TiӃn trình HiӋu chӍnh là mӝt trong các nӝi dung thӵc hiӋn mô hình hóa. HiӋu chӍnh sӁ
góp phҫn quan trӑng cho viӋcÿӏnh giá khҧ năng hiӋn thӵc cӫa mô hình. Trong tiӃn trình HiӋu chӍnh, 3 bѭӟc sau cҫn thӵc hiӋn (hình 3.5).
Hình 3.5 Ba bѭӟc trong tiӃn trình HiӋu chӍnh
3.2.1 Bѭӟc xác ÿӏnh thông tin quan trӑng
HiӋu chӍnh mô hình cҫn bҳtÿҫu bҵng viӋc quyӃtÿӏnh xem các thông tin gì là quan trӑng mà mô hình có ÿӏnh ÿѭӧc áp dөng. ViӋc xác ÿӏnh thông tin phҧi trên cѫ sӣ là xem các thông sӕ nào trong mô hình sӁ quyӃt ÿӏnh kӃt quҧ và kӃt quҧ này có khҧ năng phù hӧp hoһc thӓa mãn vӟi các diӉn biӃnӣ thӵc tӃ.
Ví dө khi xem xét mô hình diӉn tҧ sӵ lan truyӅn chҩt ô nhiӉm trên mӝt dòng chҧy, nhiӅu yӃu tӕ có thӇ ҧnh hѭӣng. Tuy nhiên, ngѭӡi phát triӇn mô hình phҧi xác ÿӏnh yӃu tӕ nào gây ҧnh hѭӣng lӟn nhҩt. Chҷng hҥn, hӋ sӕ nhám cӫa dòng chҧy, hӋ sӕ co hҽp hoһc mӣ
rӝng cӫa mһt cҳt, hӋ sӕ khuӃch tán cӫa chҩt lӓng và chҩt ô nhiӉm, hàm lѭӧng oxy trong nѭӟc, v.v…
NTTULIB
--- TS. Lê Anh Tuҩn
24
3.2.2 Bѭӟc chӑn tiêu chuҭn mô hình
Thӵc chҩt cӫa viӋc chӑn tiêu chuҭn mô hình là xác ÿӏnh mөc tiêu ÿһc thù mà mô hình cҫn nghiên cӭu. Nghƭa là, khi phát triӇn mô hình, các ÿích nhҳm mà chúng ta muӕn mô hình phҧi thӇ hiӋn bao gӗm nhӳng yӃu tӕ nào. Các yӃu tӕ này cҫn phҧiÿѭӧcÿӏnh lѭӧng qua ÿo
ÿҥc thӵc tӃ và qua tính toán tӯ mô hình. ViӋc ÿӏnh lѭӧng liên quan ÿӃn các tiêu chuҭn thӕng kê mà mô hình phҧi thӓa mãn.
Ví dө khi thӵc hiӋn mô hình dӵ báo lNJ, viӋc xác ÿӏnh giá trӏ (mӵc nѭӟc, lѭu lѭӧng lNJ) và thӡiÿiӇm xҧy ra ÿӍnh lNJ là mөc tiêu quan trӑng mà bài toán phҧi giҧi quyӃt. NhiӅu thông sӕ thӕng kê sӁ phҧi áp dөng nhѭ phҫn trăm (%) sai biӋt cho phép, ÿӝ lӋch chuҭn,ÿӝ nhҥy cӫa kӃt quҧ,… khi ÿánh giá sӵ tѭѫng ӭng giӳa dòng chҧy quan trҳcÿѭӧc vӟi dòng chҧy mô phӓng.
