Hàm ACF (bên trái) và hàm PACF (bên phải) của- 123docz.net

Từ các bảng 3.4 và 3.5 nhận thấy các đặc trưng thơng số của mơ hình

ARIMA hanoi (0, 0, [4, 5]) đều thỏa mản các tiêu chuẩn thống kê, độ lớn của các

thông số đều lớn hơn giá trị kiểm định (t = t0.05 =2) và giữa các thơng số khơng có sự tương quan cao với nhau. Hơn nữa, khi xét hàm ACF và PACF của chuỗi sai số trong mơ hình ARIMA hanoi (0, 0, [4, 5]) (hình 3.3) nhận thấy tất cả các giá trị của hàm ACF và PACF đều nằm trong giới hạn tin cậy, do vậy các sai số nhận được từ mơ hình này có tính độc lập với nhau.

Vậy mơ hình ARIMA hanoi (0, 0, [4, 5]) được chọn là phù hợp với chuỗi số

liệu mưa trạm Hà Nội. Từ phương trình tổng qt của mơ hình ARIMA và các giá trị của thơng số được trình bày trong bảng 3.4, mơ hình ARIMAhanoi(0,0,[4,5]) có

phương trình như sau:

MuaDXt_Hanoi = 244.29 - 0.41547at-4 - 0.24608at-5 + at 3.1

Trong đó:

MuaDXt_Hanoi là tổng lượng mưa dự báo ở thời điểm t đối với trạm Hà Nội; at, at-4, at-5 là sai số giữa giá trị quan trắc và dự báo tại bước trễ thời gian là t, t - 4

và t - 5, trong quá trình dự báo sẽ giả định giá trị sai số trong tương lai at = 0.

Tóm lại: Trong số 9 trạm đại diện cho khu vực đồng bằng Bắc Bộ được chọn để áp dụng mơ hình ARIMA, chỉ duy nhất trạm Hà Nội được áp dụng thành cơng mơ hình ARIMA, đối với các trạm còn lại, do hàm tự tương quan và tương quan riêng phần của chuỗi lượng mưa vụ đơng xn khơng đủ độ lớn để có thể áp dụng mơ hình này.

3.2. Xây dựng mơ hình dự báo lƣợng mƣa vụ đơng xn bằng mơ hình động thái ARIMAX

3.2.1. Xác định tính ổn định của chuỗi nhân tố dự báo

Như đã trình bày trong phần cơ sở dữ liệu ở chương 2, các nhân tố tham gia dự tuyển trong mơ hình động thái ARIMAX bao gồm: nhóm các chỉ số khí hậu (chỉ số SOI, ASST trên các vùng NINO1.2, NINO3, NINO4, NINO3.4) và số vết đen Mặt Trời, nhóm các nhân tố này được xử lý tính tốn ở dạng chuẩn sai theo tháng.

báo này cần phải có tính ổn định ngẫu nhiên. Sau đây sẽ khảo sát tính ổn định ngẫu nhiên đối với từng nhóm nhân tố thơng qua hàm tự tương quan của chúng.

Đối với nhóm các chỉ số khí hậu: Chuỗi tham ra dự tuyển trong nhóm này là

dữ liệu tháng được sắp xếp theo trình tự thời gian với bước thời gian cách nhau 1 năm. Với cách sắp xếp như vậy mỗi chỉ số khí hậu sẽ được chia thành 12 tập con tương ứng với 12 tháng. Do đó các chuỗi này sẽ khơng cịn có tính mùa mà chỉ có thể có tính chu kỳ và xu thế. Để khảo sát tính chu kỳ và xu thế của chuỗi, đã tính tốn hàm tự tương quan của từng chuỗi dữ liệu theo tháng đối với các chỉ số SOI, dị thường nhiệt độ bề mặt nước biển (ASST) trên các vùng NINO1.2, NINO3, NINO4, NINO3.4. Diễn biến về hàm tự tương quan đối với các chỉ số này được trình bày trong hình 3.4. Từ hình này nhận thấy hầu hết các giá trị tự tương quan đối với tất cả các chuỗi được xét đều nằm trong khoảng giới hạn tin cậy của chuỗi (công thức 2.8), do vậy các chuỗi được chọn trong nhóm các chỉ số ENSO đều có tính ổn định ngẫu nhiên và đủ điều kiện để tham gia dự tuyển trong mơ hình ARIMA.

Đối với nhóm chỉ số vết đen mặt trời: Về cách thức sắp xếp dữ liệu đối với

nhóm chỉ số vết đen Mặt Trời cũng tương tự như đối với nhóm các chỉ số khí hậu. Kết quả tính tốn hàm tự tương quan đối với các chỉ số vết đen Mặt Trời được trình bày trong hình 3.5. Từ hình 3.5 nhận thấy diễn biến hàm tự tương quan theo các bước trễ thời gian thể hiện rất rõ dạng hình Sin với chu kỳ trong khoảng 10 đến 11 năm, điều này cho thấy các chuỗi vết đen mặt trời theo từng tháng đều có tính chu kỳ nên cần phải sai phân để đưa các chuỗi này về dạng ổn định ngẫu nhiên.

Trên cơ sở độ lớn của hàm tự tương quan được trình bày trong hình 3.5, đã chọn bước sai phân là 11 (ΔXt = Xt - Xt-11) đối với nhóm chỉ số vết đen mặt trời nhằm đưa các chuỗi này về dạng ổn định ngẫu nhiên. Kết quả tính tốn hàm tự tương quan đối với các chuỗi này sau khi sai phân được trình bày trong hình 3.6. Từ hình 3.6 nhận thấy hàm tự tương quan giảm nhanh ở các bước trễ thời gian đầu, sau đó dao động trong khoảng giới hạn tin cậy, điều này chứng tỏ các chuỗi chỉ số vết đen Mặt Trời sau khi sai phân đã đạt được tính ổn định ngẫu nhiên và có thể sử dụng để tham ra dự tuyển trong mơ hình ARIMA.

Hàm ACF của chỉ số ASST vùng NINO12

-0.4 0.0 0.4

1 2 3 4 5 6 7 8 9 10 11 12 13

Bước trễ thời gian (Lag)