chứng
Một phép xấp xỉ hệ thống điều chỉnh và kiểm tra mô hình đ−ợc tóm tắt trong hình 11.2. Bao gồm ba giai đoạn: điều chỉnh ban đầu, điều chỉnh chọn lọc và −ớc l−ợng kiểm tra mô hình. Giai đoạn đầu sử dụng một ph−ơng pháp kiểm tra ban đầu đã theo dõi bằng một phép so sánh có chọn lọc hơn bằng một cách sử dụng mô hình để thu đ−ợc số liệu tốt nhất cho mô hình. Giai đoạn thứ hai sử dụng kết quả khí t−ợng đ−a vào và các dòng chảy để đạt đ−ợc khả năng điều chỉnh tốt nhất. Trong giai đoạn ba, số liệu đã đo ở cùng một trạm, nh−ng đã sử dụng phép điều chỉnh khác nhau cho mỗi khoảng thời gian khác nhau, đ−ợc sử dụng để kiểm tra mô hình đã đ−ợc điều chỉnh để xác định độ chính xác của nó
Vậy giai đoạn điều chỉnh ban đầu, số liệu đ−a vào (giáng thuỷ, sự di chuyển hơi n−ớc...) và các chuỗi dòng chảy đã ghi chép (tại tất cả các vị trí quan tâm) cần đ−ợc lọc và sai số hiển nhiên. Hai phép kiểm tra chính là
(a) các biểu đồ đã ghi chép mà thể tích của nó v−ợt quá l−ợng m−a đã đo hoặc là phần đo mức cao l−ợng m−a đã đo vì trở lên không có năng cao, một điều kiện th−ờng xuyên kết hợp với trận m−a chính trên l−u vực nh− các dụng cụ đo giáng thuỷ sai số lớn, và
(b) l−ợng m−a ghi đ−ợc lớn mà rất ít dòng chảy giả định, một điều kiện th−ờng xuyên kết hợp với c−ơng độ l−ợng m−a đã ghi tại dụng cụ đo tồn tại l−ợng giáng trên l−u vực.
Nếu cơn bão với các đặc tính này cung cấp một phần dòng chảy nằm trong một năm đã đ−a ra thì thông th−ờng nó là tốt nhất để sử dụng cách khác hơn là điều chỉnh cho nhiều năm. Khi cơn bão này xảy ra trong suốt nhiều năm đã điều chỉnh thì sửa đổi số liệu giang thuỷ thành các giá trị gợi ý về dòng chảy
Giai đoạn 1. Hiệu chỉnh sơ bộ: Chọn thời đoạn 3 đến 5 năm (ít nhất)
Giai đoạn 2: Hiệu chỉnh lại: Cùng thời đoạn nh− trên
Giai đoạn 3: Kiểm chứng mô hình và đánh giá: Thời đoạn 3-5 năm tiếp theo
Hình 11.2 Các b−ớc thực hiện mô hình điều chỉnh và kiểm tra
Nhập số liệu kiểm tra cho các sai số lớn
Lựa chọn các thông số ban đầu và chạy mô hình Cập nhật các thông số
và chạy mô hình Chuỗi mô phỏng
Chuỗi quan trắc
So sánh chuỗi số liệu mô phỏng và quan trắc
Dòng chảy hàng năm có phù hợp? Tổng l−ợng dòng chảy tháng có phù hợp? Kiểm tra Liou (ph−ơng trình 10)?
Các không t−ơng thích về số liệu đã đ−ợc xử lý?
Kiểm tra các số liệu vào, chuỗi dòng chảy mô phỏng và đo đạc. Xử lý các không t−ơng thích; thay đổi chuỗi đầu vào và chuỗi quan trắc phù hợp. Yes No Yes No
Lựa chọn từ chuỗi sai số A-F và chạy mô hình
Chuỗi mô phỏng S(i); sS(i) Chuỗi mô phỏng S(i); sS(i)
Cập nhật thông số và chạy mô hình
Tính toán cho chuỗi sai số lựa chọn, R(i) và S(i): Giá trị t.bình, sai số chuẩn, t−ơng quan chuỗi (ptrình 14-16). Đo dạc trình diễn (ptrình 25-29 Đạt đ−ợc tiêu chuẩn của ng−ời sử dụng?
Kiểm tra bằng mắt các biểu đồ, chuỗi sai số, chuỗi đo đạc với chuỗi mô phỏng,
Thoả mãn?