3.2.3 Bѭӟc hiӋu chӍnh mô hình
x Ch͕n thͥiÿo̩n hi͏u ch͑nh: Hҫu hӃt các mô hình môi trѭӡng hoһc mô hình thӫy vănÿӅu có yӃu tӕ chuӛi thӡi gian tѭѫngӭng vӟi các dӳ liӋu quan trҳc. Trѭӟc tiên ngѭӡi thӵc hiӋn mô hình phҧi xem xet tәng thӡi gian quan trҳc và chia khoҧng thӡi gian này ra làm 2 thӡi ÿoҥn: thӡiÿoҥn thӭ nhҩt vӟi chuӛi sӕ liӋu dài hѫnÿӇ
làm HiӋu chӍnh (carlibration) và thӡi ÿoҥn thӭ hai ngҳn hѫn ÿӇ làm viӋc kiӇm nghiӋm (verification). Trong mӝt sӕ trѭӡng hӧp, ngѭӡi ta có thӇ chia ÿӅu hai thӡi
ÿoҥn: 50% thӡiÿoҥn cho bѭӟc hiӋu chӍnh và 50% cho thӡiÿoҥn kiӋm nghiӋm mô hình. ViӋc chӑn lӵa thӡiÿoҥn hiӋu chӍnh ÿӇ chҥy bài toán mô hình cҫn phҧi theo mөc tiêu cӫa vҩn ÿӅ là cҫn kӃt quҧ gì ӣ ÿҫu ra cӫa mô hình. Ví dө khi làm mô hình dӵ báo lNJ thì thӡi ÿoҥn hiӋu chӍnh phҧi chӭa thӡi gian mà các ÿӍnh lNJ trong lӏch sӱ ÿã xҧy ra. Trѭӡng hӧp làm mô hình thӇ hiӋn dòng chҧy môi trѭӡng (environmental flow), thì thӡi ÿoҥn hiӋu chӍnh phҧi có chӭa nhӳng thӡi kǤ dòng chҧy thҩp trong mùa kiӋt.
x Hi͏u ch͑nh s˯ b͡:Ĉây là bѭӟc thӱ ban ÿҫuÿӇ xem thӱ các thông sӕ mô hình ÿã chӑn có “nhҥy” vӟi kӃt quҧ mô hình hay không? Thông thѭӡng, viӋc hiӋu chӍnh sѫ bӝ theo bҧng hѭӟng dүn cӫa mô hình có sҹn hoһc tӯ quan sát thӵc tӃ. ViӋc hiӋu chӍnh sѫ bӝ ÿѭӧc xem nhѭ mӝt bѭӟc làm bҳt buӝc nhҵmÿӏnh lҥi:
+ Giá trӏ ban ÿҫu thӵc tӃ cho các thông sӕ
+ ChiӅu dài (hay bѭӟc tính) “lý tѭӣng” ÿӇ mô hình tìm kiӃm giá trӏ tӕt nhҩt cӫa thông sӕ. NӃu chӑn bѭӟc tính quá ngҳn sӁ làm gia tăng sӕ lҫn tính toán, nӃu chӑn bѭӟc tính quá dài sӁ tҥo ra sӵ vѭӧt quá hay cѭӡngÿiӋu hóa khi tìm giá trӏ tӕiѭu.
+ Thӱ xác ÿӏnh khoҧng giӟi hҥn (giӟi hҥn trên và giӟi hҥn dѭӟi) cӫa các thông sӕ. Mөcÿích cӫa viӋc này nhҵm giӟi hҥn khҧ năng sӵ thҩt bҥi cӫa mô hình khi tҥo ra các giá trӏ phi thӵc tӃ hay trӏ vѭӧt quá thӵc tӃ.
x Hi͏u ch͑nh tinh t͇: HiӋu chӍnh tinh tӃ là làm nhuyӉnӣ mӭc chi tiӃt các kӃt quҧ ӣ
ÿҫu ra qua viӋcÿiӅu chӍnh vi cҩp (fine tuning) các thông sӕ mô hình. Mӝt sӕ sách hѭӟng dүn mô hình có thӇ cho khuyӃn cáo hoһc mӝt sӕ mô hình có thӇ tҥo ra tiӃn trình tӵ ÿӝng hiӋu chӍnhÿӇ có mӝt kӃt quҧ tӕt nhҩt có thӇ ÿҥtÿѭӧc.
