảng 3.1 Hệ số tự tương quan giới hạn tin cậy chuỗi lượng mưa vụ đông xuân trạm vùng Đồng Bắc Bộ Bảng 3.2 Các đặc trưng thơng số mơ hình ARIMA hanoi (4, 0, [4, 5]) Bảng 3.3 Ma trận tương quan thơng số mơ hình ARIMA hanoi [4, 5]) Bảng 3.4 Các đặc trưng thơng số mơ hình ARIMA hanoi (0, 0, [4, 5]) Bảng 3.5 Ma trận tương quan thơng số mơ 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 mơ hình động thái ARIMAX trạm vùng đồng Bắc Bộ Bảng 3.8 Các đặc trưng thống kê thông số mơ hình động ARIMAX Bảng 3.9 Ma trận tương quan thông số mơ hình động thái ARIMAX 57 Bảng 3.10 Các tiêu đánh giá khả mơ mơ hình chuỗi phụ thuộc Bảng 3.11 Các tiêu đánh giá khả mô mơ hình chuỗi độc lập vii 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 viii MỞ ĐẦU Các thơng 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 cơng tác nghiên cứu dự báo mưa mùa khơng cịn 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 đơng xn 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 tốn tổng lượng nước cần phải tưới trồng cạn vụ đông lượng nước đổ ải làm đất vụ lúa đơng xn thơng qua mơ 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 tốn có ý nghĩa quan trọng công tác đạo sản xuất nông nghiệp tỉnh đồng Bắc Bộ mà thành cơng 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 tốn nêu trên, gặp phải khó khăn nguồn liệu đầu vào, kết dự báo mưa cịn mang tính định tính, chưa đưa định lượng nữa, thời hạn dự báo tháng liên tiếp, chưa thật phù hợp với u cầu tốn nơng nghiệp vùng Hiện có hai cách tiếp cận để nghiên cứu dự báo mưa mùa vụ phương pháp thống kê phương pháp mơ hình động lực Nhìn chung, phương 800 mm 600 400 200 1962 800.0 1965 mm Quan trắc ARIMAX 600.0 400.0 200.0 0.0 19711972 800.0 mm 600.0 400.0 200.0 0.0 19711972 Hình 3.12 Mô lượng mưa vụ đông xuân theo mô hình xây dựng số trạm vùng đồng Bắc Bộ 62 800.0 mm 600.0 400.0 200.0 0.0 19691970 Quan trắc mm ARIMAX 800.0 600.0 400.0 200.0 0.0 19691970 1972- 1975- 1972- 1975- mm 800.0 600.0 400.0 200.0 0.0 19691970 Hình 3.12 Mơ lượng mưa vụ đơng xn theo mơ hình xây dựng số trạm vùng đồng Bắc Bộ (tiếp theo) 63 mm 800.0 600.0 400.0 200.0 0.0 1965 mm 800.0 600.0 400.0 200.0 0.0 1972 mm 800.0 600.0 400.0 200.0 0.0 1966 Hình 3.12 Mơ lượng mưa vụ đơng xn theo mơ hình xây dựng số trạm vùng đồng Bắc Bộ (tiếp theo) 64 800 600 400 200 mm 800 Quan trắc 600 mm ARIMAX 400 800 200 600 400 200 Năm mm Trạm Ninh Bình Hình 3.13 Kết dự báo lượng mưa vụ đơng xn theo mơ hình xây dựng số trạm vùng đồng Bắc Bộ 65 Bảng 3.10 Các tiêu đánh giá khả mơ mơ hình chuỗi phụ thuộc Tên trạm Hà Nội Hà Nội Hà Nam Hưng Yên Nam Định Vĩnh Yên Phủ Liễn Ninh Bình Thái Bình Hải Dương Bảng 3.11 Các tiêu đánh giá khả mơ mơ hình chuỗi độc lập Tên trạm Hà Nội_ Hà Nội Hà Nam Hưng Yên Nam Định Vĩnh Yên Phủ Liễn Ninh Bình Thái Bình Hải Dương 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 khơng hồn tồn 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 Đơng Xn để dự báo cho hạn chế, số trạm xem xét, trạm Hà Nội có tính chu kỳ - năm đạt độ lớn để áp dụng mơ hình tự hồi quy trung bình trượt ARIMA, điều phần lý giải mơ hình ARIMA khơng phải 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 mơ hình động thái ARIMAX, mơ hình ARIMA thường cho sai số lớn năm có biến động lớn lượng mưa Về kết mô dự báo lượng mưa mơ hình ARIMAX nhận thấy phần lớn kết mơ 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 mơ 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 mơ hình dự báo cho kết phù hợp so với số liệu quan trắc Do vậy, mơ 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 mơ hình động thái ARIMAX nghiên cứu áp dụng phổ biến tốn 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 mơ hình ARIMA việc dự báo suất lúa Hà Nội”, Tạp chí KTTV , tr 110 6) Nguyễn Hữu Khải - Nguyễn Thanh Sơn (2003), Mơ hình tốn thuỷ văn, NXB Đại học Quốc gia Hà Nội, tr 195 7) Nguyễn Đăng Mậu (2012), Thử nghiệm kết hợp mơ hình tồn 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 5661 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 mơ hình khí hậu khu vực mơ 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 tồn 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 mơ 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 mơ 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 978-1-60764-543-6 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 ... 62 Hình 3.12 Mơ lượng mưa vụ đơng xn theo mơ hình xây dựng số trạm vùng đồng Bắc Bộ (tiếp theo) 63 Hình 3.12 Mơ lượng mưa vụ đơng xn theo mơ hình xây dựng số trạm vùng đồng Bắc Bộ (tiếp... Nguyễn Hữu Quyền NGHIÊN CỨU ỨNG DỤNG MƠ HÌNH ARIMA ĐỂ DỰ BÁO LƢỢNG MƢA VỤ ĐƠNG 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... nhận thức nêu để góp phần đáp ứng nhu cầu thực tiễn, chọn đề tài luận văn tốt nghiệp là: "Nghiên cứu ứng dụng mơ hình ARIMA để dự báo lƣợng mƣa vụ đông xuân số tỉnh vùng đồng Bắc Bộ" Các nôi dung