Sai số trung bình và sai số qn phương của mơ hình IFS

Một phần của tài liệu (LUẬN văn THẠC sĩ) nghiên cứu xây dựng phương án dự báo hạn vừa cho lưu vực sông sê san có sử dụng sản phẩm mưa dự báo của IFS (Trang 56 - 61)

Trạm ME RMSE Trạm ME RMSE

Đăk Mốt 6,78 39 Sa Thầy 1,13 33

Trạm ME RMSE Trạm ME RMSE

Đăk Tô (KT) 0,82 34,5 Ialy -2,95 37,3

Kon Tum (KT) -10,5 45,7 Pleiku -9,95 42,9

Đăk Glei 6,85 51,6

Kết quả đánh giá ghi ở bảng 3.2 cho thấy, với dự báo tổng lượng mưa 10 ngày trong thời đoạn đánh giá có 5/9 trạm cho kết quả nhỏ hơn thực đo (thể hiện bằng chỉ số ME âm), 4/9 trạm cho kết quả lớn hơn thực đo (thể hiện bằng chỉ số ME dương). Sai số quân phương trung bình lớn nhất RMSE = 56,6mm tại trạm Măng Cành; sai số quân phương trung bình nhỏ nhất RMSE = 33mm tại trạm Sa Thầy.

Ngồi sai số trung bình và sai số qn phương ra, các chỉ số đánh giá dự báo mưa theo pha của mơ hình dự báo mưa số trị IFS được tổng hợp trong bảng 3.3 cho thấy tổng thể về hiện tượng dự báo và hiện tượng quan trắc tổng lượng mưa thời đoạn 10 ngày.

Bảng 3.3: Điểm số đánh giá tổng lượng mưa thời đoạn 10 ngày của mơ hình IFS

PoD FAR Bias CSI PC

0,76 0,37 1,09 0,62 0,78

Để đánh giá chất lượng dự báo tổng lượng mưa thời đoạn 10 ngày của mơ hình chúng ta sử dụng chỉ số CSI. Kết quả cho thấy mơ hình dự báo tổng lượng mưa thời đoạn 10 ngày của mơ hình IFS đạt khá, có thể sử dụng để tham khảo với điểm số thành cơng 62% và độ chính xác 78% trong thời đoạn đánh giá. Bên cạnh đó, chỉ số PoD dùng để xác định các hiện tượng mưa lớn của mơ hình cũng ở mức khá tốt 76%.

Như vậy, kết quả dự báo tổng mưa thời đoạn 10 ngày của mơ hình dự báo mưa số trị IFS có thể sử dụng để xây dựng phương án và tác nghiệp dự báo hạn vừa thuỷ văn trên lưu vực sông Sê San.

3.1.2 Kết quả nghiên cứu hiệu chỉnh kết quả dự báo mưa số trị IFS làm đầu vào cho mơ hình thủy văn: đầu vào cho mơ hình thủy văn:

Áp dụng phương pháp hồi quy tuyến tính đa biến MLR cho MOS (Model Ouput Statistics) với đối tượng chính là dự báo xác suất định lượng mưa PQPF. Sau đó từ phân bố xác suất mưa theo các ngưỡng đã chọn, lượng

mưa dự báo sẽ được tính ngược lại từ hàm phân bố xác suất này. Các phương trình dự báo sẽ được xây dựng riêng biệt cho mỗi điểm trạm và không xây dựng một phương trình dự báo chung cho các điểm trạm trên một khu vực thuần nhất về mặt khí hậu bằng cách tổ hợp các trạm khi xây dựng phương trình thống kê. Yếu tố dự báo đối với bài tốn PQPF là biến nhị phân (có hoặc khơng) dựa trên quan trắc mưa thực tế với 6 ngưỡng mưa được lựa chọn 1, 2, 5, 10, 20, 50mm/24h và giá trị dự báo tương ứng là xác suất mưa thuộc khoảng [0,1]. Việc lựa chọn các ngưỡng mưa này dựa trên nhiều nghiên cứu về PQPF trên thế giới và gợi ý từ tổ chức Khí tượng thế giới WMO.