NTTULIB
3.3 Các tiӃp cұn ÿӇ hiӋu chӍnh thông sӕ mô hình
Mӝt sӕ mô hình có thӇ ÿѭӧcÿánh giá trong cách ÿӏnh mөc tiêu bài bҧn, mӝt sӕ mô hình khác thì không có thӇ thӵc hiӋnÿѭӧc. ViӋcÿánh giá kӃt quҧ mô hình còn phө thuӝc mӝt phҫn vào kӹ năng xem xét vҩnÿӅ cӫa ngѭӡi làm mô hình. Có nhiӅu cách tiӃp cұn:
3.3.1 TiӃp cұn tiên nghiӋm (a priori approach)
i) Trong cách tiӃp cұn này, nhӳng giá trӏ ban ÿҫu cӫa thông sӕ mô hình ÿѭӧc suy ra tӯ viӋcÿoÿҥc thӵc tӃ hoһc tӯ mӝt tính chҩt nào ÿó cӫa sӵ viӋc, hoһcÿѭӧc thành lұp do thӵc nghiӋm.
ii) ViӋc tiӃp cұnÿѭӧc giҧ ÿӏnh rҵng mô hình là xác ÿӏnh và các thông sӕ có ý nghƭa vӅ vұt lý; tӯ ÿó mô hình ÿang tҥo ra các mô phӓng tӕt cho nhӳng lý do ÿúngÿҳn. iii) ViӋc tiӃp cұn tiên nghiӋm là khҧ thi vӅ mһt lý thuyӃt. Tuy nhiên, cách tiӃp cұn này cҫn mӝt sӕ liӋu khá lӟn cho các mô hình xác ÿӏnh. Do vұy, ÿӕi vӟi các lѭu vӵc nghiên cӭu nhӓ, các tiӃp cұnÿӇ có các thông sӕ mô hình này bӏ giӟi hҥn và
ÿôi khi không thӵc hiӋnÿѭӧc.
3.3.2 TiӃp cұn phù hӧp ÿѭӡng cong (the curve fitting approach)
i) Các thông sӕ mô hình cNJng có thӇ ÿѭӧc suy ra bӣi cách tiӃp cұn phù hӧpÿѭӡng cong, hay còn gӑi là ÿӝ phù hӧp (goodness-of-fit). Cách tiӃp cұn này liên quan
ÿӃn viӋc tìm các thông sӕ sӁ bҧoÿҧm mӭc gҫn kín tѭѫng ӭng giӳa các ÿһc trѭng
ÿһc thù cӫa các chuӛi thӡi gian tính toán và các giá trӏ quan trҳc tѭѫngӭng.Ĉây là mӝt tiӃn trình tӕi ѭu hóa thông sӕ (parameter optimization). Trong cách tiӃp cұn này, tiêu chuҭnÿӝ phù hӧp theo thӕng kê ÿѭӧc áp dөngÿӇ xác ÿӏnh mӭc gҫn kín cӫa các biӃn sӕ trong chuӛi thӡi gian theo quan trҳc và theo mô hình tѭѫng
ӭng.
ii) Có hai phѭѫng pháp cѫ bҧnÿӇ có các thông sӕ mô hình tӕi ѭu khi hiӋu chӍnh bҵng phѭѫng cách phù hӧp ÿѭӡng cong, ÿó là theo cách thӫ công và cách tӵ ÿӝng. Mӝt biӃnÿәi tӕiѭu hóa theo cách thӫ công còn ÿѭӧc gӑi là tiӃn trình lұp lҥiÿѭӧc phân mҧng (segmented iterative procedure).
iii) Tӕiѭu hóa theo kiӇu thӫ công (Manual optimization): Theo cách này các giá trӏ
cӫa mӝt thông sӕ tính toán tҥi mӝt thӡi ÿiӇm tѭѫng ӭng vӟi giá trӏ quan trҳc
ÿѭӧc thӱ sai (trial and error) sao cho dҫn dҫn phù hӧp vӟiÿѭӡng cong. Phѭѫng pháp thӫ công ÿiӅu chӍnh các thông sӕ riêng rӁ sӁ mҩt nhiӅu thӡi gian, nhҩt là các mô hình ÿa thông sӕ mà trong ÿó các thông sӕ sӁ tѭѫng tác cao ÿӝ lүn nhau. Phѭѫng pháp này ÿòi hӓi ngѭӡi làm mô hình phҧi hiӇu rҩt rõ cách cҩu trúc và sӵ
vұn hành cӫa mô hình.
iv) TiӃn trình lұp lҥiÿѭӧc phân mҧng:ÿӕi vӟi các mô hình có nhiӅu hѫn 5 thông sӕ
NTTULIB
--- TS. Lê Anh Tuҩn
26 + Bѭӟcÿҫu, tҩt cҧ các thông sӕ liên quan ÿӃn mӝt tiӃn trình ÿһc thù nào ÿó
ÿѭӧc tӕiѭu hóa cùng nhau, trong khi ÿó các thông sӕ khác ÿѭӧc giӳ nhӳng hҵng sӕ. Mҧng thông sӕ liên quan này sӁ ÿѭӧc tӕi ѭu hóa bҵng cách ÿӏnh khoҧng giá trӏ chһn trên và chһn dѭӟi ÿӇ tìm thông sӕ mô hình phù hӧp nhҩtÿѭӧc cho phép biӃnÿәi.
+ Cuӕi bѭӟc thӭ nhҩt, mҧng giá trӏ thông sӕ ÿã hiӋu chӍnh cҧi tiӃn sӁ ÿѭӧc xácÿӏnh và giӳ lҥi nhѭ mӝt hҵng sӕ cho bѭӟc kӃ tiӃp.
+Ӣ bѭӟc thӭ hai, tѭѫng tӵ nhѭ bѭӟc thӭ nhҩt, mҧng thông sӕ khác trong tiӃn trình sӁ ÿѭӧc biӃnÿәi cho phù hӧp vӟi mô hình.
+ Nhѭ vұy, tӯng nhóm mӝt cӫa thông sӕ liên quan ÿӃn tiӃn trình ÿһc thù nàoÿó sӁ tiӃp tөc tiӃn trình tìm giá trӏ tӕiѭu lҫn lѭӧt cho ÿӃn khi tҩt cҧ các nhóm thông sӕ ÿѭӧc tӕiѭu hóa.
+ Trong quá trình thӵc hiӋn tӕi ѭu hóa tӯng mҧng, có thӇ ngѭӡi làm mô hình phҧi trӣ lҥi bѭӟc thӭ nhҩt, hoһc bѭӟc thӭ hai/ba nào ÿó khi viӋc tӕiѭu hóa bӏ trӣ ngҥi.
+ TiӃn trình tìm các giá trӏ tӕiѭu cho tӯng mҧng thông sӕ ÿѭӧc lұp lҥi cho
ÿӃn khi có mӝt chuӛi các thông sӕ tӕiѭu toàn thӇ.
v) Tӕiѭu hóa tӵ ÿӝng (hoһc tӕiѭu hóa mөc tiêu): Kӻ thuұt tӕiѭu hóa tӵ ÿӝngÿѭӧc áp dөng ӣ mӝt sӕ mô hình theo cách chӑn lӵa ÿѭӡng phù hӧp theo tiêu chuҭn thӕng kê. Kӻ thuұt này áp dөng khi kӃt quҧ tính toán thӕng kê chѭaÿҥt yêu cҫu thì chѭѫng trình tӵ ÿӝng ÿiӅu chӍnh tҥo ra thông sӕ mӟi bҵng cách kӃt hӧp giӳa trӏ vӯa tính toán và sai biӋt thӕng kê. Thông thѭӡng các thông sӕ mô hình ÿáp
ӭng vӟi nhӳng thay ÿәi phi tuyӃn, nӃu chѭѫng trình tính phán ÿoán ÿѭӧc phѭѫng trình phi tuyӃn thì có thӇ sӱ dөng các thuұt toán tӕiѭu lұp lҥi. Cách tiӃp cұn này làm cho các thông sӕ dҫn dҫn tiӃp cұnÿӃn mөc tiêu tӕiѭu nhѭng cNJng nhiӅu lúc gһp bҩt trҳc do sӵ phán ÿoán phi tuyӃn không hӧp lý. TiӃn trình này
ÿѭaÿӃn viӋc giҧm bӟt viӋc dӵa vào cách phân mҧng chӫ quan cӫa ngѭӡi làm mô hình. Tӕiѭu hóa tӵ ÿӝng có thӇ tҥo nên mӝt tiӃn trình hiӋu chӍnh nhanh hѫn mӝt cách có ý nghƭa.
