Trong nghiên cứu này các mô hình hồi quy tuyến tính đa biến với các hệ số được xác định qua phương pháp bình phương tối thiểu (MLR), phương pháp độ lệch tuyệt đối nhỏ nhất (LAD), phương pháp minimax (LMV) và mô hình mạng thần kinh nhân tạo (ANN) được ứng dụng để thử nghiệm dự báo hạn 6 tháng số lượng xoáy thuận nhiệt đới hoạt động trên khu vực Biển Đông.
Kỷ yếu Hội nghị: Nghiên cứu “Khoa học Trái đất Môi trường” DOI: 10.15625/vap.2019.000135 THỬ NGHIỆM DỰ BÁO HẠN MÙA SỐ LƯỢNG XOÁY THUẬN NHIỆT ĐỚI HOẠT ĐỘNG TRÊN KHU VỰC BIỂN ĐÔNG BẰNG PHƯƠNG PHÁP THỐNG KÊ Đinh Bá Duy1, Ngô Đức Thành2, Phan Văn Tân3* Trung tâm Nhiệt đới Việt Nga, Bộ Quốc phòng, Email: duydb.vrtc@gmail.com Trường Đại học Khoa học Công nghệ Hà Nội (USTH), Viện Hàn lâm Khoa học Công nghệ Việt Nam (VAST) Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội TĨM TẮT Trong nghiên cứu mơ hình hồi quy tuyến tính đa biến với hệ số xác định qua phương pháp bình phương tối thiểu (MLR), phương pháp độ lệch tuyệt đối nhỏ (LAD), phương pháp minimax (LMV) mơ hình mạng thần kinh nhân tạo (ANN) ứng dụng để thử nghiệm dự báo hạn tháng số lượng xoáy thuận nhiệt đới hoạt động khu vực Biển Đông Qua khảo sát 24 số khí hậu nghiên cứu lựa chọn 10 số làm nhân tố dự báo Kết đánh giá sai số dự báo cho thấy số liệu phụ thuộc, mơ hình ANN cho kết tốt nhất, tiếp đến mơ hình MLR, LAD mơ hình LMV Mặc dù vậy, việc kiểm nghiệm dự báo số liệu độc lập (2011-2017) lại mơ hình LAD cho kết phù hợp nhất, MLR LMV Sai số dự báo mơ hình ANN q khác tập số liệu phụ thuộc độc lập liên quan đến khác biệt tính chất biến động theo thời gian hai chuỗi số liệu cần khảo sát sâu Từ khoá: Dự báo mùa, xốy thuận nhiệt đới, Biển Đơng, dự báo thống kê GIỚI THIỆU Hiện nay, với biểu bất thường hệ thống thời tiết khí hậu đặc biệt tượng thời tiết cực đoan bão, tố lốc… tốn dự báo hạn mùa bão, áp thấp nhiệt đới (XTNĐ) vấn đề nhiều nhà khoa học, nhà quản lý nước quan tâm kết có ý nghĩa ứng dụng thiết thực hoạt động kinh tế xã hội an ninh quốc phòng Cơ sở vật lý để đưa thơng tin ước tính tương lai xa xuất phát từ tính dự báo tín hiệu/yếu tố đại dương qui mơ thời gian mùa đến qui mô nhỏ bề mặt lục địa khí [1] Điểm mấu chốt toán dự báo mùa tượng tương tác đại dương - khí tượng El Niđo ví dụ xảy vùng Thái Bình Dương nhiệt đới dự báo trước đến tháng xa [2], [3] Thời hạn dự báo hạn mùa thường từ qui mô tháng năm tùy thuộc yếu tố dự báo, hạn dự báo phổ biến 1, 3, tháng Nhiều nghiên cứu ra, tương tác khí đại dương đóng