Mô hình hoá mưa - dòng chảy ( Phần cơ sở - Nxb ĐH Quốc Gia Hà Nội ) - Chương 4

Dự báo thủy đồ sử dụng các mô hình dựa trên số liệu Một số chuyên gia cho rằng phương pháp đơn giản nhất là phương pháp hiệu quả nhất. Điều này thực sự gây nhiều tranh cãi. Với một số mô hình thì điều này là đúng. Không may, một số khác lại không phải như vậy. Tiêu chuẩn đầu tiên phải là độ chính xác và cho tới khi độ chính xác tương đương được chấp nhận thì đơn giản sẽ là tiêu chuẩn thứ hai. Ray.K.Linsley 1986 4.1. số liệu sẵn có và mô hình kinh nghiệm...
Nội dung trích xuất từ tài liệu:
Mô hình hoá mưa - dòng chảy ( Phần cơ sở - Nxb ĐH Quốc Gia Hà Nội ) - Chương 4 Ch­¬ng 4 Dù b¸o thñy ®å sö dông c¸c m« h×nh dùa trªn sè liÖu Mét sè chuyªn gia cho r»ng ph­¬ng ph¸p ®¬n gi¶n nhÊt lµ ph­¬ng ph¸p hiÖu qu¶ nhÊt. §iÒu nµy thùc sù g©y nhiÒu tranh c·i. Víi mét sè m« h×nh th× ®iÒu nµy lµ ®óng. Kh«ng may, mét sè kh¸c l¹i kh«ng ph¶i nh­ vËy. Tiªu chuÈn ®Çu tiªn ph¶i lµ ®é chÝnh x¸c vµ cho tíi khi ®é chÝnh x¸c t­¬ng ®­¬ng ®­îc chÊp nhËn th× ®¬n gi¶n sÏ lµ tiªu chuÈn thø hai. Ray.K.Linsley 1986 4.1. sè liÖu s½n cã vµ m« h×nh kinh nghiÖm Cã 2 quan ®iÓm m« h×nh ho¸ rÊt kh¸c nhau nh­ng ®Òu thu hót sù chó ý. Thø nhÊt lµ tÊt c¶ c¸c m« h×nh dï cã c¬ së vËt lý thÕ nµo, còng lµ c«ng cô c¬ b¶n ®Ó ngo¹i suy sè liÖu s½n cã theo thêi gian (thêi kú kh¸c nhau) vµ kh«ng gian (l­u vùc kh¸c nhau). Quan ®iÓm nµy cña m« h×nh nh­ mét phÐp quy n¹p sÏ lµ ®èi t­îng cña ch­¬ng nµy. Quan ®iÓm thø 2 lµ c¸c m« h×nh cßn xa míi cã thÓ ph¶n ¸nh hiÓu biÕt vËt lý cña chóng ta vÒ qu¸ tr×nh xem xÐt. ChØ b»ng c¸ch nµy, nã gîi ý lµ chóng ta cã kh¶ n¨ng tin cËy vµo c¸c dù b¸o n»m ngoµi ph¹m vi sè liÖu cã s½n trong thêi gian (vÝ dô trong t­¬ng lai) vµ kh«ng gian (vÝ dô trong c¸c l­u vùc kh¸c nhau). Quan ®iÓm nµy coi m« h×nh hÇu hÕt nh­ lµ suy luËn, sÏ lµ ®èi t­îng cña ch­¬ng sau. Cho r»ng viÖc m« h×nh ho¸ nh­ lµ suy luËn, bëi v× kh«ng may lµ chóng ta ch­a thÓ tho¸t khái chñ nghÜa kinh nghÜa kinh nghiÖm nµo ®ã trong viÖc m« t¶ c¸c qu¸ tr×nh thuû v¨n vµ ®¸nh gi¸ c¸c tham sè m« h×nh, vµ trªn thùc tÕ cã thÓ lµ kh«ng bao giê lµm ®­îc viÖc nh­ vËy. Trong quan ®iÓm thø nhÊt, tiÕp cËn ®­¬ng nhiªn lµ kinh nghiÖm. Bµi to¸n m« h×nh ho¸ trë thµnh mét cè g¾ng ph©n tÝch c¸c tµi liÖu s½n cã ®Ó häc tõ sè liÖu vÒ hÖ thèng lµm viÖc nh­ thÕ nµo b»ng c¸ch thiÕt lËp quan hÖ gi÷a chuçi ®Çu vµo vµ ®Çu ra. §©y lµ m« h×nh ho¸ dùa vµo sè liÖu th­êng ë qui m« l­u vùc mµ kh«ng ®i nhiÒu vµo suy luËn vËt lý hoÆc lý thuyÕt cña qu¸ tr×nh. Mét tªn kh¸c ®­îc dïng lµ m« h×nh hép ®en. NÕu chóng ta cã quan hÖ hoµn h¶o cña ®Çu vµo vµ ®Çu ra th× t¹i sao l¹i lo l¾ng vÒ cã g× ®ã ®ang diÔn ra bªn trong l­u vùc. Dï sao tiÕp cËn hép ®en kh«ng nhÊt thiÕt lµ tèt. Mét ph­¬ng ph¸p dùa trªn ph©n tÝch ®Çu vµo-®Çu ra trong mét sè hoµn c¶nh cã thÓ ®­a ®Õn c¸c quyÕt ®Þnh rÊt kh¸c nhau vÒ hµnh ®éng trªn hÖ thèng h¬n lµ gîi ý c¸c ph©n tÝch lý thuyÕt ®· chÊp nhËn. Sè liÖu sau ®ã gîi ra r»ng ph©n tÝch lý thuyÕt cã thÓ sai lÇm vµ mét sè gi¶i thÝch lý thuyÕt kh¸c lµ cÇn thiÕt. Young vµ Beven (1994, còng xem Young vµ nnk 1997) ®· ®­a ra mét tiÕp cËn kinh nghiÖm, hä gäi lµ m« h×nh c¬ häc dùa vµo sè liÖu, nghÜa lµ cho phÐp sè liÖu gîi ý mét 93 cÊu tróc m« h×nh thÝch hîp nh­ng sau ®ã ®¸nh gi¸ m« h×nh kÕt qu¶ ®Ó xÐt liÖu cã mét gi¶i thÝch c¬ häc cã thÓ hiÓu râ m« h×nh cÇn ®Õn nh÷ng thu nhËn tõ m« h×nh dùa trªn suy luËn lý thuyÕt. Hä ®­a ra vÝ dô tõ m« h×nh m­a-dßng ch¶y dùa trªn hµm chuyÓn ®æi ®­îc th¶o luËn trong môc 4.5 d­íi ®©y. D¹ng m« h×nh ho¸ nµy dùa vµo sè liÖu kinh nghiÖm cÇn thiÕt phô thuéc vµo sù cã s½n cña sè liÖu. Trong tr­êng hîp m­a- dßng ch¶y, kh«ng thÓ sö dông m« h×nh nh­ vËy vµo l­u vùc kh«ng cã ®o ®¹c trõ khi c¸c th«ng sè cho l­u vùc ®ã cã thÓ ­íc l­îng tr­íc. Còng cÇn l­u ý r»ng tiÕp cËn quy n¹p hoÆc kinh nghiÖm lµ rÊt cò, qu¶ thùc lµ l©u ®êi nhÊt trong m« h×nh thñy v¨n. Ph­¬ng ph¸p tû lÖ Malvaney th¶o luËn ë ®Çu ch­¬ng 2 vµ t­¬ng quan hîp trôc hoÆc kü thuËt ®å thÞ cña h×nh 2.1 lµ vÝ dô c¬ b¶n cña m« h×nh kinh nghiÖm dùa trªn sè liÖu: cè g¾ng ®Ó t×m mét t­¬ng tù tû lÖ nµo ®Êy vÒ d¸ng ®iÖu gi÷a c¸c trËn m­a vµ c¸c l­u vùc kh¸c nhau. T«i nghi ngê r»ng trong thiªn niªn kû míi sÏ cã sù quay trë l¹i d¹ng x©y dùng m« h×nh kinh nghiÖm vµ quy n¹p trong thñy v¨n v× c¸c h¹n chÕ cña nhiÒu tiÕp cËn lý thuyÕt, khi ¸p dông cho l­u vùc víi c¸c ®Æc tr­ng duy nhÊt cña nã trë nªn t¨ng gi¸ trÞ (chi tiÕt h¬n xem Beven 2000). 4.2. c¸c Ph­¬ng ph¸p håi quy kinh nghiÖm Håi quy kinh nghiÖm lµ kü thuËt thèng kª c¬ b¶n ®Ó ngo¹i suy cña bé sè liÖu cho t×nh h×nh kh¸c vµ trong kh«ng gian thêi gian. Sè liÖu ®­îc ®èi chiÕu cho biÕn phô thuéc vµ mét hoÆc nhiÒu biÕn ®éc lËp hoÆc biÕn gi¶i thÝch vµ c¸c tÝnh to¸n thèng kª ®­îc dïng ®Ó rót ra mét ph­¬ng tr×nh liªn hÖ sù thay ®æi cña biÕn phô thuéc vµo c¸c gi¸ trÞ cña c¸c biÕn ®éc lËp. Mét vÝ dô mÉu gÇn ®©y, lÊy tõ Sefton vµ Howarth (19980), lµ quan hÖ gi÷a c¸c th«ng sè cña m« h×nh IHACRES (xem phÇn 4.3.1) vµ c¸c biÕn m« t¶ l­u vùc vËt lý kh¸c. Quan hÖ, x¸c ®Þnh bëi håi quy tuyÕn tÝnh béi cã d¹ng: 1  7,7 UPLAND  12,9 DECID  7,4TILLED  9,0 URBAN  7,3OTHER  (4.1) C  0,4CLASSB  0,8REHPMN trong ®ã C lµ tû lÖ ®ãng gãp m­a cho l­îng tr÷ l­u vùc. UPLAND l ...