Biến đổi đo đạc trình diễn và tiêu chuẩn chấp nhận No No No Yes
Kiểm tra lỗi đầu vào vào và s.liệu đo đạc. Theo các b−ớc t−ơng tự nh− hiệu chỉnh sơ bộ nh−ng không thay đổi thông số ở b−ớc cuối cùng
Chạy mô hình với số liệu chuẩn. Sử dụng thông sô sau cùng trong giai đoạn 2
Tính các đặc tr−ng thống kê cho R(i), S(i) và sai số. Tính Se cho chuỗi B (p.t 8) và các hệ số trình diễn theo p.trình 25-29 và 31-33
đã ghi chép t−ơng ứng đ−ợc đ−a vào qui luật để ngăn cản một phép đảo lộn chính xác các điều kiện ẩn cho tr−ớc đối với các bão sắp tới, nh− khoảng thời gian có số liệu đã sửa đổi không nên sử dụng trong phép tính kiểm tra thống kê đối với tối −u hoá tham số.
Mô hình thực sự bắt đầu khi các điều kiện ban đầu và các giá trị tham số ban đầu đ−ợc xác định và các dòng chảy đ−ợc giả định đối với số liệu đ−a vào. Các chuỗi đẫ ghi chép và giả định đ−ợc so sánh để làm cho phù hợp thể tích dòng chảy mùa và năm. Điều đó luôn là điều mong muốn cho thể tích dòng chảy tháng và dòng chảy tuần cũng để làm phù hợp ở giai đoạn này. Phép kiểm tra thống kê của Liou (1970) đ−ợc ứng dụng ở đây (ph−ơng trình [11.10]) Độ lệch chính và độ lệch chuẩn của dòng chảy hàng ngày đ−ợc tính và so sánh để chắc chắn rằng các dòng chảy đã ghi chép và giả định các quy luật tạm thời thấp (yếu, nhỏ) có thể so sánh đ−ợc. Các tham số mô hình đ−ợc cho tr−ớc và tiếp tục đ−ợc điều chỉnh ban đầu đã thoả mãn. Các tham số có thể bị thay đổi bằng tay hoặc bằng các qui định đã lập trình.
Khi sự phù hợp ban đầu có thể chấp nhận là đã đạt đ−ợc (ví dụ; giá trị dòng chảy đã ghi chép và giả định hàng năm phù hợp tới phạm vi 10%), thì các phép kiểm tra bằng mắt, số liệu đ−a vào dòng chảy đã ghi chép và giả định nên đ−ợc làm để phát hiện ra mâu thuẫn: ví dụ: sai số trong số liệu đã ghi chép, sự mâu thuẫn giữa các sự kiện giáng thuỷ và dòng chảy... Các mâu thuẫn phải đ−ợc giả quyết bằng cách sửa chữa số liệu đ−a vào và các chuỗi đã ghi chép; thậm chí một mô hình đã điều chỉnh t−ơng đối thô là rất ảnh h−ởng trong việc nhận biết các sai số ở số liệu đã ghi chép
Trong lúc sự điều chỉnh ban đầu đã phát hiện các chuỗi số liệu đã mâu thuân, thì cần phải điều chỉnh chọn lọc để thu đ−ợc biểu đồ t−ơng ứng hàng ngày tốt nhất; các quy mô thời gian ngắn hơn đ−ợc l−u ý đối với các sự kiện lũ lụt tất yếu.
Sự định h−ớng tốt nhất đ−ợc dựa trên cơ sở sự chọn lựa bằng cách sử dụng một hoặc một chuỗi sai số và thực hiện đó nh− đã trình bày ở trên. Sau khi một phép điều chỉnh đạt đ−ợc tiêu chuẩn có liên quan tới hoạt động đo bằng số, thì điều quan trọng là sử dụng các biểu đồ phụ để đánh giá trực quan chất l−ợng của việc điều chỉnh
Việc phân tán các dòng chảy đã ghi chép và giả định là ph−ơng pháp đơn giản nhất để nhìn thấy chất l−ợng điều chỉnh trong một biểu đồ thích hợp thông tin ngẫu nhiên bị mất nh−ng ng−ời sử dụng có thể ngay lập tức nếu các dòng chảy cao hoặc thấp đ−ợc dựng mô hình t−ơng đ−ơng hoặc các sai số hệ thống là tồn tại (hình 11.1) nó th−ờng xuyên đ−ợc dùng để dánh dấu sự phân tán của hàm loga của dòng chảy tìm ra từ hoạt động mô hình nhỏ hơn tại các dòng chảy thấp. Ngoài ra các động thái thống kê đ−ợc trình bày tốt nhất bằng cách vẽ một hoặc hơn các chuỗi sai số nh− là phần khối đ−ờng cong còn lại.
