Giáo trình Mô hình toán thủy văn

CÊu tróc cña c¸c m« h×nh nhËn thøc dùa vµo kÕt qu¶ nghiªn cøu nh÷ng quy luËt h×nh thµnh vµ vËn ®éng cña c¸c qu¸ tr×nh thµnh phÇn trong sù h×nh thµnh dßng ch¶y trªn mét hÖ thèng thñy v¨[r]

(1)

TRƯỜNG ĐẠI HỌC THỦY LỢI BỘ MƠN TÍNH TỐN THỦY VĂN

GIÁO TRÌNH

MƠ HÌNH TỐN THỦY VĂN

Chủ biên: PGS TS Lê Văn Nghinh Tham gia biên soạn: PGS TS Bùi Cơng Quang

ThS Hồng Thanh Tùng

Hà nội - 2005

RAINFALL

POTENTIAL EVAPORATION MODEL PARAMETERS RUNOFF COMPONENTS

EVAPORATION RECHARGE RAINFALL

(2)

M

Ụ

C L

Ụ

C

CHƯƠNG I: KHÁI NIỆM MƠ HÌNH TỐN THỦY VĂN

1.1 Kh¸i niệm mô hình toán

1.2 Phân loại mô hình toán

1.2.1 Mô hình toán thủy văn ngẫu nhiên

1.2.2 Mơ hình tốn thủy văn tất định 10

1.3 trình thực mô hình toán 14

1.3.1 Chọn mô hình ứng dụng. 14

1.3.2 Thu thập chỉnh lý số liệu đầu vào mô hình. 15

1.3.3 Hiệu chỉnh - xác định thơng số mơ hình. 16

1.3.4 Kiểm định mơ hình. 20

1.3.5 Đánh giá độ xác mơ mơ hỡnh 21

1.4 Một số phơng pháp tối u hoá thông số mô hình 23

1.4.1 Tìm giá trị tối u thông số theo phơng pháp ô vuông 26

1.4.2 Tìm giá trị tối u thông số theo phơng pháp mặt cắt vàng 27

1.4.3 Tìm giá trị tối −u thơng số theo ph−ơng pháp độ dốc 28

1.4.4 Tìm giá trị tối u thông số theo phơng pháp Rosenbroc 29

CHƯƠNG II: MƠ HÌNH MƯA – DềNG CHY 34

2.1 Quá trình hình thành dòng chảy 34

2.2 Các loại mô hình ma dòng chảy 35

2.2.1 Mô hình quan hệ (Rational model) 36

2.2.2 Mô hình nguyên dòng chảy (Time/Area method) 40

2.2.3 Mơ hình sóng động lực 43

2.2.4 Mơ hình lũ đơn vị 45

2.2.5 M« h×nh nhËn thøc 56

CHƯƠNG III: MƠ HÌNH NGẪU NHIÊN 62

3.1 Các trình ngẫu nhiên thủy văn 62

3.2 Tổng hợp phân tích chuỗi liệu 63

3.2.1 Phân tích hồi quy nhiều biến 63

(3)

3.2.3 Mô hình trung bình trợt bậc q MA(q) 69

3.2.4 Mô hình ARMA(p,q) 71

3.3 Mạng trí tuệ nhân tạo (ANN) 73

3.3.1 Giới thiệu chung 73

3.3.2 So sánh mơ hình ANN với ARMA 73

3.3.3 Cấu trúc mạng ANN 74

3.3.4 Giới thiệu phần mềm WinNN32 78

3.3.5 Hướng dẫn thực hành 88

CHƯƠNG 4: MƠ HÌNH TỐN MẠNG LƯỚI SƠNG 90

4.1 Mở đầu 90

4.2 Dũng chy ổn định không ổn định sông 90

4.3 Hệ phơng trình saint vernant 92

4.3.1 Hệ ph−ơng trình chuyển động sơng. 92

4.3.2 Chuyển phơng trình vi phân thành phơng trình sai phân 93

4.3.3 Chuyn h phng trình Saint Venant thành hệ ph−ơng trình đại số 95

4.3.4 Tính tốn thủy lực cho mạng l−ới sơng theo sơ đồ ẩn 98

4.3.5 Tính tốn thủy lực cho mạng l−ới sơng theo sơ đồ hin 103

4.4 tổng quan chơng tr×nh tÝnh toan thđy lùc 106

CHƯƠNG 5: MƠ HÌNH CHẤT LƯỢNG NƯỚC 108

5.1 Më đầu 108

5.2 Khái quát chung chất lợng nớc 109

5.2.1 Đặc tính thể nớc 109

5.3 phơng trình truyền chất 110

5.4 Mụ hỡnh chất l−ợng n−ớc đơn giản 112

5.5 Các mơ hình phản ứng song đơi 114

5.6 Mô hình Streeter-Phelp 114

5.7 Mô hình QUAL2E 117

5.7.1 Giới thiệu mô hình QUAL2E. 117

5.7.2 Các công thức tổng quát dùng mô hình 118

5.7.3 Các phản ứng quan hệ tơng tác 125

5.7.4 Biểu thị nhiệt độ d−ới dạng hàm s 129

5.7.5 Giới thiệu chơng trình tính mẫu 132

5.8 mô hình CORMIX 133

(4)

5.8.2 Số liệu đầu vào mô hình CORMIX. 134

5.8.3 Cỏc đặc tr−ng đầu mơ hình 139

TÀI LIỆU THAM KHẢO 142

Phô lôc 145

(5)

