Luận án tiến sĩ Thủy văn học: Nhận dạng lũ lớn lưu vực sông Hồng phục vụ vận hành hệ thống hồ chứa

Luận án khoa học về nhận dạng và dự báo lũ lớn ở lưu vực sông Hồng. Nghiên cứu ứng dụng công nghệ để tối ưu hóa vận hành và quản lý hồ chứa.

• Tác giả: Trịnh Thu Phương
• Người hướng dẫn: PGS. Hoàng Minh Tuyển
• Trường học: Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu
• Chuyên ngành: Thủy văn học
• Đề tài: Nghiên cứu cơ sở khoa học và thực tiễn nhận dạng lũ lớn trên lưu vực sông Hồng góp phần nâng cao hiệu quả điều hành hệ thống liên hồ chứa
• Loại tài liệu: Luận án tiến sĩ
• Năm xuất bản: 2021
• Địa điểm: Hà Nội

Tóm tắt

I. Tổng quan về nhận dạng lũ lớn và hệ thống liên hồ chứa sông Hồng

Lưu vực sông Hồng là vùng kinh tế trọng điểm phía Bắc Việt Nam, chịu ảnh hưởng nặng nề của lũ lụt hàng năm. Hệ thống liên hồ chứa trên lưu vực, bao gồm các hồ lớn như Sơn La, Hòa Bình, Lai Châu, Bản Chát, đóng vai trò then chốt trong việc cắt giảm lũ và điều tiết dòng chảy. Nhận dạng lũ lớn là quá trình xác định sớm khả năng xuất hiện, quy mô và thời gian của các trận lũ nhằm phục vụ công tác vận hành hồ chứa hiệu quả. Trên thế giới, nhiều phương pháp đã được áp dụng từ thống kê truyền thống đến các mô hình học máy như ANN, SARIMA, mô hình khái niệm. Tại Việt Nam, nghiên cứu nhận dạng lũ lớn trên lưu vực sông Hồng vẫn còn nhiều khoảng trống, đặc biệt trong việc liên kết thông tin khí hậu với dự báo dòng chảy ở các thời hạn khác nhau. Luận án tiến sĩ của Trịnh Thu Phương (2021) đã hệ thống hóa cơ sở khoa học và thực tiễn, đề xuất phương pháp nhận dạng lũ lớn từ thời kỳ xa (mùa, tháng) đến gần (5 ngày), phục vụ điều hành liên hồ chứa trên lưu vực sông Hồng.

1.1. Đặc điểm tự nhiên và thủy văn lưu vực sông Hồng

Lưu vực sông Hồng có diện tích khoảng 169.000 km², trải dài trên lãnh thổ Việt Nam và Trung Quốc. Khí hậu nhiệt đới gió mùa với lượng mưa tập trung từ tháng 5 đến tháng 10, chiếm 75-85% tổng lượng mưa năm. Dòng chảy trên sông Hồng biến động mạnh theo mùa, mùa lũ thường từ tháng 6 đến tháng 10 với lưu lượng đỉnh có thể đạt trên 30.000 m³/s tại Hà Nội. Địa hình lưu vực phức tạp, phần thượng lưu dốc đứng khiến nước mưa tập trung nhanh, gây lũ lớn với thời gian ngắn. Các nhánh sông chính như sông Đà, sông Lô, sông Thương hợp lưu tạo nên hệ thống sông ngòi phức tạp, đòi hỏi phương pháp nhận dạng lũ phù hợp cho từng vùng.

