Số liệu đầu vào của mô hình:

- Trạm Quỳ Châu: số liệu mực nước mùa lũ, số liệu mưa mùa lũ (từ 8/1/2001 đến 15/11/2007).

- Trạm Nghĩa Khánh: số liệu mực nước mùa lũ, số liệu mưa mùa lũ (từ 8/1/2001 đến 15/11/2007).

- Trạm Mường Xén: số liệu mực nước mùa lũ, số liệu mưa mùa lũ (từ 8/1/2001 đến 15/11/2007).

- Trạm Tương Dương: số liệu mực nước mùa lũ, số liệu mưa mùa lũ (từ 8/1/2001 đến 15/11/2007).

- Trạm Con Cuông: số liệu mực nước mùa lũ, số liệu mưa mùa lũ (từ 8/1/2001 đến 15/11/2007).

- Trạm Đô Lương: số liệu mực nước mùa lũ, số liệu mưa mùa lũ (từ 8/1/2001 đến 15/11/2007).

- Trạm Dừa : số liệu mực nước mùa lũ (từ 5/10/2000 đến 4/11/2000). Từ chuỗi số liệu này ta thiết lập biến phụ thuộc (yếu tố cần dự báo) và các biến độc lập, từ đó tìm quan hệ giữa các biến để xây dựng mô hình dự báo.

Mô hình dự báo cho 24h:

-Biến phụ thuộc: Mực nước trạm Dừa (H- t+1d)

-Biến độc lập:

- Mực nước Quỳ Châu trước 3 ngày (Ht-2qc); mực nước trạm Quỳ Châu trước 2 ngày (Ht-1qc);mực nước trạm Quỳ Châu trước 1 ngày (Htqc).

- Lượng mưa trước 1 ngày trạm Quỳ Châu (Xtqc); Lượng mưa trước 2 ngày trạm Quỳ Châu (Xt-1qc); Lượng mưa trước 3 ngày trạm Quỳ Châu (Xt-2qc).

- Mực nước Nghĩa Khánh trước 3 ngày (Ht-2nk); mực nước trạm Nghĩa Khánh trước 2 ngày (Ht-1nk);mực nước trạm Nghĩa Khánh trước 1 ngày (Htnk). - Lượng mưa trước 1 ngày trạm Nghĩa Khánh (Xtnk); Lượng mưa trước 2 ngày trạm Nghĩa Khánh (Xt-1nk); Lượng mưa trước 3 ngày trạm Nghĩa Khánh (Xt- 2nk).

- Lượng mưa trước 1 ngày trạm Mường Xén (Xtmx); Lượng mưa trước 2 ngày trạm Mường Xén (Xt-1mx); Lượng mưa trước 3 ngày trạm Mường Xén (Xt-2mx).

- Mực nước Tương Dương trước 3 ngày (Ht-2td); mực nước trạm Tương Dương trước 2 ngày (Ht-1td);mực nước trạm Tương Dương trước 1 ngày (Httd).

- Lượng mưa trước 1 ngày trạm Con Cuông (Xtcc)Lượng mưa trước 2 ngày trạm Con Cuông (Xt-1cc); Lượng mưa trước 3 ngày trạm Con Cuông (Xt-2cc).

- Mực nước Đô Lương trước 3 ngày (Ht-2dl); mực nước trạm Đô Lương trước 2 ngày (Ht-1dl);mực nước trạm Đô Lương trước 1 ngày (Htdl).

- Lượng mưa trước 1 ngày trạm Dừa (Xtd); Lượng mưa trước 2 ngày trạm Dừa

(Xt-1d); Lượng mưa trước 3 ngày trạm Dừa (Xt-2d).