CHƯƠNG I: KHÁI NIỆM Mễ HèNH TOÁN THỦY VĂN

ở Việt Nam, việc ứng dụng ph−ơng pháp mơ hình tốn vào nghiên cứu, tính tốn thủy văn xem nh− đ−ợc cuối năm 60, qua việc ủy ban sông Mêkông ứng dụng mơ hình nh− SSARR (Rokwood D.M Vol.1 - 1968)[1] Mỹ, mơ hình DELTA Pháp (Ban th− ký sơng Mê Cơng 1980) [2] mơ hình tốn triều Hà Lan vào tính tốn, dự báo dịng chảy sơng Mêkơng Song, sau ngày miền Nam đ−ợc hồn tồn giải phóng (1975), đất n−ớc thống ph−ơng pháp ngày thực trở thành cơng cụ quan trọng tính tốn, dự báo thủy văn n−ớc ta Ngày nay, ngồi mơ hình trên, số mơ hình khác nh− mơ hình TANK (Nhật), mơ hình ARIMA đ−ợc nhiều quan nghiên cứu ứng dụng (Sugawra M., Ozaki E , Wtanabe I., Katsuyama Y., Tokyo - 1974)[3] Với kết nghiên cứu b−ớc đầu nhiều tác giả Việt Nam cho thấy mơ hình có nhiều khả ứng dụng tốt nhiều toán khac phục vụ cho quy hoạch, thiết kế điều hành khái thác nguồn n−ớc Song, để nâng cao khả ứng dụng mơ hình, cần có nghiên cứu bổ sung hoàn thiện (cả cấu trúc nh− ph−ơng pháp hiệu chỉnh tham số mô hình) cho phù hợp với điều kiện tự nhiên, kinh tế cã hội n−ớc ta

(6)

hình dòng chảy tơng lai Đó toán tính toán quy hoạch, thiết kế điều hành khai thác tối u hệ thống nguồn nớc trớc mắt nh lâu dài

1.1 Khái niệm mô hình toán

Thủy văn trình tự nhiên phức tạp, chịu tác động nhiều yếu tố Thuỷ văn học khoa học nghiên cứu n−ớc trái đất, giống nh− nhiều ngành khoa học tự nhiên khác, q trình nghiên cứu, phát triển th−ờng tri qua cỏc giai on:

ã Quan sát tợng, mô tả, ghi chép thời điểm xuất

• Thực nghiệm: lặp lại điều xảy tự nhiên với quy mơ thu nhỏ

• Giải thích t−ợng, phân tích rút quy luật Kiểm tra mức độ phù hợp quy luật với điều kiện thực tế, ứng dụng phục vụ lợi ích ng−ời

Việc lặp lại t−ợng thuỷ văn phịng thí nghiệm thực mơ hình vật lý (nh−: dụng cụ Lizimet đo bốc thấm, mơ hình m−a nhân tạo bãi dịng chảy để nghiên cứu hình thành dịng chảy, xói mịn bề mặt ) song chi phí cho xây dựng mơ hình vật lý tốn Các mơ hình vật lý th−ờng phù hợp với khơng gian khơng q lớn ví dụ cơng trình đầu mối hệ thống thuỷ lợi, đập tràn cống ngầm, đoạn sông Khi không gian mở rộng tới hệ thống vài hồ chứa, vài trạm bơm hệ thống thuỷ nơng chi phí cho mơ hình vật lý tăng lên nhiều Lối thoát chọn tỷ lệ thu nhỏ, lối thoát thứ hai chọn tỷ lệ biến dạng Cả hai cách làm giảm mức độ xác kết tính tốn Ví dụ nghiên cứu t−ợng n−ớc lũ tràn qua đồng sơng Cửu Long, diện tích ngập lụt lên tới vạn km2, chiều dài dịng sơng tới 433 km chiều rộng từ 400 m tới 2000 m, chiều sâu ngập n−ớc có nơi tới 45 m nh−ng có nơi khơng tới 0.5 m, rõ ràng khơng thể xây dựng mơ hình vật lý cho khơng gian lớn nh− dù có chọn tỷ lệ biến dạng khơng thể biểu diễn đ−ợc mơ hình vật lý tốc độ n−ớc chảy 2,5 m/s sông tốc độ n−ớc chảy 0.05m/s tràn qua đồng Ch−a kể thu nhỏ mơ hình, làm giảm tốc độ chảy chuyển chế độ chảy rối thực tế thành chảy tầng mơ hình làm sai lạc hẳn kết tính tốn

Xuất phát từ khó khăn cịn cách lựa chọn dùng mơ hình Tốn

(7)

1- Ph¹m vi ứng dụng rộng rÃi, đa dạng với nhiều loại mô hình Mô hình toán phù hợp với không gian nghiên cứu rộng lớn nh quy hoạch thoát lũ cho lu vực sông, hệ thống sông, điều hành hệ thống công trình Thuỷ lợi, quản lý khai thác nguồn nớc lu vực sông

2- ứng dụng mô hình toán thuỷ văn giá thành rẻ cho kết nhanh mô hình vật lý

3- Việc thay đổi ph−ơng án mơ hình tính tốn thực nhanh chóng, đơn giản hiệu

Sự phát triển máy tính điện tử ph−ơng pháp tính tạo điều kiện thuận lợi cho phát triển mơ hình tốn, cấu trúc mơ hình ngày đa dạng, phức tạp, mô tả t−ợng sát thực t−ợng thủy văn Tuy nhiên mơ hình tốn phát triển nhanh, đa dạng có hiệu nh−ng khơng thể hồn tồn thay đ−ợc mơ hình Vật Lý Chính kết qủa đo đạc mơ hình Vật Lý giúp cho việc hiệu chỉnh thông số mô hình tốn đ−ợc xác hơn, chất vật lý t−ợng đ−ợc làm rõ Vì lý nên hai loại mơ hình đ−ợc phát triển song song thực tế Vì ng−ời sử dụng cần biết chọn loại mô hình tr−ờng hợp cụ thể cho kết xác giá thành hạ

