11.10.1 Các nguyên tắc chung
Khi ng−ời sử dụng đã lựa chọn một mô hình thủy văn dựa trên những nguyên tắc đ−ợc trình bày tóm tắt trên đây, thì cần phải điều chỉnh nó. Thời gian không cho phép bàn kỹ về những phức tạp cụ thể trong việc điều chỉnh tất cả các loại mô hình khác nhau đã đ−ợc bàn ở trên và đ−ợc phân loại trong ch−ơng 13, nh−ng sự điều chỉnh mô hình l−ợng m−a xác định sẽ đ−ợc bàn một cách chi tiết và đ−ợc sử dụng để cung cấp một nền tảng xây dựng một số quy tắc chung. Những mô hình này đã đ−ợc lựa chọn làm ví dụ bởi vì chúng có thể là những mô hình khó nhất để điều chỉnh, và bởi vì những quy tắc đã đ−ợc mô tả có thể đ−ợc mở rộng dễ dàng thành các kiểu mô hình khác. Mục đích là để mô tả một ph−ơng pháp chung cho sự điều chỉnh mô hình l−ợng m−a và tránh liên quan đến những vấn đề đặc biệt nh− mô hình tuyết tan, sự đóng băng và tan băng của sông, sự bổ sung ngầm trở lại, sự vận chuyển của hồ gặp nhau, các sự kiện lũ ngắn, và các trận m−a sa mạc... bất cứ ý t−ởng nào để điều chỉnh đều đ−ợc lập ch−ơng trình trong một mô hình hoặc đ−ợc giới thiệu trong cuốn sách h−ớng dẫn ng−ời sử dụng, nên làm theo một ph−ơng pháp điều chỉnh có hệ thống dựa trên những quy tắc chung.
Sự điều chỉnh mô hình nên bắt đầu bằng việc quyết định số liệu nào sẽ là quan trọng khi mô hình đã đ−ợc điều chỉnh đ−ợc đ−a vào ứng dụng. Ng−ời sử dụng cần phải chuyển những quyết định này vào tiêu chuẩn của sự phù hợp, dữ liệu để thu thập và sự kiện để tránh bất ngờ. Những vấn này đ−ợc Clark (1971) khép lại. Tr−ớc khi ứng dụng bất cứ mô hình nào, nêu đ−ợc những tài liệu của ông cùng với ch−ơng này.
Quá trình điều chỉnh nên bắt đầu từ một sự nhận thức rằng, sự điều chỉnh là đòi hỏi dữ liệu. Một sự kiện thủy văn đ−ợc đ−a ra càng ít th−ờng xuyên sẽ phải gặp phải nhiều khó khăn hơn trong việc sửa đổi một mô hình cho loại sự kiện đó. Ví dụ, với các sự kiện lũ cực điểm để sao phóng lại nó thì khó hơn là việc sao phóng các dòng chảy bình th−ờng khác.
11.10.2 Khoa học giải quyết sai số
Không ng−ời làm mô hình thủy văn hoặc ng−ời sử dụng mô hình nào đ−ợc phép quên những sai số tự nhiên trong sự thể hiện toán học. Mô hình l−ợng m−a đơn biến đổi một loạt sự lắng đọng theo thời gian thành một nhóm các dòng chảy. Sai số tồn tại trong việc độ sự lắng đọng và trong việc sử dụng dữ liệu thay đổi để dự đoán sự lắng đọng ở một vùng l−u vực hoạt động. Bất cứ mô hình nào cũng đều có sai số trong hệ quả các trình thủy văn của nó. Và một hoạt động ghi chép về dòng chảy theo thời gian, ng−ợc lại sự kiện mô hình tái tạo đã đ−ợc so sánh, cũng có các sai số đo đạc. Một cách lý t−ởng, ng−ời làm mô hình có thể cung cấp tốt nhất cho ng−ời sử dụng mô hình bằng cách liên kết (phối hợp) trong các ph−ơng pháp lập ch−ơng trình cho cả hai.