vai trị quan trọng việc điều khiển chi phối hồn lưu khí [4] Do vậy, yếu tố nhiệt độ mặt nước biển (SST) trình vật lý khác bề mặt trái đất ảnh hưởng nhiều tới kết dự báo hạn mùa so với điều kiện ban đầu khí Trên qui mơ tồn cầu, thay đổi yếu tố SST nguyên nhân dẫn đễn thay đổi khí hậu từ năm sang năm khác Đáng ý, vùng nhiệt đới, dị thường SST liên quan đến hoạt động đối lưu sâu điều khiển phần lớn hồn lưu khí tồn cầu yếu tố thành phần quan trọng toán dự báo hạn mùa [5] Như vậy, xuất phát từ chất việc giải toán dự báo mùa thường tiếp cận theo phương pháp thống kê [6], [7], [8], [9], [10], [11] Nghiên cứu tiếp cận phương pháp thống kê để xây dựng phương trình dự báo hạn mùa số lượng XTNĐ hoạt động khu vực Biển Đông (BĐ) 284 Kỷ yếu Hội nghị: Nghiên cứu “Khoa học Trái đất Môi trường” SỐ LIỆU VÀ PHƯƠNG PHÁP Nghiên cứu khảo sát để lựa chọn nhân tố dự báo từ 24 số khí hậu giai đoạn 1981-2017, cập nhật website NOAA JMA (Bảng 1) Yếu dự báo số lượng XTNĐ hoạt động tháng tiếp sau khu vực BĐ tính tốn từ số liệu XTNĐ JMA Tất số liệu chuẩn bị cho giai đoạn dự báo phụ thuộc 1981-2010 cho giai đoạn dự báo độc lập 2011-2017 Bảng Các số khí hậu khảo sát lựa chọn nhân tố dự báo TT Chỉ số Mơ tả Niđo SST vùng nhiệt đới Đơng Thái Bình Dương (5N-5S, 150W-90W) QBO Dao động tựa năm CPC_SOI Chỉ số dao động Nam Niño Chỉ số SST vùng nhiệt đới trung tâm Thái Bình Dương (5N-5S, 160E-150W) REQSOI Dị thường chuẩn hóa dao động Nam vùng xích đạo WPAC850 Gió tín phong mực 850 mb khu vực Tây Thái Bình Dương (5N-5S, 135E-180W) DMI Chỉ số dao động lưỡng cực (Dipole Mode Index) U200_IN Gió vĩ hướng mực 200mb khu vực 5ºN-5ºS; 80-100ºE NP Áp suất mực biển khu vực Bắc Thái Bình Dương (30N-65N, 160E-140W) 10 RINDO_SP Dị thường chuẩn hóa khí áp mực biển vùng xích đạo gần khu vực Indonesia LA 11 WP Chỉ số Tây Thái Bình Dương (Western Pacific Index) 12 SOLAR Chỉ số dòng lượng mặt trời (Solar Flux - 10.7cm) 13 AMM Chỉ số Mod kinh hướng Đại Tây Dương (Atlantic Meridional Mode) 14 MEI V2 Chỉ số ENSO đa biến phiên (Multivariate ENSO Index, V2) 15 AMO Dao động đa thập kỷ Đại Tây Dương (Atlantic multidecadal Oscillation) 16 OLR-MC Chỉ số phát xạ sóng dài khu vực 5N-5S, 110-135ºE 17 NAO Dao động Bắc Đại Tây Dương (North Atlantic Oscillation) 18 ONI Chỉ số Niño Đại Dương 19 OLR-PH Chỉ số phát xạ sóng dài khu vực 5N-5S, 110-140ºE (theo JMA) 20 Niđo 1+2 Chỉ số SST Đơng Thái Bình Dương (vùng Niđo 1+2; 0-10S, 90W-80W) 21 TNI Chỉ số khuynh hướng Niño hay số Niño-chuyển