Mô hình toán thuỷ văn hiểu theo nghĩa rộng cách mô tả tợng thuỷ văn biểu thức toán học Có nhiều loại mô hình toán khác nhau: loại mô tả hình thành dòng chảy sông, loại mô tả số lợng nớc mặt, loại mô tả số lợng nớc ngầm, loại mô tả hàm lợng bùn cát, loại mô tả chất lợng nớc, loại mô cách quản lý lu vực

1.2 Phân loại mô hình toán

Vic phõn loại mơ hình tốn thủy văn khơng thống mơ hình ln phát triển đa dạng, xây dựng mơ hình ng−ời ta ý nhiều tới khả áp dụng thuận tiện để giải tốt tốn thực tế đặt khơng ý tới xếp loại, ví dụ nên có mơ hình vừa giải tính tốn số l−ợng n−ớc vừa giải tính tốn chất l−ợng n−ớc nh− mơ hình tiêu n−ớc đô thị SWMM (Storm Water Managment Model)

Trên hình hai sơ đồ phân loại mơ hình toán thủy văn theo hai quan điểm khác nhau, nhiên phần lớn theo sơ đồ thứ Sau ta xem xét mơ hình tốn thuỷ văn phõn loi ny

1.2.1 Mô hình toán thủy văn ngẫu nhiên

(8)

toỏn thủy văn ngẫu nhiên tính tốn thủy văn Yevjevich V (Yevjevich V - 1976) [4] coi trình khí t−ợng thủy văn thuộc loại q trình có tính chất chu kỳ ngẫu nhiên Tính chu kỳ t−ợng thủy văn đ−ợc quy định chu trình thiên văn, cịn tính ngẫu nhiên bị chi phối biến đổi môi tr−ờng Trái đất Nhìn vào chuỗi thủy văn quan trắc đ−ợc dễ dàng nhận thấy chu kỳ thiên văn quy định chu kỳ t−ợng thủy văn với chu kỳ ngày, tháng, mùa, năm nhiều năm

Đặc điểm chu kỳ chuỗi khí t−ợng thủy văn th−ờng đ−ợc biểu thị mơ hình tốn d−ới dạng tham số nh− trị bình qn (giá trị kỳ vọng), tham số bậc hai (gồm hệ số t−ơng quan, khoảng lệch trung bình bình ph−ơng), tham số bậc ba (hệ số không đối xứng) Thành phần ngẫu nhiên th−ờng gọi nhiễu hay ồn nh− dạng nhiễu trắng (white noise)…

Trong mơ hình ngẫu nhiên có số giả thiết định Những giả thiết th−ờng đ−ợc khái quát, phát triển sở kinh nghiệm, thử nghiệm nghiên cứu chuỗi số liệu thủy văn (chuỗi dòng chảy ngày, chuỗi dòng chảy tháng, chuỗi dòng chảy năm…) từ đặc tính vật lý q trình nh− hiểu biết t−ợng thủy văn ng−ời xây dựng mơ hình

Mơ hình ngẫu nhiên -tất định

Mơ hình ngẫu nhiên Mơ hình tất nh

Mô hình nhận thức Mô hình hộp đen

Mô hình thông số tập trung Mô hình thông sè ph©n bè

Mơ hình động lực học

(9)

Hình Sơ đồ phân loại mơ hình tốn thủy văn

Nhìn chung mơ hình tốn thủy văn ngẫu nhiên dựa vào giả thiết tính dừng tính lơgíc chuỗi nghiên cứu

Theo Dawdy (Dawdy D.R -1969) [5] mơ hình tốn ngẫu nhiên thuỷ văn ph−ơng pháp t−ơng đối Sự khởi đầu tính từ Hazen chứng minh khả áp dụng lý thuyết xác suất, thống kê toán học vào phân tích chuỗi dịng chảy sơng ngịi (1914) Năm 1949 Krisski Menkel sử dụng mô hình Marcov để tính tóan q trình dao động mực n−ớc biển Kaspien (Liên Xô) [6]

Vào năm 60 kỷ tr−ớc xem nh− mơ hình tốn thủy văn ngẫu nhiên thức đ−ợc phát triển Năm 1962 Svanidze sử dụng ph−ơng pháp Konte – Carlo có xét đến mối quan hệ bậc chuỗi dòng chảy sơng ngịi Năm 1962, ch−ơng trình phát triển nguồn n−ớc Tr−ờng Đại học Havard (Thomas H.A Fiering M.B.) [7] sử dụng mơ hình tự hồi quy vào tạo chuỗi dịng chảy tháng phục vụ cho tính toán thiết kế hệ thống kho n−ớc Năm 1963 (Matalas N.C.) sử dụng mơ hình trung bình tr−ợt (moving average models) vào tính tóan dịng chảy từ trận m−a kỳ tr−ớc [8] Sau loạt mơ hình ngẫu nhiên khác đời đ−ợc ứng dụng vào tính tốn thủy văn, dự báo thủy văn (O’ Connel P.E -1977)[9]

Các mơ hình ngẫu nhiên làm cho vấn đề sử dụng trực tiếp dòng chảy đo đ−ợc khứ dự báo −ớc tính dịng chảy xảy t−ơng lai để tớnh

Mô hình chất lợng nớc Mô hình số lợng nớc

Mô hình nớc ngầm Mô hình nớc mỈt

Mơ hình tất định Mơ hình thống kê Mụ hỡnh truyn cht

Mô hình bùn cát

(10)

tốn xác định dung tích kho n−ớc tính tốn thiết kế điều hành khai thác nguồn n−ớc khơng cịn biện pháp Việc sử dụng chuỗi dòng chảy nhân tạo – kết việc ứng dụng mơ hình ngẫu nhiên khơng l−u vực thiếu tài liệu quan trắc mà tr−ờng hợp chuỗi quan trắc dài sử dụng để tính tốn kiểm tra đánh giá

