Chương 1. Trở về cơ bản: Quá trình dòng chảy và mô hình hoá quá tr×nh
1.8. Vấn đề hiệu chỉnh và kiểm định mô hình
Ngay khi 1 hay nhiều mô hình được chọn cho việc xem xét trong một dự án, cần thiết phải hiệu chỉnh thông số. Không may là không có thể ước lượng các thông số của mô hình bằng đo đạc khác hoặc ước lượng trước đó. Các nghiên cứu đã cố gắng làm việc đó nói chung cho thấy rằng ngay cả sử dụng một chuỗi đo đạc hoàn hảo các giá trị thông số thì kết quả cũng không hoàn toàn thoả mãn (Beven 1984,Refsgaard và Knudsen 1996,Loague và Kyriakids 1997). Các ước lượng trước đó trong phạm vi có khả năng của thông số cũng thường dẫn đến khoảng dự báo khá rộng và có thể không chứa tất cả phản ứng đo được ở mọi thời điểm (ví dụ Parkin, 1996).
Có 2 nguyên nhân chính gây khó khăn cho việc hiệu chỉnh. Trước hết là do quy mô của kỹ thuật đo đạc nói chung nhỏ hơn quy mô mà các thông số yêu cầu. Ví dụ đó có thể là thông số độ dẫn thuỷ lực trong một cấu trúc mô hình cụ thể. Kỹ thuật đo đạc
độ dẫn thuỷ lực của đất nói chung được tổ hợp trên diện tích nhỏ hơn 1m2. Nhưng ngay cả mô hình phân bố hoàn hảo nhất cũng yêu cầu các giá trị hiệu quả phản ứng của các phần tử với diện tích 100m2 hoặc đôi khi lớn hơn. Với dòng chảy bão hoà đã có một số phát triển lý thuyết gợi ý các giá trị hiệu quả có thể biến đổi như thế nào theo
quy mô đưa đến kiến thức cơ bản của cấu trúc quy mô nhỏ của giá trị độ dẫn thuỷ lực.
Nói chung, thực hiện các đo đạc thực nghiệm yêu cầu để sử dụng lý thuyết như vậy ở quy mô sườn dốc hoặc lưu vực sẽ rất tốn kém và mất thời gian, và dẫn đến một số lớn các lỗ hổng trên sườn dốc. Như vậy cần thiết thừa nhận rằng các giá trị quy mô nhỏ có thể đo đạc và các giá trị hiệu quả yêu cầu ở quy mô phần tử mô hình là khác nhau (từ kỹ thuật gọi chúng là vô ước), mặc dù các nhà thuỷ văn theo truyền thống gọi chúng theo cùng một tên. Giá trị thông số hiệu quả cho một cấu trúc mô hình cụ thể sẽ là cần thiết để hiệu chỉnh một phương pháp nào đấy.
Hình 1.7.Bề mặt phản ứng cho 2 thông số TOPMODEL (xem hộp 6.2) trong một áp dụng để mô hình hoá
lưu lượng dòng chảy của lưu vực con Slapton Wood ở Devon, Anh. Hàm mục tiêu là hiệu quả Nash- Sutclffe có giá trị bằng 1 cho sự phù hợp hoàn hảo với lưu lượng quan trắc
Hầu hết các nghiên cứu hiệu chỉnh trong quá khứ được tiến hành theo kiểu tối ưu hoá các thông số bằng cách so sánh kết quả mô phỏng lặp lại của phản ứng lưu vực sẵn có. Giá trị của các thông số được hiệu chỉnh qua mỗi lần chạy mô hình bằng tay hoặc bằng thuật toán tối ưu hoá của máy tính cho tới khi tìm được một bộ thông số phù hợp nhất. Có nhiều thuật toán tối ưu hoá và độ đo sự phù hợp khác nhau hay hàm mục tiêu trong các mô hình thuỷ văn (chương 7). Điều chủ yếu là tìm đỉnh cao nhất trên bề mặt phản ứng trong không gian thông số xác định bằng một số hàm mục tiêu.