(a) Sai số đã đ−ợc liên kết với các giá trị dự đoán của các thông số, đặc biệt cho việc đánh giá sự điều chỉnh và
(b) sai số đ−ợc liên kết với l−ợng dự đoán bằng mô hình, đặc biệt cho việc đánh giá các kết quả. Tuy nhiên, một số ít các mô hình thủy văn cũng đ−ợc lập trình với khả năng.
Các nhà thủy văn học cần tiếp tục theo đuổi, ứng dụng ph−ơng pháp dự đoán, đặc biệt Kalman và Extended Kalman lọc (Gelb, 1974) cho những mục đích này. Các dự đoán thông số và dòng chảy và các sai số liên kết t−ơng ứng
của chúng với một hệ thống nh− vậy có thể vẫn cập nhật nh− dữ liệu mới trở nên sẵn có.
Theo kỹ thuật lọc Kalman (Kalman, 1960) nút chính là một sự liên kết giữa hai dự đoán độc lập của trạng thái hệ thống để tạo ra một dự đoán tối −u hoặc một dự đoán khác nhau nhỏ nhất. Kích th−ớc của nguyên bản vẫn dự đoán từ mô hình cung cấp hai dự đoán độc lập. Trọng l−ợng sử dụng để nối hai dự đoán này dựa trên cơ sở những mối nghi ngờ liên quan trong hai quá trình. Đối với kích th−ớc, mối nghi ngờ này đ−ợc thể hiện bằng véc tơ V(t) cho các giá trị chỉ thị đo đạc m. Đối với mô hình, mối nghi ngờ đ−ợc thể hiện bằng sai số dự đoán tạo ra bởi mô hình hệ thống và đ−ợc thể hiện bằng véc tơ W (t). Mối nghi ngờ ở mô hình lớn hơn buộc phải đặt ít trọng l−ợng hơn vào các dự đoán mô hình và nhiều hơn vào sự đo đạc.
Một mẫu đơn giản của lọc Kalman thể hiện hệ thống mô hình bằng công thức khác nhau bậc một: )... t ( W ) t , X ( f dt dx + = (11.5)
trong đó: Xlà một véc tơ của sự biến đổi trạng thái n (cơ thể khác nguồn dự trữ độ ẩm hoặc dòng chảy). f là một chức năng điều khiển cho các giá trị dự đoán ở vùng trạng thái n vào thời gian cho trạng thái đổi n vào thời gian t cho các giá trị của chúng ở t – 1. W (t) thể hiện sai số mô hình với sự liên quan tới mỗi trạng thái thay đổi, do đó W(t) dựa vào sai số mô hình khác nhau nh− là các thông số đ−ợc bỏ qua..., Sự tuyến tính hoá của chức năng không tuyến tính dữ liệu vào không đúng... kích th−ớc của hệ th−ờng đ−ợc thể hiện :
) t ( V ) t , X ( h ) t ( Y = + (11.6) trong đó:
Y (t) là một véc tơ m của tính hay thay đổi đo đ−ợc trạng thái thay đổi n đã đ−ợc đo đ−ợc).
h là chức năng cho dự đoán tính hay thay đổi từ sự đo đạc của sự thay đổi m. V (t) là véc tơ nhiễu cho sự thay đổi trong đo đạc m. Đối với mô hình thủy văn trạng thái sẽ ít hơn trạng thái n bởi vì các nguồn dự trữ hoặc h−ớng chảy bao gồm trong mô hình trong đó dữ liệu không có dữ liệu đo đ−ợc (chính xác) nào có thể dùng để so sánh.