Tóm lại mơ hình hóa tốn học ta tìm đ−ợc thể khác trình ngẫu nhiên nghiên cứu có khả xảy t−ơng lai Bởi vậy, lý thuyết điều tiết dòng chảy việc sử dụng mơ hình tốn thủy văn để dự báo, −ớc báo nguồn n−ớc có ý nghĩa quan trọng Với chuỗi dịng chảy −ớc báo mơ hình có tham số thống kê nhận đ−ợc từ từ chuỗi tài liệu thực đo cho phép nhà quy họch, thiết kế cơng trình sử dụng nguồn n−ớc xem xét đánh giá đ−ợc tổ hợp khác để tìm dung tích kho n−ớc hơp lý, ph−ơng án vận hành tối −u sử dụng nguồn n−ớc hệ thống

1.2.2 Mơ hình tốn thủy văn tất định

Mơ hình tốn tất định coi trình thủy văn kết tất nhiên yếu tố vật lý chủ yếu vai trò yếu tố ngẫu nhiên thể giao động chúng Từ góc độ lý thuyết hệ thống, mơ hình tốn tất định đ−ợc xây dựng giả thiết coi mối quan hệ l−ợng vào l−ợng hệ thống thủy văn (l−u vực sông hay đoạn sông…) đ−ợc xác đinh Nói cách khác, với đầu vào xác định có đầu t−ơng ứng xác định Phản ứng hệ thống đầu vào (cấu trúc mơ hình) đ−ợc mơ biểu thức tốn học, biểu thức lơgíc với tham số không chứa thành phần ngẫu nhiên

Các mơ hình thuỷ văn tất định dựa ph−ơng pháp tốn học sử dụng máy tính làm cơng cụ tính tốn cách tiếp cận đại tính tốn q trình dịng chảy l−u vực hệ thống sông Việc đời mô hình thuỷ văn tất định mở h−ớng cho tính tốn thuỷ văn, góp phần giải khó khăn số liệu thuỷ văn nh− nâng cao độ xác tính tốn cho quy hoạch thiết kế cơng trình thuỷ lợi, thuỷ điện, khắc phục số khó khăn mà ph−ơng pháp tính tốn thuỷ văn cổ điển ch−a giải đ−ợc

(11)

sự thay đổi, nh− xây dựng kho n−ớc điều tiết dòng chảy, phát triển khai thác rừng th−ợng nguồn…

Ph−ơng pháp mơ hình tốn tất định đời t−ơng đối sớm hình thành hai h−ớng nghiên cứu: h−ớng mơ hình tốn dạng hộp đen h−ớng mơ hình tốn dạng hộp xám (hay cịn gọi mơ hình nhận thức) Trong mơ hình nhận thức cịn phân mơ hình tham số tập trung mơ hình tham s phõn b

1.2.2.1 Mô hình toán hộp đen

Trong mơ hình hộp đen l−u vực đ−ợc coi hệ thống động lực Nhìn chung, cấu trúc mơ hình hộp đen hồn tồn tr−ớc Mối quan hệ l−ợng vào l−ợng hệ thống thể thông qua hàm truyền (hàm ảnh h−ởng, hàm tập trung n−ớc …) đ−ợc xác định từ tài liệu thực đo l−ợng vào l−ợng hệ thống

X (t) Q(t) Hình Sơ đồ mơ hình dạng hộp đen

Xuất phát từ lý thuyết hệ thống, hệ thống thủy văn thuộc hệ thống tuyến tính chúng thoả mãn nguyên lý "xếp chồng", nghĩa phản ứng hệ thống tổ hợp đầu vào t−ơng ứng với tổng phản ứng đầu vào riêng rẽ, thông số hệ thống phụ thuộc vào phản ứng hệ thống

Khi hàm ảnh h−ởng hệ thống đ−ợc xác định, để có q trình l−ợng mơ hình hộp đen phải tính tích phân chập Duhamel (hay cơng thức ngun dịng chảy) dạng:

Q(t) =

∫

t

d X t

u

) ( )

( θ θ θ (1-1)

Trong Q(t): L−u l−ợng hệ thống (dòng chảy l−u vực) X(r): L−ợng vào hệ thống (l−ợng m−a rơi l−u vực)

U(t): Hµm trun cđa hƯ thống (hàm ảnh hởng)

S khỏc gia cỏc mơ hình hộp đen đ−ợc phân biệt ph−ơng pháp xác định hàm truyền U(t) theo Q(t) X(t) quan trắc đ−ợc Trong thủy văn, th−ơng đề cập đến ph−ơng án xác định hàm ảnh h−ởng sau đây:

(12)

- Ph−ơng pháp đ−ờng chảy đẳng thời - Ph−ơng pháp giải toán ng−ợc

Hàm ảnh h−ởng mơ hình hộp đen mô tác động tổng hợp nhân tố ảnh h−ởng đến q trình m−a - dịng chảy l−u vực d−ới dạng ẩn tàng Nh− không xét đến mối quan hệ riêng rẽ nhân tố, đặc tính địa vật lý l−u vực Với dạng mơ hình ta xem xét, đánh giá cách thỏa đáng tác động thay đổi l−u vực tự nhiên hay ng−ời tạo Chính lẽ mơ hình dạng hộp đen phát huy đ−ợc vài loại toán thủy văn

Một mơ hình tốn thủy văn dạng hộp đen cịn dùng nhiều mơ hình đ−ờng l−u l−ợng đơn vị

Mơ hình đ−ờng l−u l−ợng đơn vị lần Sherman đ−a vào năm 1932 để tính tốn q trình dịng chảy mặt từ q trình m−a hiệu (l−ợng m−a sau khấu trừ tổn thất) Mơ hình đ−ợc ứng dụng phổ biến Mỹ n−ớc Tây Âu d−ới dạng thức khác Những giả thiết mô hình đ−ờng l−u l−ợng đơn vị tính chất tuyến tính tính bất biến theo thời gian