Phương trình hồi quy đa biến: Y’= a + b1*X1+ b2*X2+ …+ bk*Xk

Với Y’ : đại lượng cần dự báo (biến phụ thuộc). Xi : đại lượng độc lập (biến độc lập).

a: đại lượng không đổi. bi : hệ số ảnh hưởng của các đại lượng độc lập.

i: số đại lượng độc lập 1÷ k Các hệ số a, b1, b2, …, bk được xác định từ hệ phương trình sau:

Y’=f(X1, X2, …, Xk)

1) Xây dựng ma trận tương quan:

Để xây dựng ma trận tương quan ta làm như sau:

Vào Menu AnalyzeCorrelateBivariate rồi đưa các biến cần phân tích tương quan vào ô Variables, sau đó chọn OK.

Hình 4.1: Xây dựng ma trận tương quan.

Kết quả phân tích tương quan:

Hình 4.3: Bảng kết quả phân tích tương quan

Từ bảng phân tích tương quan chọn ra các biến độc lập có tương quan cao và có nghĩa với biến phụ thuộc.

Bảng 4.1: Bảng các biến độc lập có tương quan cao

Biến phụ thuộc Các biến độc lập có tương quan

Ht+1d Htd Ht-1td Htdl Htqc Xt-1qc Xt-1cc Xt-1dl Xtd Xttd

2) Xây dựng phương trình tương quan: a) Hiệu chỉnh mô hình:

Hiệu chỉnh mô hình theo nguyên tắc: dùng phương pháp hiệu chỉnh để xác định các thông số của mô hình, nhằm tìm ra bộ thông số tốt nhất dùng trong tính toán. Bộ thông số

được chọn là bộ thông số tính toán ra được đường quá trình tính toán phù hợp nhất với đường thực đo.

Để bắt đầu, vào Menu

AnalyzeRegressionLinear rồi đưa biến phụ thuộc (đại lượng cần dự báo) vào ô Dependent và các biến còn lại (biến phụ thuộc) vào Independent(s).

Hình 4.5: Xây dựng phương trình tương quan

Ở ô Method chọn phương pháp Stepwise.

Tác dụng của phương pháp Stepwise được hiểu nôm na là giúp chúng ta tìm ra được những kết hợp của các biến độc lập sao cho kết quả hồi quy sẽ “tốt” theo hướng các giá trị thống kê t, F có ý nghĩa, và việc lựa chọn các kết hợp này sẽ được căn cứ vào khả năng làm gia tăng giá trị của R2.

Phương pháp

Sau đó nhấn OK, kết quả hồi quy được trình bày ở bảng sau:

Bảng 4.2: Kết quả hồi quy

Với phương trình dự báo là:

Ht+1d = 0.383Htd+0.47Ht-1td+0.11Xt-1qc+0.156Htdl+0.05Xt-1cc+Ht- 1d+0.05Xt-1cc-0.82Htcq+0.05Xt-1dl+0.08Xtd+0.07Xttd

Với các chỉ tiêu khi hiệu chỉnh là:

NASH=1 ∑ ∑ = = − − − n i tdtb tdi n i tdi tti H H H H 1 2 1 2 ) ( ) ( = 0.95

Trong đó: Htđ : là lưu lượng thực đo tại thời điểm i.

Htti : là lưu lượng tính toán tại thời điểm i.

Htđtb: là lưu lượng thực đo trung bình.

RMSE= ∑ = − N i i i Htt Htd N 1 2 ) ( 1 = 90.5

Trong đó: Qi : Giá trị thực đo tại thời điểm i. Fi : Giá trị tính toán tại thời điểm i. N: Là độ dài của chuỗi thực đo.

Nash = 0.95

Hình 4.6: Biểu đồ quan hệ giữa Htd và Htt

Với chỉ tiêu khi kiểm định:

Nash = 0.95

RMSE = 90.5

Nhận xét: Khi dùng năm mô hình SPSS để kiểm định kết quả cho thấy với số liệu như trên dùng để dự báo lũ trên sông Cả với thời gian dự kiến của mô hình là một ngày bằng thời gian chảy truyền trên lưu vực thì cho kết quả rất tốt.