Hầu hết nh−ng ng−ời sử dụng thích đánh dấu dòng chảy đã ghi chép và giả định ng−ợc thời gian hơn nữa, nó có giá trị lớn để đánh dấu các chuỗi B (ph−ơng trình [11.8]) cho một hình ảnh sai số t−ơng đôí đã trình bày. Phần đ−ờng cong khối còn lại của dòng chảy đã ghi chép và giả định cung cấp một ý nghĩa nổi bật về sự kéo dài sai số.
Ng−ời sử dụng phải xác định các chuỗi sai số và và thực hiện đo các giá trị mong muốn đối với mỗi tiêu chuẩn cho phép mà các tiêu chuẩn đó biểu thị một sự điều chỉnh thích hợp, sau khi kiển tra một chuỗi thời gian của các dòng chảy giả định các dòng chảy này đã đạt đ−ợc các tiêu chuẩn đó, nếu mong muốn đ−a thêm vào sự tinh lọc thì tiêu chuẩn cho phép phải đ−ợc thiết lập chính xác hơn. Có lẽ là các chuỗi sai số cho phép tiến hành đo nên đ−ợc thay đổi. Các tham số đ−ợc sửa đổi và mô hình đ−ợc chạy lại quá trình đ−ợc tiếp tục đến khi tiêu chuẩn mới đ−ợc thoả mãn.
Một số ý kiến cần đ−ợc đ−a ra để chọn lựa tiêu chuẩn phù hợp tại thời điểm bắt đầu điều chỉnh. Các chuỗi sai số A và B (các ph−ơng trình [11.7] và [11.8] là mối quan tâm chung nhất. Chuỗi D (ph−ơng trình [11.10] cung cấp một ý nghĩa cho việc chọn lọc thêm khi kết quả d−ờng nh− cũng bị ảnh h−ởng bởi một số ít các điểm. Trong khi, giá trị trung bình, độ lệch chuẩn, và mối t−ơng quan các hệ số giảm dần của chuỗi B hoàn toàn bằng không, thì tiêu chuẩn thực nghiệm là để cố gắng thu đ−ợc một mức độ trung bình khoảng 5%, độ lệch chuẩn từ 5-10%, và thoả mãn mối quan hệ giảm dần (p1) về 0. Vì một kết quả điều chỉnh là xấp xỉ, nên p1 th−ờng đ−ợc phân bố với giá trị 0 và sự thay đổi là (N-2)/(N-1)2 (Anderson,1942). Đối với việc điều chỉnh gián đoạn (3
định hàng ngày để so sánh, cho nên các mâu thử là thoả mãn phần lớn. Tuy nhiên, nên nhớ rằng trong các chuỗi riêng lẻ (đã ghi chép và giả định) t−ơng quan tự động cao cho nên nội dung thông tin đ−ợc kết hợp với 1 số rất nhỏ các sự kiện độc lập. Bay ley và Hamersby (1946) đ−a ra các chi tiết cho việc tính toán nội dung thông tin đã suy yếu. Ví dụ, tính ảnh h−ởng kích cỡ mẫu đ−ợc sử dụng khi tính toán sai số chuẩn của giá trị trung bình (mean) là N*d đ−ợc xác định bằng công thức ∑− = ∗ = + N 1 − ρ 1 j j 2 d ) j N ( N 2 N 1 N 1 (11.34)
với Pj hệ số t−ơng quan tự động rất nhiều chuỗi dòng chảy đ−ợc bỏ qua sau khi chuyển đổi các thành phần, theo một quá trình Markov giảm dần. Đối với tr−ờng hợp này N*d là ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ρ − − ρ + ρ − ρ + = ∗ 1 N 1 1 2 1 d 1 1 N ) 1 ( N 2 N 1 N (11.35)
Hai tiêu chuẩn khác áp dụng để xác định tr−ớc. Đó là các giá trị đối với hiệu lực các hệ số (ph−ơng trình [11.30]) và các hệ số của phân phối còn lại ph−ơng trình [11.33]). Phép điều chỉnh đạt đ−ợc chính xác nếu cả hai hệ số v−ợt quá 0,97. Thông th−ờng các tiêu chuẩn mà thích hợp với chuỗi sai số B là hạn chế hơn bởi vì mô hình phải sao chép thỏa mãn cả hai dòng chảy cao và thấp. Giá trị nhỏ nhất của độ lệch chuẩn của chuỗi sai số B phụ thuộc vào các sai số trong cấu trúc mô hình, số liệu đ−a vào và số liệu dòng chảy đã ghi chép là có thể mong muốn, nh−ng thực sự không hy vọng đạt đ−ợc các giá trị nhỏ hơn 5 đến 10%.