Theo đó, tập dữ liệu bao gồm 5 năm dự báo và quan trắc kéo dài từ 2012 đến 2017. Thực hiện kỹ thuật kiểm tra chéo, 4 năm dữ liệu sẽ được sử dụng như tập dữ liệu phụ thuộc để phát triển mơ hình, năm dữ liệu còn lại được sử dụng là dữ liệu độc lập thực hiện đánh giá.

- Kết quả hiệu chỉnh: Trước hết, tần suất các nhân tố dự báo được sử dụng cho mơ hình IFS được tính trung bình cho tất cả các trạm và chỉ các nhân tố có tần suất trên 10% mới được đưa ra

Bảng 3.4: Tần suất tuyển chọn ít nhất 10% của các nhân tố dự báo theo phương pháp MLR cho mơ hình IFS cho các trạm nghiên cứu

Nhân tố dự báo Tần xuất (%)

Tổng lượng mưa tích lũy thời đoạn 24h dự báo 40

Tổng lượng mưa tích lũy thời đoạn 24h quan trắc 35

Độ xốy trung bình (925-500mb) dự báo thời đoạn 24h 23

Độ ẩm trung bình (950-500mb) 27

Từ kết quả trên có thể thấy rằng biến tổng lượng mưa tích lũy thời đoạn 24h, tổng lượng mưa quan trắc thời đoạn 24h và độ ẩm trung bình cột khí quyển từ mực 950mb lên đến 500mb chiếm đa số trong các biến được chọn làm nhân tố dự báo. Điều này thể hiện mối tương quan cao giữa các lượng mưa dự báo và lượng mưa quan trắc đưa ra.

Bảng 3.5 đưa ra kết quả đánh giá các chỉ số trên tập số liệu độc lập dự báo trực tiếp từ mơ hình và sau khi thực hiện dự báo theo MOS. Lưu ý là các kết quả đánh giá trong bảng này đã được tính cho tổng lượng mưa 10 ngày dự

báo từ mơ hình. Các ngưỡng đánh giá được lựa chọn theo quy chuẩn đánh giá mưa 10 ngày tại Trung tâm Dự báo KTTV Quốc gia.

Bảng 3.5: Các chỉ số đánh giá dự báo nhị phân cho tập dữ liệu độc lập mùa cạn trên toàn bộ khu vực nghiên cứu

Chỉ số đánh giá Mơ hình đánh giá IFS IFS_MLR BIAS 1,92 1,80 POD 0,50 0,54 FAR 0,73 0,65 CSI 0,24 0,26 PC 0,35 0,.38

Nghiên cứu còn đưa ra một số kết quả minh họa dự báo mưa trong một số đợt nghiên cứu, hiển thị dưới dạng trường trên hình 3.1 cho dự báo trực tiếp từ mơ hình, sau khi sử dụng MOS theo phương pháp MLR và quan trắc. Có thể thấy dự báo định lượng mưa từ mơ hình sau khi sử dụng MLR thấp hơn thực tế ở các vùng mưa lớn, do đó có thể hạn chế được dự báo khống từ các mơ hình. Tuy vậy vẫn xảy ra hiện tượng dự báo sót và tâm mưa dự báo bị lệch so với quan trắc.

Hình 3.1. Lượng mưa tích lũy 240h tại 07h ngày 29/05/2017 dự báo trực tiếp (trái và giữa); Lượng mưa tích lũy quan trắc 240h tại 07h ngày 29/05/2017 (phải) từ mơ

Trong nghiên cứu này học viên đã tiến hành thiết kế xây dựng dự báo thống kê sau mơ hình sử dụng phương pháp hồi quy tuyến tính đa biến MLR cho mơ hình IFS với yếu tố dự báo là tổng lượng mưa tích lũy thời đoạn 24h. Theo các kết quả đạt được, học viên đưa ra một số kết luận sau:

- Kết quả dự báo theo phương pháp MLR mơ hình IFS khơng cải thiện nhiều so với dự báo trực tiếp. Tuy vậy cũng có một số kết quả tích cực: Tỷ lệ báo động giả (chỉ số FAR) giảm hơn so với dự báo trực tiếp từ mơ hình.