Ví dụ: Công thức (11.6) có thể thể hiện dự đoán dòng chảy đo đ−ợc Y từ mối quan hệ - chảy thoát - giai đoạn h qua giá trị
Công thức (11.5) khi đó thể hiện một mô hình của dòng chảy Xbởi chức năng f từ các dữ liệu vào điều kiện gốc, và sự thầm thấu trong đó Wthể hiện mối nghi ngờ của mô hình; hđ−ợc đ−a ra, ta có thể tính X1 véc tơ của dòng chảy tại thời điểm t = 1. từ công thức (11.6) với sai số V. Dựa vào các giá trị thông số và dữ liệu vào đã cho, ta có thể tính X2 từ công thức (11.5) bằng cách tổng hợp các khoảng thời gian với sai số W. Khi đó hai dự đoán này có thể đ−ợc đo theo sự phóng đại sai số t−ơng ứng cho một dự đoán X. Từ những kết quả này ta có thể đạt đ−ợc, nhờ công thức (11.5) các sai số liên kết trong các giá trị tham số dự đoán.
Là các ví dụ của những ứng dụng mô hình thành công từ mẫu của công thức (11.5) và (11.6), thành công đáng để đã đạt đ−ợc trong việc dự bão lũ sử dụng các hình t−ơng đối đơn giản tài (Taidi và Wallis, 1978) và phức tạp hơn (Kitaniclis và Bras, 1978). Những ứng dụng này sử dụng ph−ơng pháp đo sự lắng đọng và dòng chảy khi chúng trở nên có thể sử dụng đ−ợc với những thông số mô hình cập nhật.
Các mô hình có thể đ−ợc điều chỉnh cách dùng, ví dụ bản ghi số liệu dòng chảy và giáng thủy; sự thay đổi sai số hệ thống chung của mô hình là tự động thu đ−ợc. Các dự báo bằng loại mô hình này dùng một vectơ đơn vị cho tr−ớc (ví dụ giáng thủy) sinh ra dòng chảy và một l−ợng sai số dự báo. Littermaier và Burger (1976) và Boules với Grenney (1978) giới thiệu các ứng dụng khác. Các phép xấp xỉ truyền thông không cung cấp các sai số dự báo có thể so sánh đ−ợc. Nhiều việc thực hiện d−ới dạng các loại mô hình này.
Thông th−ờng phép xấp xỉ để điều chỉnh mô hình không thiết lập các lọc ngẫu nhiên, đã chứa đựng trong các mô hình một cách rõ ràng, các giá trị của
số (gọi là tham số) trong các mô hình xác định (tính) đ−ợc −ớc l−ợng bằng việc giả sử không có sai số trong bất kỳ một số liệu đ−a vào, trong mô hình hoặc trong số đã so sánh với mô hình đ−a ra. Ví dụ chúng ta định có mô hình l−u vực Stanford (Gawford và Linsley, 1966) bằng cách chọn một khoảng thời gian có số l−ợng đo trùng với mô hình đ−a vào (số liệu vào mô hình) và đ−a ra các chuỗi thời gian (giáng thủy, bay hơi hạt n−ớc m−a, dòng chảy v.v...) và buộc mô hình đ−a ra phải có thể nhỏ gần bằng với hệ thống đo l−ờng vật lý (lấy ra). Tính chất (đặc tính) của thay đổi cỡ, đ−ờng kính, sau đó xác định bằng mô hình kiểm tra, có nghĩa là kiểm tra sự khác nhau giữa giá trị đã đo và các số liệu lấy ra dự báo từ một đoạn khác của bản ghi. Nó là phép kiểm tra mà đo giá trị của mô hình đã điều chỉnh.
11.10.3 H−ớng dẫn thực tế
Mô hình có thể dùng khoảng 5 năm liên tiếp có bản theo dõi liên tục về thủy văn và số liệu khí t−ợng bao gồm các hiện t−ợng dòng chảy chậm (thấp) dòng chảy nhanh (cao) phản ánh giới hạn của dòng chảy và hiện t−ợng m−a đã chứng kiến trên l−u vực đó. Việc chứng kiến và quan trắc trong các l−u vực bên cạnh là có tác dụng khi các bản theo dõi ngắn hơn là hoàn toàn có sẵn ở một hiện tr−ờng (điểm) quan tâm hoặc khi các hiện t−ợng quan tâm không th−ờng xuyên, không có bản theo dõi.