Ng−ời làm mô hình chú ý tới kết hợp phép điều chỉnh có thể đạt đ−ợc mà phép điều chỉnh đó làm giảm sai số dự báo, Se, thấp hơn chuỗi sai số t−ơng đối đã ghi chép sRe. Đối với phép điều chỉnh này thì sai số trong quá trình dựng mô hình là nhỏ hơn sai số trong quá trình đó. Một nguy hiểm khác đối với ng−ời làm mô hình là để làm phù hợp quá sát kết quả của anh ta với chuỗi
dòng chảy đặc thù mà dòng chảy đó đã xảy ra trong suốt giai đoạn điều chỉnh và làm mất tính chất chung cho nên kết quả thực sự kém khi mô hình đ−ợc kiểm tra muộn hơn trên số liệu đối với một khoảng thời khắc. Đây là một trong những nguy hiểm trong việc điều chỉnh một sử dụng một giai đoạn mà giai đoạn đó hoặc quá ngắn hoặc các đoạn đó không tồn tại các dòng chảy liên tục.
Sau khi một mô hình đã đ−ợc điều chỉnh, sử dụng một khoảng thời gian khác đ−ợc để −ớc l−ợng hoạt động của nó. Sử dụng ngay giai đoạn 3 - 5 năm tiếp theo giai đoạn điều chỉnh đ−ợc giới thiệu cho việc kiểm tra và đánh giá. Một lý do chính cho việc sử dụng ngay lập tức số liệu tiếp theo giai đoạn điều chỉnh là để tạo ra ứng dụng của các điều kiện cuối từ giai đoạn điều chỉnh nh− là các điều kiện ban đầu đối với giai đoạn đánh giá. Các ảnh h−ởng của điều kiện ban đầu có thể nhận thấy từ một giai đoạn 6 đến 12 tháng khi có mô hình ứng dụng t−ơng tự với mô hình l−u vực Stanford. Việc ngăn cản ngẫu nhiên trong b−ớc đầu bằng cách theo dõi quá trình phía trên để chắc chắn sử dụng tối đa số liệu không đầy đủ cho việc đánh giá mô hình.
Ngoài ra, trạng thái chất l−ợng của mô hình điều chỉnh có thể đ−ợc làm ra bằng cách xác định giá trị trung bình và độ lệch chuẩn của chuỗi B (ph−ơng trình [11.8]) chuỗi sai số t−ơng đối và hiệu lực các hệ số (ph−ơng trình [11.30] và phần khối còn lại (ph−ơng trình [11.33]) khi các hệ số này v−ợt quá 0,97 thì còn lại rất ít sai số hệ thống. Các hệ số khác có thể đ−ợc sử dụng, các phép đo trên đáp ứng cho phần lớn các vùng. Độ lệch chuẩn của chuỗi sai số B đ−a ra hầu hết ứng dụng đo đạc chung của độ chính xác dự báo.
Không thể th−ờng xuyên có một mô hình hoạt động đồng nhất trên toàn bộ dòng chảy cao và thấp. Do đó, một vài hệ số phạm vi hoạt động có thể đ−ợc sử dụng. Chúng ta có thể chia toàn bộ chuỗi thời gian thành vài phần, ví dụ, giai đoạn ẩm −ớt, giai đoạn dòng chảy ng−ng trệ v.v... cho mỗi năm và tính các hệ số hoạt động cho mỗi phần. Ví dụ, giá trị trung bình và độ lệch chuẩn (chuỗi sai số B) có thể đ−ợc tính toán cho giai đoạn ẩm trong một năm và tính trở lại cho tất cả các năm đã sử dụng đối với việc kiểm tra để bản tóm tắt thống kê trung bình.