Việt Nam, với đặc điểm vùng khí hậu nhiệt đới ẩm gió mùa, có địa hình chia cắt mạnh, sơng ngịi th−ờng ngắn dốc tạo cho chế độ dòng chảy chịu chi phối chặt chẽ chế độ m−a, khả tập trung dòng chảy nhanh, dịng chảy lũ chủ yếu q trình chảy tràn s−ờn dốc… Những đặc điểm tạo điều kiện thuận lợi để áp dụng mơ hình đ−ờng l−u l−ợng đơn vị tính tốn thủy văn Qua số cơng trình nghiên cứu đánh giá khả ứng dụng mơ hình để tính tốn dịng chảy cho l−u vực nhỏ n−ớc ta cho thấy tính ổn định đ−ờng lũ đơn vị khơng cao Điều lý giải số giả thiết mơ hình bị vi phạm, chẳng hạn nh− giả thiết phân bố l−ợng m−a, l−ợng tổn thất toàn l−u vực Hiện mơ hình đ−ờng l−u l−ợng đơn cịn phát huy tác dụng tốn tính dòng chảy thiết kế cho l−u vực nhỏ

1.2.2.2 Mô hình nhận thức

T nhng hn ch mơ hình tốn hộp đen, nhiều nhà thủy văn cho đời mơ hình nhận thức (conceptual models) Về mặt cấu trúc, mơ hình nhận thức xếp vào vị trí trung gian mơ hình hộp đen mơ hình thủy lực (Dooge J.C.L.) [10]

(13)

phát từ hiểu biết nhận thức cách rõ ràng thành phần hệ thống thuỷ văn để tiếp cận hệ thống ph−ơng pháp mơ phỏng, thí dụ nh− mơ q trình tổn thất, q trình trữ n−ớc, q trình tập trung dịng chảy l−u vực sơng, từ xây dựng sơ đồ cấu trúc mơ hình để tính tốn dịng chảy l−u vực

Do phải đề cập, mô tốn học tất thành phần q trình thuỷ văn l−u vực l−u vực nên cấu trúc mơ hình nhận thức phức tạp nhiều so với mơ hình hộp đen mơ hình th−ờng có nhiều thơng số cần phải xác định

Có nhiều mơ hình nhận thức khác Sự khác mơ hình đ−ợc đánh giá qua sơ đồ cấu trúc mơ hình cách thức mô qui luật vật lý thành phần, mối quan hệ nhân tố hệ thống nghiên cứu Việc mô cụ thể thành phần bên hệ thống thuỷ văn làm cho mơ hình nhận thức tiếp cận tốt q trình hình thành dịng chảy l−u vực cịn đ−ợc gọi dạng mơ hình hộp xám (grey box model)

Cấu trúc mơ hình nhận thức dựa vào kết nghiên cứu quy luật hình thành vận động q trình thành phần hình thành dịng chảy hệ thống thủy văn Đó trình m−a, trình trữ n−ớc bề mặt, trình thấm, trình chảy tràn s−ờn dốc l−u vực, q trình chảy lịng dẫn… Các mơ hình nhận thức th−ờng tập hợp nhiều mơ hình thành phần

Trong mơ hình nhận thức, dựa vào đặc tính biểu thị tham số ta chia mơ hình loại mơ hình tham số tập trung mơ hình tham số phân phối Những mơ hình tham số tập trung th−ờng dùng ph−ơng trình vi phân th−ờng để diễn tả mối quan hệ l−ợng vào l−ợng hệ thống phụ thuộc vào thời gian Vì vậy, mơ hình tham số tập trung khơng xét đến phân bố l−ợng m−a, dịng chảy, tính chất thấm đất yếu tố thủy văn, khí t−ợng khác theo không gian, chúng đ−ợc thay giá trị bình qn theo diện tích, chúng hàm số thời gian Nói cách khác, tất đặc tr−ng l−u vực đ−ợc tập trung điểm Trong mơ hình tham số phân phối mô tả mối quan hệ yếu tố hệ thống ph−ơng trình vi phân đạo hàm riêng, nghĩa ph−ơng trình chứa biến thời gian không gian

(14)

hệ thống thủy văn họ muốn thay đổi phận hay toàn cấu trúc hệ Thí dụ nh− xây dựng kho n−ớc l−u vực hay lựa chọn giải pháp khai thác tài nguyên n−ớc cách tối −u

Trong năm gần mơ hình nhận thức phát triển nhanh số l−ợng chất l−ợng Nó góp phần đáng kể phát triển khoa học thủy văn Hiện nhiều n−ớc giới xây dựng ứng dụng rộng rãi thực tế nhiều mơ hình thuỷ văn tất định nhận thức Tại Việt Nam mơ hình nhận thức đ−ợc biết đến nghiên cứu ứng dụng rộng rãi kể từ sau ngày Miền Nam giải phóng thống đất n−ớc

Các mơ hình tất định nhận thức đ−ợc nghiên cứu ứng dụng có kết năm qua n−ớc ta bao gồm mơ hình thuỷ văn l−u vực mơ hình hệ thống sơng nh− mơ hình TANK, SSARR, NAM, HEC-HMS, MITSIM, MIKE BASIN, Các mơ hình đ−ợc ứng dụng để khôi phục chuỗi số liệu dòng chảy l−u vực từ m−a phục vụ cho quy hoạch nghiên cứu khả thi, thiết kế công trình hồ chứa phục t−ới phát điện; vận hành hệ thống cơng trình phịng lũ phát điện, tính tốn cân n−ớc hệ thống sơng,

Trong tính toán thủy văn nớc ta mô hình nhận thức thờng dùng mô hình SSARR (Rockwood D.M.) (11-92), mô hình TANK - (Sugawara M., Ozaki E., Watanabe I., Katsuyama Y.) [3], mô hình STANFORD (****), mô hình RRMOD - Railfall runoff models (Linsley R.K.) [13-79], mô hình NAM *****, mô hình USDAHL ****, mô hình HEC-HMS (*****), mô hình MITSIM (*****), mô hình MIKE BASIN (*****)