vi) Mӝt sӕ ÿiӇm liên quan ÿӃn viӋc tӕiѭu hóa tӵ ÿӝng cҫn xem xét kӻ hѫn:
x Thông thѭӡng chӍ mӝt hàm mөc tiêu (thӓa yêu cҫu thӕng kê ÿӝ phù hӧp, nhѭ trӏ hӋ sӕ tѭѫng quan r2) có thӇ ÿѭӧc sӱ dөng trong tiӃn trình tӕiѭu hóa tӵ ÿӝng. NӃu có nhiӅu hѫn hai hàm mөc tiêu thì bài toán trӣ
nên phӭc tҥp và khó giҧi. Do vұy, có lúc cҫn thiӃt phҧi thӵc hiӋn viӋc
ÿiӅu chӍnh thӫ công ÿӇ các giá trӏ thông sӕ ÿӇ tҥo ra sӵ mӝt kӃt quҧ tӕt hѫn cho mô hình dӵa vào nhiӅu tiêu chuҭn thӕng kê (nhѭ hӋ sӕ tѭѫng quan r2 kӃt hӧp vӟi ÿӝ dӕc ÿѭӡng cong và phѭѫng pháp dӯng chһn trong toán hӑc).
x Mӝt vҩn ÿӅ khác trong tӕi ѭu hóa tӵ ÿӝng là sӵ tѭѫng tác giӳa các thông sӕ. Khi ÿiӅu chӍ thông sӕ này sӁ ҧnh hѭӣng các thông sӕ còn lҥi vì chúng có quan hӋ ít nhiӅu. Chính ÿiӅu này làm bài toán trӣ nên phӭc tҥp và kӃt quҧ thѭӡng khó ÿҥt sӵ tӕiѭu.
NTTULIB
nhѭng khi phӕi hӧp các tӕi ѭu riêng rӁ thì khó tҥo ra sӵ tӕi ѭu toàn cөc.
x Vӟi các lý do trên, nhiӅu lúc thӵc hiӋn tiӃn trình hiӋu chӍnh tӵ ÿӝng không thӇ cho kӃt quҧ nhѭ ý muӕn do kӃt quҧ có ÿӝ nhҥy cao vӟi các thay ÿәi cӫa biӃn sӕ. Trong trѭӡng hӧp này, các thành phҫn lý luұn vӳng chҳc cӫa mô hình có thӇ bӏ sai lӋch, trong khi ÿó các thành phҫn chӭa yӃu tӕ thiӃu cѫ sӣ hay mѫ hӗ cӫa mô hình có thӇ không thӇ phát hiӋn ra.
x ĈiӅu này khiӃn viӋc hiӋu chӍnh tӵ ÿӝng có thӇ tҥo ra các thông sӕ cho các giҧi ÿáp ÿúng vӟi nhӳng lý do sai, khi ҩy các thông sӕ sӁ không thӇ ÿѭӧc sӱ dөngÿӇ ngoҥi suy kӃt quҧ.
x Tҩt cҧ các ÿiӇm trên cho thҩy viӋc cҧi tiӃn có hӋ thӕng mӝt mô hình ÿӇ ÿáp ӭng mӝt sӵ hiӋu chӍnh dӵa vào kӃt quҧ khá khó khăn. ĈiӅu này
ÿһc viӋcÿúng ÿӕi vӟi các mô hình chӭa nhiӅuҭn sӕ và có nhӳng yӃu tӕ vұt lý quá phӭc tҥp. Ví dө khi làm mô phӓng viӋc lan truyӅn nhiӅu chҩt gây ô nhiӉm trong mӝt khu phӭc hӧp dân cѭ, công nghiӋp, sҧn xuҩt nông ngѭ nghiӋp, …
vii) Mӝt sӕ nhà nghiên cӭu mô hình khuyӃn cáo là không thӇ có mӝt thuұt toán duy nhҩtÿӇ tҥo ra mӝt loҥt các thông sӕ tӕiѭu cho các mô hình khác nhau. ViӋc tiӃp cұn nhiӅu thuұt toán tӕiѭu kӃt hӧp có thӇ là mӝt cách nên làm.