Tiếp theo ng−ời sử dụng cần quyết định xem anh ta muốn điều chỉnh mô hình cho toàn bộ l−u vực đ−a ra hay sẽ đ−a l−u vực thành từng phần và xác định việc địa chất mô hình cho từng phần. Nếu sự chia nhỏ đ−ợc mong muốn (nếu muốn chia nhỏ l−u vực) thì nên sử dụng bao nhiêu l−u vực đã chia nhỏ? Các bản ghi đ−a ra là cần thiết cho mỗi phần chia đối với sự điều chỉnh mô hình. Một ng−ời làm mô hình rất th−ờng xuyên buộc phải xử lý nhiệt loại bề mặt l−u vực thủy văn nh− là một hệ thống tập trung đơn giản vì không còn cách nào khác để −ớc l−ợng đầy đủ các tham số trong các mực bề mặt l−u vực đồng nhất hơn. Nếu việc phân chia l−u vực là cần thiết thì trong bản theo dõi một hoặc nhiều hơn hai năm ít nhất đ−a ra các sai số, bù đắp mà các sai số đó có thể dẫn tới sai số trong việc −ớc l−ợng tham số. Tất nhiên có thể sử dụng một số biện pháp thuỷ văn để thay thế cho một số dụng cụ đo thêm.
Để bắt đầu một ph−ơng pháp điều chỉnh, thì cần phải −ớc l−ợng các giá trị n−ớc tích tụ (dự trữ) ban đầu trong mỗi phần khác nhau của mô hình cũng nh− tạo ra việc −ớc l−ợng ban đầu cho các tham số. Từ điều kiện ban đầu, các giá trị đầu tiền có thể đ−ợc −ớc l−ợng bằng cách quy ra số các giá trị số dựa vào hiện t−ơng có thể quan sát đ−ợc. Ví dụ trong các mô hình có các vũng n−ớc đọng - khái niệm tạo ra sự chặn đứng, dòng chảy mặt, mặt n−ớc ở phía trên đất một vài inche v.v... Các giá trị ban đầu sẽ luôn bằng 0 nếu trời không m−a trong suốt tuần tr−ớc. Một bản liệt kê giáng thủy thời gian tr−ớc API là (có ích). Trong việc −ớc l−ợng, l−ợng, ẩm ban đầu tầng hỗ trợ tụ sâu hơn. Các giá trị ban đầu của các tham số đ−ợc −ớc l−ợng tốt nhất từ các ph−ơng pháp điều chỉnh tr−ớc trên các l−u vực khác với đặc tính, tính chất vật lý t−ơng tự. Với các giá trị tích tụ ban đầu và các tham số −ớc l−ợng, thì dòng chảy đ−ợc giả định từ giáng thủy, dòng chảy giả định đ−ợc so sánh với dòng chảy đã theo dõi, và số tính chất của sự giả định đ−ợc −ớc l−ợng.
Tính chất của việc giả định phụ thuộc vào các yêu cầu sau:
1. Thể tích n−ớc theo năm phù hợp với bản theo dõi các giá trị (các giá trị đã ghi)
2. Thể tích theo mùa phải phù hợp với các giá trị đã ghi t−ơng ứng. 3. Thể tích hàng ngày, hàng tuần phải phù hợp với các giá trị đã ghi. 4. Các biểu đã giả định và đã đo t−ơng ứng với các hiện t−ợng giáng thủy đặc biệt có hình dạng t−ơng tự nhau, cùng các giá trị cực đại, cùng thời gian xuất hiện dòng cực đại.