1.3 trình thực mô hình toán

Để ứng dụng mô hình toán vào toán thực tế ta cần thực theo bớc sau:

l Lựa chọn mô h×nh øng dơng,

2 Thu thập phân tích chuẩn bị số liệu đầu vào mơ hình, Hiệu chỉnh xác định thơng số mơ hình,

4 Kiểm định mơ hình, ứng dụng mơ hình,

6 Đánh giá kiểm tra tính hợp lý kết ứng dụng mô hình 1.3.1 Chọn mô hình øng dông

(15)

- Tr−ớc hết ta phải dựa vào nhiệm vụ toán đặt ra, ví dụ ta cần nghiên cứu tính tốn dòng chảy năm, phân phối dòng chảy năm l−u vực cho toán xây dựng hồ chứa, hay ta cần tính tốn q trình l−u l−ợng lũ lớn

- Dựa vào sở tài liệu đối t−ợng nghiên cứu, - Dựa vào kinh nghiệm ng−ời sử dụng mơ hình,

Tóm lại để lựa chọn mơ hình ứng dụng thực tế, tốt nên chọn số mơ hình mà ng−ời ứng dụng có hiểu biết đầy đủ, ứng dụng thử nghiệm có kết Nếu chọn mơ hình mà thân ng−ời sử dụng có nhiều kinh nghiệm ứng dụng thuận lợi ứng dụng dễ đạt đ−ợc kết Tuy nhiên, lựa chọn mơ hình cần ý đến phạm vi ứng dụng mơ hình, xem có phù hợp với tốn điều kiện l−u vực tính tốn hay khơng (thí dụ nh− l−u vực nhỏ hay l−u vực lớn, l−u vực vùng ẩm ớt hay vùng khô hạn, ), u cầu tài liệu đầu vào mơ hình có khả đáp ứng hay khơng Nên chọn mơ hình có số thơng số mơ hình cần xác định vừa phải, có thơng số chủ yếu, có độ nhạy cao

1.3.2 Thu thËp vµ chØnh lý số liệu đầu vào mô hình

Đối với l−u vựcc sông thông số vật lý biểu thị đặc tính vủa l−u vực hứng n−ớc nh− diện tích, chiều dài, độ rộng l−u vực, mạng l−ới sông, mật độ l−ới sông, thông số biểu thị bề mặt l−u vực nh− độ dốc, tỉ lệ che phủ từng, điều kiện canh tác, mức độ ao hồ,… Các thông số coi nh− xác định khoảng thời gian tính tốn th−ờng đại biểu cho l−u vực, chúng th−ờng xác định thông qua đo đạc đồ kết hợp với kết điều tra thực địa sử dụng phần mền GIS để xác định Số thông số vật lý cần thiết tuỳ thuộc vào mơ hình cụ thể chọn

Mỗi mơ hình tốn thủy văn ứng dụng ngồi thơng số vật lý l−u vực nêu địi hỏi tài liệu khí t−ợng thủy văn Để đáp ứng số liệu cần, l−u vực vừa lớn th−ờng cần số liệu m−a số trạm đo định phân bố tất khu vực l−u vực sông, khu vực trung th−ợng l−u nơi có khả sản sinh dịng chảy nhiều nhất, ngồi sử dụng số trạm m−a nằm xung quanh l−u vực Tiến hành thu thập số liệu đầu vào nh− số liệu m−a dòng chảy trạm l−u vực để sử dụng cho việc hiệu chỉnh thông số kiểm định thông số mô hình nh− để tính tốn sau có thông số đ−ợc kiểm định

(16)

Một điểm cần lứu ý phải đánh giá tính đại biểu trạm đo m−a, chất l−ợng số liệu thực m−a dòng chảy, ph−ơng pháp chỉnh lý tài liệu tr−ớc ứng dụng mô hình

1.3.3 Hiệu chỉnh - xác định thơng số mơ hình

Trong mơ hình tốn thủy văn, thông số đ−ợc dùng để biểu thị nhân tố quan hệ nhân tố ảnh h−ởng đến q trình dịng chảy mơ mơ hình, bao gồm thơng số vật lý thơng số q trình

Các thơng số vật lý thông số biểu thị đặc điểm địa lý tự nhiên l−u vực nh− nói trên, cịn thơng số q trình thơng số dùng mơ q trình hình thành dịng chảy thành phần mơ hình tốn, bao gồm thơng số tính tốn m−a, bốc hơi; thơng số biểu thị q trình tổn thất thấm, điền trũng; tính tốn thành phần dòng chảy (mặt, sát mặt, dòng chảy ngầm), thông số tập trung n−ớc s−ờn dốc sông

Trong số tr−ờng hợp định số q trình xác định thơng qua đo đạc thực nghiệm, thí dụ nh− thơng số tổn thất thấm xác định thơng qua đo đạc thí nghiệm thấm , nhiên, phần lớn thơng số q trình đ−ợc xác định thơng qua b−ớc hiệu chỉnh thơng số mơ hình sở hiệu chỉnh dần giá trị chúng cho trình dịng chảy tính tốn phù hợp với q trình dịng chảy thực đo, thơng số đ−ợc xác định ph−ơng pháp dị tìm tối −u

Trong mơ hình tất định th−ờng thơng số q trình nhận giá trị khoảng giới hạn biến đổi thơng số phù hợp với quy luật diễn biễn thực tế Nếu xác định giá trị thông số v−ợt giá trị giới hạn thân thơng số khơng cịn đảm bảo ý nghĩa vật lý nữa, điều ảnh h−ởng không tốt đến kết mô mô hình Nói chung phần lớn thơng số mơ hình th−ờng nhận giá trị số, nh−ng số mơ hình chúng nhận giá trị dạng bảng quan hệ hai nhiều biến số, thí dụ nh− thơng số dạng bảng mơ hình SSARR