3.4 Các vҩn ÿӅ khi thành lұp các thông sӕ trong các mô hình môi trѭӡng hình môi trѭӡng
3.4.1 Các vҩn ÿӅ thѭӡng gһp khi thành lұp thông sӕ
i). Thông thѭӡng, trong mӝt mô hình môi trѭӡng các biӃn sӕ nhѭ nӗng ÿӝ chҩt ô nhiӉm thay ÿәi theo thӡi gian và không gian mà các chҩt ô nhiӉm lan truyӅn cNJng không ÿӗng nhҩt (do cҩu trúc lӟpÿҩt, sӵ thay ÿәiÿһcÿiӇm dòng chҧy, ...). Do vұy khi dùng trӏ sӕ trung bình hoһc mӝt hӋ sӕ ÿһc trѭng nào ÿó có thӇ là nguyên nhân chính làm sai sӕ mô hình.
ii). Các nghiên cӭu thӵc tӃ cho thҩy, sӵ thay ÿәi ÿһc ÿiӇm vұt lý cӫa lѭu vӵc (nhѭ
thayÿәi cách sӱ dөngÿҩt, lӟp phӫ thӵc vұt, ...) sӁ làm thay ÿәi các thông sӕ thӫy văn.
iii). Tính hiӋu quҧ cӫa mô hình thѭӡng do kӹ năng cӫa ngѭӡi sӱ dөng mô hình khi thӵc hiӋn viӋc hiӋu chӍnh hѫn là do bҧn thân cӫa chính mô hình. Mӝt trong nhӳng nguyên nhân gây sai sӕ mô hình có ý nghƭa là do chӑn lӵa không thích hӧp và hiӋu chӍnh các thông sӕ mô hình. KiӃn thӭc cho viӋc chӑn lӵa thông sӕ
hӧp lý thѭӡng chӍ có qua kinh nghiӋm nhiӅu lҫn.
iv). Khi tìm cách ÿѭa thêm các hӋ sӕ hiӋu chӍnh lҥi sӵ biӃnÿәi cӫaÿһcÿiӇm không gian môi trѭӡng nhҵm ÿӕi phó vӟi hҥn chӃ khҧ năng ÿo ÿҥc chính xác hoһc phӓngÿoán các giá trӏ thông sӕ sӁ có thӇ tҥo ra nhӳng sai sӕ thông sӕ khác.
NTTULIB
--- TS. Lê Anh Tuҩn
28 v). Thông thѭӡng khi lҩy nhӳng biӃn sӕ ÿӝc lұp (ví dө nhѭ sӕ liӋuÿoÿѭӧc sӵ chҧy tràn trên mһtÿҩt)ÿӕi lұp vӟi kӃt quҧ ÿҫu ra cӫa mô hình (sӕ liӋu chҧy tràn theo tính toán cӫa mô hình) ÿӇ thӱ nghiӋm khi hiӋu chӍnh thì các thông sӕ có thӇ
không mang tính ÿҥi diӋn mӝt cách tiêu biӇu cho toàn lѭu vӵc (trѭӡng hӧp lѭu vӵc có sӵ hiӋn diên cӫa các vùng ÿҩt ngұp nѭӟc, các ÿê chҳn hoһc các kênh mѭѫng).
vi). Kӻ thuұt lҩy mүu và ÿoÿҥc ngoài hiӋn trѭӡng và trong phòng thí nghiӋm sӁ ҧnh hѭӣng lӟnÿӃn kӃt quҧ mô hình. Cùng áp dөng mӝt mô hình toán hӑc trên máy tính cho mӝt lѭu vӵc nhѭng vӟi hai ngѭӡi khác nhau áp dөng, mӛi ngѭӡiÿo áp