Một bề mặt như thế chỉ ra trên hình 1.7. Hai trục cơ bản là 2 giá trị thông số khác nhau, thay đổi trong khoảng từ giá trị lớn nhất đến nhỏ nhất. Trục thẳng đứng là giá
trị hàm mục tiêu dựa trên tổng độ lệch bình phương giữa giá trị quan trắc và tính toán, nó bằng 1 cho trường hợp phù hợp tốt. Dễ dàng thấy từ ví dụ là tại sao lại gọi thuật toán tối ưu hoá là thuật toán ‘leo dốc’ vì điểm cao nhất của bề mặt đại diện cho giá trị tối ưu của 2 thông số. Như vậy bề mặt phản ứng dễ dàng nhìn thấy trong không gian 2 thông số. Sẽ khó khăn hơn nhiều khi xác định bề mặt phản ứng trong siêu không gian thông số N-chiều. Bề mặt như vậy thường rất phức tạp và nhiều nghiên cứu thuật toán tối ưu hoá đã liên kết với việc tìm các thuật toán mạnh, chú ý đến sự phức tạp của bề mặt không gian N-chiều và tìm được bộ thông số tối ưu toàn cục.
Dù sao với hầu hết bài toán mô hình hoá thuỷ văn việc tối ưu hoá là có hại nếu chỉ căn cứ vào sự so sánh đơn độc giá trị lưu lượng quan trắc và mô phỏng. Điều này có thể do không đủ thông tin về số liệu để cung cấp tối ưu hoá mạnh giá trị thông số.
Thực nghiệm đã chỉ ra rằng, ngay cả khi mô hình đơn giản chỉ có 4-5 thông số phải
ước lượng có thể yêu cầu ít nhất 15-20 thuỷ đồ cho hiệu chỉnh tương đôi nhanh và nếu có sự thay đổi mạnh theo mùa trong phản ứng mưa sau một thời kỳ dài hơn (xem Kikby, 1975; Gupta và Srooshian, 1985; Hoonberger và nnk, 1985; Yapo và nnk,1966).
Với bộ thông số phức tạp hơn cần nhiều số liệu hơn và nhiều dạng khác nhau của số liệu cho một tối ưu hoá, trừ khi có thể ấn định nhiều thông số trước bằng cách đo đạc
độc lập. Trong thực tế rất khó đạt được điều này.
Không chỉ có một vấn đề tìm bộ thông số tối ưu. Tối ưu hoá nói chung giả thiết rằng các quan trắc mờ được đem so sánh với các giá trị mô phỏng là sai số tự do và rằng mô hình là đại biểu thực sự của số liệu đó. Dù sao chúng ta biết, ít nhất với các mô hình thủy văn, cả cấu trúc mô hình và quan trắc là không có sai số tự do. Như vậy bộ thông số tối ưu tìm thấy cho một cấu trúc mô hình cụ thể có thể là khá nhạy cả với sự thay đổi nhỏ của quan trắc hoặc thời kỳ quan trắc được xét đến trong khi hiệu chỉnh và khả năng biến đổi trong cấu trúc mô hình đúng như biến đổi trong rời rạc hoá phần tử cho một mô hình phân bố (Refsgaard 1997, Saulnier 1997).
Có một số liên hệ quan trọng tiếp sau đây từ các phân tích này.
Giá trị các thông số xác định bằng sự hiệu chỉnh chỉ hiệu quả bên trong cấu trúc mô hình sử dụng để hiệu chỉnh. Có thể là không đúng khi sử dụng các giá trị này cho các mô hình khác (ngay cả các thông số có cùng một tên gọi) hoặc trong các lưu vực khác.
Khái niệm bộ thông số tối ưu có thể không tìm thấy trong mô hình hoá thuỷ văn.
Khi một bộ thông số tối ưu thường có thể tìm được cũng sẽ có nhiều bộ thông số rất gần như là tốt từ những phần rất khác nhau của không gian thông số. Hầu như không chắc nhận được bộ thông số phù hợp với số liệu sự phân cấp của các bộ thông số này trong hàm mục tiêu, sẽ như nhau cho các số liệu hiệu chỉnh ở các thời kỳ khác nhau.
Như vậy quyết định rằng một bộ thông số là tối ưu là một lựa chọn hơi tuỳ tiện. Một số ví dụ của tình hình như vậy sẽ thấy trong các đồ thị điểm của chương 7, ở đó khả
năng loại trừ khái niệm bộ thông số tối ưu nhờ phương pháp dựa trên sự tương đương của các cấu trúc mô hình khác nhau và bộ thông số sẽ được xem xét.
Nếu khái niệm bộ thông số tối ưu phải được thay thế bởi tư tưởng rằng nhiều bộ thông số có khả năng (và có lẽ cả mô hình) có thể cung cấp các mô phỏng chấp nhận
được của các phản ứng của lưu vực thực tế, thì suy ra rằng sự kiểm chứng các mô hình này có thể là khó khăn như nhau. Thực tế, loại bỏ một số mô hình chấp nhận được từ các số liệu bổ sung có thể là phương pháp thực tế hơn là cho rằng các mô hình có thể
được kiểm chứng.