Một mơ hình thủy văn tất định tuỳ theo cấu trúc ph−ơng pháp mô mơ hình mà có nhiều hay thơng số q trình Với mơ hình nhiều thơng số việc xác định chúng phức tạp phản ứng đ−ờng q trình tính tốn ảnh h−ởng tổng hợp nhiều thông số tạo nên

(17)

thấy đ−ờng q trình tính tốn thay đổi thơng số phụ hay thơng số không nhạy Để hiệu chỉnh thông số đ−ợc thuận lợi, ng−ời ứng dụng cần nắm vững ý nghĩa vật lý, phạm vi biến đổi thông số nh− ảnh h−ởng chúng tới qua trình dịng chảy tính tốn, nhóm thơng số chủ yếu

Kết mô mô hình đ−ợc đánh giá khơng giá trị riêng biệt thông số, mà tổ hợp thông số (hay thông số) cuối đ−ợc lựa chọn Rõ ràng với mơ hình nhiều thơng số chọn tổ hợp trở nên khó khăn q trình hiệu chỉnh lựa chọn thơng số Theo quan điểm ứng dụng, việc giảm tối thiểu thống số q trình mơ hình nh−ng đảm bảo đ−ợc hiệu mơ mơ hình ph−ơng h−ớng nh− yêu cầu mà xây dựng mơ hình phải xem xét

Hiệu chỉnh thơng số mơ hình xác định giá trị thơng số mơ tốt q trình dịng chảy mặt cắt cửa l−u vực sông Khi hiệu chỉnh xác định thơng số mơ hình phải chọn thời khoảng có đầy đủ số liệu thực đo m−a dòng chảy làm sở hiệu chỉnh, gọi khoảng thời gian cho hiệu chỉnh thông số Các số liệu m−a dịng chảy cho hiệu chỉnh thơng số cần đảm bảo độ xác đo đạc, đ−ợc chỉnh lý tốt, đủ tin cậy sử dụng

Nói chung hiệu chỉnh thống sơ mơ hình thủy văn tất định nhận thức th−ờng dùng ph−ơng pháp thử sai ph−ơng pháp dị tìm thơng số ti u

a Phơng pháp thử sai

Ph−ơng pháp thử sai dựa việc tính thử kiểm tra sai số nhiều lần đ−ợc dùng phổ biến để hiệu chỉnh thống số mơ hình thủy văn tất định nhận thức Việc thử sai đ−ợc tiến hành theo b−ớc sau đây:

- Giả thiết giá trị ban đầu thông số cần hiệu chỉnh dựa vào phân tích chất vật lý nh− đặc tính q trình dịng chảy l−u vực ứng dụng, đặc tính giới hạn biến đổi thông số kinh nghiệm ứng dụng ng−ời tính tốn

- Chạy ch−ơng trình mơ hình để tìm q trình dịng chảy tính tốn xác định độ xác mơ với thơng số mơ hình giả thiết b−ớc thơng qua tiêu chuẩn đánh giá độ xác mơ hình

- Phân tích điểm phù hợp khơng phù hợp hai q trình dịng chảy thực đo tính tốn, từ theo kinh nghiệm tìm thơng số mơ hình giả thiết ch−a hợp lý (thiên lớn thiên nhỏ) dự kiến thay đổi giá trị thông số lần hiệu chỉnh sau

(18)

thảo mãn tiêu chuẩn đánh giá độ xác mơ hình, nh− ta đ−ợc thống số mơ hình cho l−u vực ứng dụng

Ph−ơng pháp thử sai phụ thuộc nhiều vào kinh nghiệm ng−ời hiệu chỉnh thông số mô hình Vịng tính hay số lần thử sai đ−ợc lặp lại nhiều lần kết mô thoả mãn u cầu độ xác dừng

Ph−ơng pháp cho phép ng−ời ứng dụng sử dụng kinh nghiệm am hiểu mơ hình, đặc điểm chế độ thuỷ văn l−u vực sơng, q trình hình thành vận động quy luật thủy văn, thông số mơ tả quy luật để nhanh chóng h−ớng tới kết cuối Vận dụng tốt ph−ơng pháp thử sai đạt đ−ợc kết mơ dịng chảy khơng thua ph−ơng pháp hiệu chỉnh thơng số mơ hình khác

Tuy nhiên, kết ứng dụng mơ hình theo ph−ơng pháp thử sai phần bị ảnh h−ởng mức độ định tính chủ quan ng−ời ứng dụng mơ hình Đối với ng−ời am hiểu mơ hình ch−a có kinh nghiệm ứng dụng, q trình thử sai nhiều thời gian thông số lựa chọn khơng thể tránh khỏi có hạn chế so với kết ng−ời ứng dụng có nhiều kinh nghiệm

Hiệu chỉnh thơng số theo ph−ơng pháp thử sai cần ý số điểm sau: - Để chóng đạt đ−ợc kết hiệu chỉnh thơng số mơ hình, ng−ời tính tốn phải hiểu rõ lý thuyết mơ hình, cách mơ thành phần quy luật hình thành dịng chảy l−u vực sơng (chủ yếu ph−ơng trình thơng số), mức độ ảnh h−ởng thông số tới q trình tính tốn, thơng số

- Tr−ớc hiệu chỉnh, cần phải phân tích tìm hiểu đặc tính hệ thống thực tế thơng qua phân tích định tính quan hệ thực đo hàm vào, hàm (với l−u vực, quan hệ m−a - dịng chảy), đặc tính l−u vực mức độ tham gia thành phần dịng chảy q trình dịng chảy tổng cộng cửa Đánh giá ảnh h−ởng thơng số vật lý l−u vực đến dịng chảy Các phân tích làm sở để chọn giá trị thơng số ban đầu mơ hình hay diểm xuất phát thử sai Ngoài cần tham khảo kết ứng dụng mơ hình (nếu có) l−u vực xung quanh điều kiện khí hậu, tìm giới hạn thực tế thông số tổ hợp chúng