- Khi thực hiện dự báo thơng qua MLR, xét về không gian, vùng mưa lớn thường bị lệch so với thực tế, điều này có thể dẫn đến dự báo sót các hiện tượng mưa lớn tại vị trí cần dự báo.

3.2. Xây dựng phương án dự báo dịng chảy sơng Sê San bằng mơ hình MIKE -NAM

3.2.1. Thiết lập mơ hình tính tốn mơ phỏng dịng chảy hạn vừa cho sơng Sê San bằng MIKE - NAM Sê San bằng MIKE - NAM

3.2.1.1. Kết quả phân chia lưu vực bộ phận lưu vực sơng Sê San:

Mơ hình MIKE NAM tính tốn dịng chảy từ mưa rất tốt cho các lưu vực nhỏ, việc phân chia lưu vực chi tiết hay khơng có ảnh hưởng lớn đến kết quả tính tốn. Dựa trên nền bản đồ DEM đã xây dựng, tồn bộ diện tích vùng nghiên cứu được phân thành các lưu vực bộ phận sử dụng tiện ích trong MIKE - BASIN. Các ranh giới này sau đó được hiệu chỉnh lại bằng việc chồng lên bản đồ địa hình tỷ lệ 1/25.000. Các điểm cao nhất trong lưu vực sẽ tạo thành đường phân thủy cho lưu vực bộ phận theo các nhánh phụ lưu của sông. Điểm ra của các lưu vực bộ phận là vị trí của các hồ Thủy điện và trạm Thủy văn. Cụ thể, lưu vực sông Sê San được phân chia thành 12 lưu vực bộ phân. Các thơng số diện tích, chu vi của các lưu vực bộ phận được trình bày trong bảng 3.6. Trong đó, lưu vực bộ phận lớn nhất là DAK MOT với diện tích khoảng 2148km2; lưu vực bộ phận nhỏ nhất là SESAN 3A 295km2.

+ Sông ĐăkBla được chia thành 3 lưu vực bộ phận: Lưu vực THUONG KON TUM với các vị trí hồ Thượng Kon Tum, lưu vực KONPLONG với vị trí trạm Kon Plong, lưu vực KONTUM với vị trí trạm Kon Tum

+ Sông Krông Pôkô được chia thành 2 lưu vực bộ phận: lưu vực DAK MOT ứng với vị trí trạm thủy văn Đăk Mốt và lưu vực PLEI KRONG ứng với vị trí hồ Plei krơng

+ Sông Đăk Tơ Kan được chia thành 1 lưu vực bộ phận DAK TO ứng với trạm thủy văn Đăk Tô

+ Các lưu vực bộ phận khác như IALY, SESAN 3A, SESAN 3, SESAN 4, SESAN 4A được chia theo dịng chính của lưu vực sơng Sê San với điểm ra của lưu vực là các hồ chứa thủy điện. Riêng lưu vực DAK HODRAI là lưu vực bên ngoài gia nhập dịng chảy vào lưu vực sơng Sê San phía hạ lưu hồ thủy điện SE SAN 4A.

- Số liệu đầu vào của mơ hình MIKE - NAM gồm mưa, bốc hơi và lưu lượng dưới định dạng file là DFS0.

Nhập bản đồ bao gồm các lưu vực, đường chia nước, trạm mưa vào mơ hình NAM. Mơ hình NAM được thiết lập cho 12 lưu vực bộ phận.

Sau khi phân chia các lưu vực bộ phận sơng, tiến hành tính tốn trọng số mưa cho các lưu vực bộ phận. Trọng số mưa của các trạm trong từng lưu vực được tính theo mơ hình đa giác Theisson.

Một phần của tài liệu (LUẬN văn THẠC sĩ) nghiên cứu xây dựng phương án dự báo hạn vừa cho lưu vực sông sê san có sử dụng sản phẩm mưa dự báo của IFS (Trang 56 - 61)