1.2. Vai trò của hệ thống liên hồ chứa trong cắt giảm lũ

Hệ thống liên hồ chứa trên lưu vực sông Hồng gồm các hồ lớn: Sơn La (dung tích 9,26 tỷ m³), Hòa Bình (9,05 tỷ m³), Lai Châu, Bản Chát và nhiều hồ chứa vừa, nhỏ khác. Các hồ này thực hiện chức năng cắt giảm đỉnh lũ, điều tiết dòng chảy và phát điện. Trong mùa lũ, các hồ phải dành dung tích phòng lũ để tiếp nhận và cắt giảm lưu lượng nước về hạ du. Việc phối hợp vận hành liên hồ đòi hỏi thông tin chính xác về lũ lớn sắp xảy ra để phân bổ dung tích phòng lũ hợp lý. Khi nhận diện đúng thời điểm lũ lớn, các hồ hạ dần mực nước trước lũ, đảm bảo cắt lũ hiệu quả đồng thời vẫn tích đủ nước phục vụ phát điện và cấp nước.

II. Phân tích cơ sở khoa học nhận dạng lũ lớn trên lưu vực sông Hồng

Cơ sở khoa học nhận dạng lũ lớn trên lưu vực sông Hồng được xây dựng dựa trên phân tích mối quan hệ giữa các nhân tố khí hậu và sự hình thành lũ. Các chỉ số khí hậu như ENSO, PDO, nhiệt độ bề mặt biển ảnh hưởng trực tiếp đến mô hình mưa trên lưu vực. Nghiên cứu chỉ ra rằng trong các năm El Niño hoặc La Niña mạnh, lượng mưa và dòng chảy trên sông Hồng có xu hướng biến đổi rõ rệt. Đường trữ nước của lưu vực là công cụ quan trọng đánh giá khả năng xuất hiện lũ, phản ánh trạng thái bão hòa nước trong đất trước khi mưa lớn xảy ra. Khi đường trữ nước đạt ngưỡng cao, bất kỳ trận mưa nào cũng có thể gây lũ lớn. Phân tích nguyên nhân và mối quan hệ mưa-lũ đặc thù giúp xác định ngưỡng mưa gây lũ theo từng nhánh sông. Từ đó, luận án xây dựng hệ thống chỉ báo sớm cho phép nhận dạng lũ lớn ở các thời hạn khác nhau, từ mùa, tháng đến 5 ngày, phục vụ vận hành hồ chứa chủ động.

2.1. Mối quan hệ giữa nhân tố khí hậu và lũ lớn

Các nhân tố khí hậu lớn như hiện tượng ENSO (El Niño - Southern Oscillation), PDO (Pacific Decadal Oscillation) và nhiệt độ bề mặt biển có mối tương quan chặt chẽ với lượng mưa và dòng chảy trên lưu vực sông Hồng. Trong các năm La Niña, gió mùa tây nam hoạt động mạnh hơn, mang theo lượng hơi nước lớn, thường gây mưa nhiều và lũ lớn. Ngược lại, năm El Niño thường khô hạn. Phân tích dữ liệu nhiều năm cho thấy, các chỉ số khí hậu có thể được sử dụng như tín hiệu sớm để nhận dạng khả năng xuất hiện lũ lớn theo thời kỳ mùa hoặc tháng, giúp chủ động trong công tác vận hành hồ chứa từ xa.

2.2. Đường trữ nước và ngưỡng mưa gây lũ trên lưu vực

Đường trữ nước (antecedent moisture condition) phản ánh trạng thái bão hòa nước trong đất trước khi xảy ra mưa. Đây là yếu tố quyết định lượng mưa có chuyển thành lũ hay không. Trên lưu vực sông Hồng, khi chỉ số trữ nước đạt ngưỡng cao sau nhiều ngày mưa liên tục, ngưỡng mưa gây lũ giảm đáng kể. Ví dụ, cùng một trận mưa 100 mm/ngày nhưng trong điều kiện đất khô có thể không gây lũ, trong khi đất bão hòa nước sẽ tạo ra lũ lớn. Phân tích mối quan hệ giữa trữ nước và ngưỡng mưa theo từng nhánh sông giúp xây dựng hệ thống cảnh báo sớm, xác định thời điểm cần hạ mực nước hồ chứa để đón lũ.