(19)

- Nên áp dụng nguyên tắc thử dần phản ứng với thơng số q trình thử sai, đặc biệt với thông số chủ yếu Theo cách này, thơng số phụ ảnh h−ởng có độ nhạy đ−ợc chọn giá trị định qua q trình phân tích tiếp cận b−ớc Việc hiệu chỉnh hay thử sai thông số nên tiến hành với thông số trình chính, cách thay đổi giá trị giả thiết giữ ngun giá trị thơng số khác không đổi Khi thông số đạt đ−ợc phù hợp tiếp tục thử sai sang thơng số khác để nâng cao kết mô

- Việc điều chỉnh thơng số q trình làm thay đổi hình dạng q trình dịng chảy tính tốn hay làm thay đổi độ lớn thành phần dòng chảy, mức độ điều tiết l−u vực Cần nắm vững thơng số q trình làm thay đổi đặc tính hay phần đ−ờng q trình dịng chảy tính tốn (đỉnh, chân, ), từ điều chỉnh cho hợp lý tiến hành thử sai

Việc điều chỉnh thông số biểu thị hàm vào nh− thay đổi hệ số tỷ trọng trạm m−a tính m−a bình qn l−u vực nhằm khắc phục tính khơng đại biểu vị trí trạm đo m−a vùng l−u vực, qua đ−a l−ợng m−a bình qn l−u vực tính tốn xấp xỉ với giá trị thực tế l−u vực sơng, từ điều chỉnh tổng l−ợng dịng chảy tính tốn từ mơ hình gần với tổng l−ợng dịng chảy thực hình thành l−u vực Việc điều chỉnh thông số hiệu chỉnh hàm vào nên tiến hành sau hiệu chỉnh t−ơng đối tốt thơng số q trình khác mơ hình để nâng cao hiệu mơ tổng l−ợng dịng chảy

- Trong q trình hiệu chỉnh thơng số mơ hình thuỷ văn tất định ng−ời hiệu chỉnh phải tạo đ−ợc cân dịng chảy tồn mơ hình, đặc biệt cân dịng chảy vào bể chứa n−ớc mặt, n−ớc sát mặt tầng chứa n−ớc ngầm Có nh− kết khơi phục dịng chảy ởb−ớc sau đảm bảo đ−ợc tính quy luật nâng cao độ chớnh xỏc

b Phơng pháp dò tìm thông sè tèi −u

Ph−ơng pháp dị tìm thông số tối −u đ−ợc ứng dụng nhiều mơ hình thuỷ văn tất định khắc phục đ−ợc tính chủ quan ph−ơng pháp thử sai, nhanh chóng đạt đ−ợc kết mong muốn nhờ ứng dụng máy tính có tốc độ tính tốn nhanh

(20)

Theo ph−ơng pháp với lần chạy ch−ơng trình tìm đ−ợc giá trị hàm mục tiêu F Nếu chạy nhiều lần giá trị hàm mục tiêu F biểu diễn biểu đồ miền tổ hợp biến đổi thơng số mơ hình Q trình dị tìm tối −u cố gắng tìm đỉnh cao hàm F số nhiều đỉnh xuất miền biến đổi thông s

Quá trình dò tìm tối u điểm xuất phát, thí dụ điểm (x01,x

2) vùng biến đổi hai thông số xl, x2, lần tính tốn mơ đ−ợc giá trị hàm mục tiêu F Việc dò tìm thơng số tối −u thực chất dùng ph−ơng pháp kỹ thuật để tăng hay giảm giá trị thông số đ−ợc xem xét

l-−ợng định cho hàm mục tiêu thay đổi theo h−ớng có lợi nhất, nói cách khác hàm mục tiêu lần tính sau lớn lần tính tr−ớc Tuỳ theo quan điểm dị tìm thay đổi thơng số mà hình thành ph−ơng pháp dị tìm tối −u khác

Khi dùng ph−ơng pháp dị tìm thông số tối −u cần ý điểm sau: - Trong miền biến đổi hàm mục tiêu F có cực trị nhỏ FMAX, gọi cực trị địa ph−ơng Trong trình dị tìm, có ph−ơng pháp tối −u rơi vào cực trị địa ph−ơng khơng thể nổi, tr−ờng hợp cần cần chọn điểm xuất phát khác so sánh kết nhiều lần chạy tối −u để chọn kết cuối

- Đối với mơ hình có nhiều thơng số tối −u thơng số chủ yếu có độ nhạy cao, thơng số khác giả thiết xác định theo cách khác

1.3.4 Kiểm định mơ hình

Kiểm định mơ hình b−ớc cần thiết nhằm mục đích đánh giá lại xem thông số xác định có đảm bảo sử dụng đ−ợc thực tế hay khơng tr−ớc sử dụng chúng để tính tốn áp dụng

Để kiểm định mơ hình, cần chọn số năm có đủ số liệu thực đo m−a dòng chảy nh− giai đoạn hiệu chỉnh thông số, số liệu không nằm số liệu sử dụng để xác định thơng số mơ hình Sử dụng thơng số xác định cho mơ hình tiến hành tính tốn q trình dịng chảy so sánh với q trình thực đo qua đánh giá kết mơ đạt đ−ợc Nếu q trình dịng chảy thực đo tính toán b−ớc kiểm định phù hợp đảm bảo độ xác mơ coi thơng số mơ hình xác định đảm bảo yêu cầu, nh− yên tâm sử dụng mơ hình với thơng số xác định để tính tốn dịng chảy cho l−u vực b−ớc sau