dịch (Trans-Niño Index) 22 Niño 3.4 Chỉ số SST trung tâm Thái Bình Dương vùng Niđo 3.4 (5N-5S, 170E-120W) 23 PNA Chỉ số Bắc Mỹ Thái Bình Dương (Pacific North American Index) 24 TSA Chỉ số Nam Đại Tây Dương nhiệt đới (Tropical Southern Atlantic Index) Phương pháp thống kê sử dụng nghiên cứu này, theo số lượng XTNĐ độ hoạt động khu vực BĐ xây dựng từ mơ hình hồi quy tuyến tính nhiều biến có dạng: ∑ (1) 285 Hồ Chí Minh, tháng 11 năm 2019 Trong y yếu tố dự báo (số lượng XTNĐ tháng tới), nhân tố dự báo, hệ số hồi quy xác định theo ba phương pháp khác nhau: 1) Phương pháp bình phương tối thiểu (MLR): ∑ ∑ ( ) (2) 2) Phương pháp độ lệch tuyệt đối nhỏ (LAD): ∑ | ∑ | (3) 3) Phương pháp minimax (LMV): ( | ∑ | ) (4) Trong công thức từ (2) đến (4) trên, , tương ứng giá trị quan trắc thứ i (i=1, 2, , n) yếu tố dự báo y nhân tố dự báo (j=1, 2, ,m) Ứng với phương pháp xác định hệ số hồi quy trên, để giản tiện thống nghiên cứu kết quy ước tên gọi tương ứng mơ hình MLR, mơ hình LAD mơ hình LMV Bên cạnh mơ hình truyền thống kể trên, nghiên cứu cịn thử nghiệm với mơ hình mạng thần kinh nhân tạo (mơ hình ANN) với cấu trúc gồm lớp đầu vào, lớp ẩn lớp đầu Các neuron hai lớp kề có liên kết với thông qua trọng số, neuron lớp hai lớp không kề liên kết với Kết dự báo đánh giá qua sai số trung bình (ME), sai số tuyệt đối trung bình (MAE), sai số bình phương trung bình (RMSE) hệ số tương quan (Corr) giá trị dự báo quan trắc KẾT QUẢ VÀ THẢO LUẬN Hình mơ tả mức độ tương quan trễ từ 12 tháng 24 số khí hậu với số lượng XTNĐ hoạt động khu vực Biển Đơng Kết hình cho thấy số có mức độ tương quan tốt Niño 3, QBO, Niño 4, WPC850, DMI, NP, AMM, AMO, Niño 1+2, Niño 3.4 Với 10 số khí hậu có tương quan tốt 24 số khảo sát, nghiên cứu tiến hành xây dựng phương trình dự báo số lượng XTNĐ tháng tiếp sau theo phương pháp thống kê (mục 2) Kết đánh gía sai số phương trình dự báo số liệu phụ thuộc (1981-2010) số liệu độc lập (2011-2017) trình bày bảng Bảng cho thấy mơ hình mơ tốt số lượng XTNĐ khu vực BĐ Sai số trung bình (ME) nhỏ, phổ biến 0.3 cơn, tương quan kết dự báo quan trắc dao động khoảng 0.5 - 0.7, sai số tuyệt đối trung bình 1.0 mơ hình ANN gần đạt mức lý tưởng (sai số gần 0) Hình Hệ số tương quan số lượng TCs số khí hậu Chỉ số đánh giá sai số dự báo số liệu độc lập (bảng 3) cho thấy mơ hình có xu hướng dự báo thấp so với thực tế Sai số trung bình (ME) mơ hình MLR, LMV LAD 286 Kỷ yếu Hội nghị: Nghiên cứu “Khoa học Trái đất Môi trường” nằm khoảng từ đến cơn, sai số tuyệt đối trung bình khoảng 2.0 Mơ hình ANN cho sai số lớn Bảng Chỉ số đánh giá sai số dự báo mơ hình số liệu phụ thuộc (giai đoạn 1981-2010) Tháng MLR LAD LMV ANN dự báo ME MAE RMSE Corr ME MAE RMSE Corr ME MAE RMSE Corr ME MAE RMSE Corr 0,0 1,2 1,5 0,5 0,1 1,1 1,6 0,5 0,1 1,5 1,6 0,4 0,0 0,0 0,0 1,0 0,0 1,3 1,6 0,5 0,2 1,2 1,9 0,4 0,0 1,8 2,1 0,3 0,0 0,0 0,0 1,0 0,0 1,3 1,5 0,6 0,3 1,1 1,8 0,5 -0,1 1,5 1,7 0,5 0,0 0,0 0,0 1,0 0,0 1,2 1,6 0,7 0,0 1,2 1,8 0,7 0,2 1,8 2,0 0,5 0,0 0,0 0,0 1,0 0,0 1,1 1,6 0,7 -0,1 1,0 1,7 0,6 -0,1 1,9 2,2 0,4 0,0 0,0 0,0 1,0 0,0 1,1 1,4 0,7 -0,1 1,0 1,5 0,6 -0,1 1,5 1,8 0,6 0,0 0,0 0,1 1,0 0,0 1,1 1,4 0,6 -0,2 1,0 1,5 0,6 0,3 1,4 1,6 0,5 0,0 0,0 0,0 1,0 0,0 1,1 1,4 0,7 0,3 1,0 1,6 0,6 0,2 1,4 1,5 0,6 0,0 0,0 0,0 1,0 0,0 1,3 1,5 0,6 0,0 1,1 1,8 0,5 0,3 1,5 1,7 0,5 0,0 0,0 0,0 1,0 10 0,0 1,1 1,4 0,5 0,0 1,0 1,5 0,4 0,8 1,7 1,9 0,2 0,0 0,0 0,0 1,0 11 0,0 0,7 0,9 0,6 0,0 0,6 1,0 0,5 0,5 1,1 1,2 0,4 0,0 0,0 0,0 1,0 12 0,0 0,8 0,9 0,6 -0,1 0,7 1,1 0,4 0,0 0,9 1,0 0,5 0,0 0,0 0,0 1,0 Bảng Chỉ số đánh giá sai số dự báo mơ hình số liệu độc lập (giai đoạn 2011-2017) MLR LAD LMV ANN Tháng dự báo ME -1,9 1,9 2,4 -2,1 2,2 2,6 -1,4 1,8 2,1 -3,1 3,1 3,4 -1,9 2,3 3,0 -3,3 3,7 4,4 -3,1 3,1 3,9 -0,3 2,5 3,1 -1,6 2,4 3,3 -2,6 3,1 4,1 -1,9 2,9 3,8 -1,3 2,9 3,4 -1,3 3,0 3,7 -1,8 4,0 4,6 -1,0 2,9 3,5 -2,7 4,4 5,4 -1,1 3,4 4,5 -1,1 3,7 4,8 -1,3 3,1 4,2 0,7 5,4 5,8 -0,9 3,9 4,7 -0,8 3,9 4,9 -1,7 4,0 4,9 -1,3 3,3 4,6 -0,5 2,5 3,1 -0,6 2,6 3,1 0,2 2,3 2,6 -0,9 2,8 3,7 -1,1 1,7 2,3 -0,8 2,1 2,6 -0,6 2,0 2,3 -0,5 2,3 3,3 -1,3 2,1 2,4 -1,9 2,5 3,2 -0,9 1,9 2,1 0,0 2,0 2,6 10 -0,6 1,8 1,9 -0,9 1,9 2,1 -0,4 1,3 1,5 -0,1 1,0 1,2 11 -0,3 1,6 1,8 -0,1 1,7 1,8 0,2 1,9 2,0 -0,9 1,6 2,1 12 -0,6 1,3 1,5 -0,8 1,0 1,3 -0,4 1,4 1,8 -1,6 1,6 2,1 MAE RMSE ME MAE RMSE ME MAE RMSE ME MAE RMSE 287 Hồ Chí Minh, tháng 11 năm 2019 KẾT LUẬN Các kết nghiên cứu bước đầu khả dự báo hạn mùa số lượng XTNĐ hoạt động khu vực BĐ việc sử dụng mơ hình thống kê MLR, LAD, LMV ANN với nhân tố dự báo số khí hậu Đánh giá sai số dự báo cho thấy số liệu luyện mơ hình ANN cho kết tốt nhất, tiếp đến mơ hình MLR, LAD mơ hình LMV, kiểm nghiệm dự báo độc lập (2011-2017) mơ hình ANN cho kết nhất, kết tốt theo thứ tự thống kê mơ hình LAD, MLR LMV TÀI LIỆU THAM KHẢO [1] Palmer T N., Anderson D L T (1994), The prospects for seasonal forecasting -A review paper, Quarterly Journal of the Royal Meteorological Society, 120(518), pp 755–793 [2] Jin E K., Kinter J L., Wang B., Park C.