III. Phương pháp và giải pháp nhận dạng lũ lớn phục vụ vận hành hồ chứa

Luận án đề xuất hệ thống phương pháp nhận dạng lũ lớn theo ba thời kỳ: xa (mùa, tháng), trung hạn (10-15 ngày) và gần (5 ngày). Ở thời kỳ xa, mô hình sử dụng các chỉ số khí hậu và dữ liệu dòng chảy quá khứ để dự báo xu hướng lũ theo mùa, áp dụng phương pháp Bayesian Joint Probability và mô hình ANN. Ở thời kỳ trung hạn, phân tích đường trữ nước và mô hình thời tiết số cho phép đánh giá khả năng xuất hiện lũ trong 10-15 ngày tới. Ở thời kỳ gần, mô hình mưa-dòng chảy kết hợp dữ liệu radar và trạm đo mưa thời gian thực cung cấp dự báo chính xác lưu lượng đỉnh lũ. Giải pháp vận hành liên hồ chứa dựa trên kết quả nhận dạng lũ đề xuất phân bổ dung tích phòng lũ linh hoạt. Khi nhận diện lũ lớn, các hồ Sơn La, Hòa Bình, Lai Châu, Bản Chát hạ dần mực nước về mức tính toán để cắt lũ tối ưu. Sau khi lũ qua, các hồ dâng nước trở lại đảm bảo tích nước phát điện.

3.1. Mô hình dự báo dòng chảy sử dụng học máy

Các mô hình học máy như mạng nơ-ron nhân tạo (ANN) và mô hình SARIMA được áp dụng để nhận dạng dòng chảy theo thời hạn tháng và mùa. ANN có ưu điểm vượt trội trong mô phỏng quá trình mưa-dòng chảy, bao gồm cả dòng chảy lớn, nhỏ và trung bình khi có đủ dữ liệu huấn luyện. Mô hình SARIMA kết hợp các nhân tố khí hậu cho phép nhận dạng xu hướng dòng chảy tháng trên nhiều lưu vực. Kết quả đánh giá cho thấy ANN trội hơn trong điều kiện đủ dữ liệu, trong khi mô hình khái niệm cải thiện đáng kể khi thiếu dữ liệu hiệu chỉnh. Sự kết hợp nhiều phương pháp giúp tăng độ tin cậy của kết quả nhận dạng lũ lớn.

3.2. Giải pháp phân bổ dung tích phòng lũ linh hoạt

Mực nước trước lũ của các hồ chứa không nhất thiết duy trì cố định một ngưỡng trong cả thời kỳ lũ chính vụ. Dựa trên kết quả nhận dạng lũ lớn theo các thời kỳ, dung tích phòng lũ được đề xuất điều chỉnh linh hoạt. Trong thời kỳ nhận diện lũ lớn, hồ Sơn La và Hòa Bình hạ mực nước sâu hơn, đồng thời huy động thêm hồ Lai Châu, Bản Chát tham gia cắt lũ. Trong thời kỳ lũ nhỏ, các hồ duy trì mực nước cao hơn để tích nước phát điện. Phương pháp này nâng cao hiệu quả tổng thể của hệ thống liên hồ chứa, vừa cắt lũ hiệu quả vừa tối ưu hóa sản lượng điện.