ý tưởng tương đương là một trong những điều quan trọng hướng tới, đặc biệt từ chương 7. Trong đó gợi ý rằng nhận được giới hạn của cả cấu trúc mô hình và số liệu quan trắc, có thể mang nhiều tính đại biểu của lưu vực, có thể được kiểm chứng như
nhau trong điều kiện có khả năng để sinh ra các mô phỏng có thể chấp nhận được của
số liệu sẵn có. Khi đó cấu trúc mô hình khác nhau và bộ thông số sử dụng bên trong một cấu trúc mô hình đang tính toán chấp nhận được như một máy mô phỏng. Một số có thể bị loại ra trong quá trình đánh giá các cấu trúc mô hình khác nhau đã nói đến trong phần 1.7, nhưng ngay cả nếu chỉ một mô hình được giữ lại, thì đánh giá các bộ thông số khác nhau đối chiếu với số liệu quan trắc sẽ thường dẫn đến nhiều bộ thông số sinh ra các mô phỏng chấp nhận được.
Dĩ nhiên, các kết quả với bộ thông số khác nhau là không đồng nhất trong mô
phỏng hoặc trong dự báo mà dự án mô hình hoá yêu cầu. Một bộ thông số tối ưu sẽ cho chỉ một dự báo đơn giản. Các bộ thông số phù hợp đa dạng sẽ đưa đến một khoảng của các dự báo. Điều này chính là một ưu điểm vì nó cho khả năng đánh giá tính bất định của dự báo, như một điều kiện trong số liệu hiệu chỉnh, và sau đó sử dụng tính bất
định này như một phần của quá trình quyết định nảy sinh từ dự án mô hình hoá. Một phương pháp để làm việc này được phác hoạ trong chương 7.
Phần còn lại của cuốn sách này xây dựng đường nét chung của quá trình mô hình hoá bằng cách xem xét những ví dụ đặc biệt của các mô hình quan niệm và áp dụng của nó bên trong ngữ cảnh các dạng thủ tục đánh giá cho cả cấu trúc mô hình lẫn bộ thông số khác hơn ở trên. Chúng ta coi như điểm khởi đầu rằng tất cả các chiến lược mô hình hoá sẵn có và tất cả các bộ thông số khả thi bên trong các chiến lược này mô
hình hoá là các mô hình tiềm năng của lưu vực cho một dự án cụ thể. Mục tiêu của dự
án, ngân sách có thể cho dự án và số liệu sẵn có cho việc hiệu chỉnh các mô hình khác nhau sẽ giới hạn phạm vi tiềm năng của các mô phỏng. Điều quan trọng là việc chọn lựa giữa các mô hình và các bộ thông số phải được làm theo con đường logic và khoa học. Nó gợi ra rằng ở cuối của quá trình này không có một mô hình đơn của lưu vực mà là một số các mô hình chấp nhận được (ngay cả nếu chỉ bộ thông số khác nhau bên trong một cấu trúc mô hình được chọn) để tiến hành dự báo.
Có một sự liên quan rõ ràng cho các nghiên cứu khác phụ thuộc vào các mô hình của quá trình mưa-dòng chảy. Các dự báo sản sinh và vận chuyển bùn cát thủy địa hoá lưu vực, sự tán sắc của tạp chất, thủy sinh thái và nói chung, hệ thống cung cấp quyết định lưu vực tổng hợp phụ thuộc chủ yếu vào việc dự báo tốt quá trình dòng chảy. Để công việc của mình dùng được tôi đã không chọn những lời lẽ to tát đối với các chủ đề bổ sung này, nhưng mỗi thành phần bổ sung thêm vào hệ thống mô hình sẽ thêm vào các lựa chọn bổ sung điều kiện biểu thị nhận thức của các quá trình và các giá trị của các thông số yêu cầu. Trong đó tất cả các thành phần này sẽ phụ thuộc vào dòng chảy dự báo, chúng sẽ là đối tượng của dạng bất định trong khả năng dự báo, đã
được phác hoạ trong chương này và sẽ thảo luận chi tiết hơn ở phần sau. Đây không chỉ là một thông báo nghiên cứu. ở nước Anh, tính bất định trong dự báo mô hình đã
đóng vai trò chính trong việc quyết định tiến hành được thẩm tra công khai vào trong các phát triển đã đề xuất. Mục đích phần này là cung cấp một cơ sở đúng đắn cho việc mô hình hoá mưa-dòng chảy trong phạm vi của dự báo.