-K., Kang I.-S., Kirtman B P., Kug J.-S., Kumar A., Luo J.-J., Schemm J., Shukla J., Yamagata T (2008), Current status of ENSO prediction skill in coupled oceanatmosphere models, Clim Dyn., 31(6), pp 647–664 [3] Weisheimer A., Doblas‐ Reyes F J., Palmer T N., Alessandri A., Arribas A., Déqué M., Keenlyside N., MacVean M., Navarra A., Rogel P (2009), ENSEMBLES: A new multi-model ensemble for seasonal-to-annual predictions - Skill and progress beyond DEMETER in forecasting tropical Pacific SSTs, Geophys Res Lett., 36(21), pp 1–6 [4] Wang S W., Zhu J H (2001), A review on seasonal climate prediction, Advances in Atmospheric Sciences, 18(2), pp 197–208 [5] Stockdale T N (2000), An overview of techniques for seasonal forecasting, Stochastic Environmental Research and Risk Assessment, 14(4), pp 0305–0318 [6] Landsea C W., Bell G D., Gray W M., Goldenberg S B (2002), The Extremely Active 1995 Atlantic Hurricane Season: Environmental Conditions and Verification of Seasonal Forecasts, Mon Weather Rev., 126(5), pp 1174–1193 [7] Landsea C W., Gray W M., Mielke P W., Berry K J (1994), Seasonal forecasting of Atlantic hurricane activity, Weather, 49(8), pp 273–284 [8] Gray W M., Landsea W C., Mielke Jr P W., Berry K J (1993), Predicting Atlantic Basin Seasonal Tropical Cyclone Activity by June, Wea Forecast., vol 9, pp 103–115 [9] Nicholls N., Landsea C., Gill J (1998), Recent trends in Australian region tropical cyclone activity, Meteorol Atmos Phys., 65(3–4), pp 197–205 [10] Elsner J B., Liu K., Kocher B (2000), Spatial variations in major U.S hurricane activity: Statistics and a physical mechanism, J Clim., 13(13), pp 2293–2305 [11].Chan J C L., Shi J., Lam C (1998), Seasonal Forecasting of Tropical Cyclone Activity over theWestern North Pacific and the East Sea, Weather Forecast, 13(4), pp 997–1004 288 ... cứu bước đầu khả dự báo hạn mùa số lượng XTNĐ hoạt động khu vực BĐ việc sử dụng mơ hình thống kê MLR, LAD, LMV ANN với nhân tố dự báo số khí hậu Đánh giá sai số dự báo cho thấy số liệu luyện mơ... Trong y yếu tố dự báo (số lượng XTNĐ tháng tới), nhân tố dự báo, hệ số hồi quy xác định theo ba phương pháp khác nhau: 1) Phương pháp bình phương tối thiểu (MLR): ∑ ∑ ( ) (2) 2) Phương pháp độ lệch... Với 10 số khí hậu có tương quan tốt 24 số khảo sát, nghiên cứu tiến hành xây dựng phương trình dự báo số lượng XTNĐ tháng tiếp sau theo phương pháp thống kê (mục 2) Kết đánh gía sai số phương