Khi điều chỉnh, sự rõ nét nhấn mạnh ban đầu đ−ợc xác định trên hai yêu cầu trên. Cuối cùng mới tập trung vào ý 3 và 4, việc kiểm tra tiếp theo là xem mô hình có đúng với các nguyên nhân sai không. Vì một trạm đo là có kết quả giống nhau đối với các mô hình có hàm thành phần, phản ứng bề mặt đã đ−ợc nhận lên tối đa khi sự điều chỉnh đã lựa chọn đ−ợc đ−a đến từ sai số cực đại. Các kết quả của mô hình đáng tin cậy hơn nếu:
5. Sự bay hơi hạt n−ớc m−a (ET) đã dự báo nhỏ hơn sự bay hơi tiềm ẩn trên một vùng. (adsbygoogle = window.adsbygoogle || []).push({});
6. L−ợng n−ớc tích tụ đã dựng mô hình fluctuate với các loại giáng thủy (mô hình giáng thủy)
7. Các giá trị đã −ớc l−ợng cho các tham số mô hình là phù hợp với các đặc tr−ng vật lý của l−u vực quan trắc.
8. Sự phân chia mô hình giữa dòng chảy mặt và dòng chảy cơ bản là đã biết một vài nguyên nhân có thể là các điều kiện lý và đất của l−u vực.
Điều này là có thể, ví dụ nh−, để thỏa mãn các yêu cầu từ 1 đến 4, thật sự ch−a tác động mạnh vào các lỗi sai nhỏ và sự bay hơi hạt n−ớc m−a đã dự báo (ET). Ví dụ, các dòng chảy cực đại có thể đã đ−ợc tập hợp lại bởi sự tổng hợp quá nhiều dòng chảy mặt và quá ít dòng chảy cơ bản. Ví dụ, nếu việc giả định phù hợp với hình dạng và thể tích (kích th−ớc) của biểu đồ theo dõi thủy văn nh−ng một trong hai điều đó đến muộn hơn hoặc sớm hơn thời gian dự định thì chúng ta cần tìm ra nguyên nhân có thể dẫn đến điều này. Có 2 giải pháp. Hoặc là dụng cụ đo m−a vì dụng cụ đo m−a không đồng bộ với dụng cụ đó dòng chảy hoặc là do sự tác động cạnh nhau của chúng tới l−u vực và loại hình m−a chiếm −u thế, có thể cung cấp một mối quan hệ sao theo thời gian.
Các tham số mô hình có thể đ−a ra không đủ số lần dịch chuyển mạch dẫn. Nếu mô hình đ−ợc điều chỉnh từ các bản theo dõi dòng chảy nhỏ trong suốt một giai đoạn của sự không đồng bộ, thì vấn đề nảy sinh sẽ là xem các kết quả có đ−ợc kiểm tra trên giai đoạn khác mà không có sự kiện vào lúc đó không.
Yếu tố quan trọng trong việc thu đ−ợc một phép điều chỉnh chính xác là số liệu giáng thủy t−ợng tr−ng. Nó có thể lấy đ−ợc từ các dụng cụ đo giáng thủy trong phạm vi l−u vực nh−ng cũng có thể sử dụng các dụng cụ đo gần đó. Khoảng cách giữa các dụng do gần đó là bao nhiêu và nên sử dụng các dụng cụ đo ngoài l−u vực nh− thế nào?
Các câu trả lời phụ thuộc vào giáng thủy trên vùng và các mô hình khác nhau theo thời gian trong vùng đó. Ví dụ, một dụng cụ đo theo dõi ở sân bay quốc tế Seatle ở Tacoma là không t−ợng tr−ng cho l−ợng giáng thủy cách đó 10 dặm về phía Tây – Bắc, cho nên, không thể sử dụng l−ợng giáng thuỷ đã đo ở sân bay để điều chỉnh chính xác cho các l−u vực nhỏ mà l−u vực đó cung cấp
n−ớc cho hồ Washington. Làm thế nào để chúng ta tiếp tục tiến hành trong các tr−ờng hợp nh− vậy? Phần lớn các b−ớc tiến triển thông th−ờng là sử dụng toàn bộ các dụng cụ đo tích luỹ đã đo tại chỗ hàng ngày và số liệu dụng cụ đang đo