IV. Kết luận và ứng dụng thực tiễn nâng cao hiệu quả điều hành liên hồ

Nghiên cứu đã xây dựng thành công cơ sở khoa học và thực tiễn nhận dạng lũ lớn trên lưu vực sông Hồng, phục vụ nâng cao hiệu quả điều hành hệ thống liên hồ chứa. Hệ thống nhận dạng lũ theo ba thời kỳ (xa, trung hạn, gần) cung cấp thông tin đa tầng giúp người ra quyết định có cái nhìn toàn diện về nguy cơ lũ. Kết quả nghiên cứu cho thấy mối quan hệ rõ ràng giữa các chỉ số khí hậu, đường trữ nước và sự hình thành lũ lớn trên lưu vực. Giải pháp phân bổ dung tích phòng lũ linh hoạt dựa trên nhận dạng lũ đã được kiểm chứng qua các trận lũ lịch sử, cho thấy khả năng cắt giảm đỉnh lũ hiệu quả hơn so với phương pháp vận hành cố định. Ứng dụng thực tiễn trong vận hành các hồ Sơn La, Hòa Bình giúp giảm nguy cơ ngập lụt cho vùng hạ du, đặc biệt là Hà Nội và các tỉnh đồng bằng sông Hồng. Đồng thời, việc tối ưu hóa tích nước đảm bảo sản lượng điện ổn định, cân bằng giữa an toàn lũ và phát triển kinh tế.

4.1. Đóng góp mới của luận án về nhận dạng lũ lớn

Luận án đã đóng góp mới trên ba phương diện chính. Thứ nhất, xây dựng hệ thống nhận dạng lũ lớn theo thời kỳ từ xa đến gần, lần đầu tiên áp dụng cho lưu vực sông Hồng. Thứ hai, xác định mối quan hệ giữa chỉ số khí hậu, đường trữ nước và ngưỡng mưa gây lũ theo từng nhánh sông, tạo cơ sở khoa học cho dự báo sớm. Thứ ba, đề xuất mô hình phân bổ dung tích phòng lũ linh hoạt cho hệ thống liên hồ chứa, thay thế phương pháp cố định truyền thống. Các kết quả này đã được công bố trên các tạp chí khoa học uy tín và kiểm chứng bằng dữ liệu thực tế.

4.2. Ứng dụng trong thực tế vận hành hệ thống liên hồ sông Hồng

Kết quả nghiên cứu được ứng dụng trực tiếp trong công tác vận hành hệ thống liên hồ chứa trên lưu vực sông Hồng. Trung tâm Điều độ Hệ thống điện quốc gia và các công ty thủy điện sử dụng thông tin nhận dạng lũ để ra quyết định vận hành hồ chứa hàng ngày, hàng tuần và theo mùa. Trong mùa lũ, khi nhận diện khả năng lũ lớn, các hồ hạ mực nước trước lũ và phối hợp cắt lũ liên hoàn. Sau lũ, các hồ dâng nước trở lại đảm bảo tích nước phát điện.Ứng dụng thực tế đã chứng minh hiệu quả cắt giảm đỉnh lũ, giảm ngập lụt hạ du và tối ưu hóa sản lượng điện, góp phần nâng cao an ninh nguồn nước quốc gia.

Nội dung chính

Tổng quan luận án

Công trình nghiên cứu luận án tiến sĩ thủy văn học của nghiên cứu sinh Trịnh Thu Phương có tiêu đề "Nghiên cứu cơ sở khoa học và thực tiễn nhận dạng lũ lớn trên lưu vực sông Hồng góp phần nâng cao hiệu quả điều hành hệ thống liên hồ chứa", được thực hiện tại Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu (Bộ Tài nguyên và Môi trường) dưới sự hướng dẫn của GS. Ngô Đình Tuấn và PGS. Hoàng Minh Tuyển vào năm 2021.

Tính cấp thiết và khoảng trống nghiên cứu

Lưu vực sông Hồng là hệ thống sông liên quốc gia chảy qua Trung Quốc, Việt Nam và Lào, được hợp thành từ ba nhánh sông chính gồm sông Đà, sông Thao và sông Lô. Trên thượng lưu hệ thống sông, các công trình thủy điện lớn đa mục tiêu gồm Lai Châu, Huội Quảng - Bản Chát, Sơn La, Hòa Bình, Thác Bà và Tuyên Quang đảm nhận các nhiệm vụ cắt giảm lũ hạ du, cấp nước cho đồng bằng Bắc Bộ và phát điện hòa vào lưới điện quốc gia. Tỷ lệ dung tích kết hợp so với dung tích hiệu dụng của các hồ chứa rất lớn (hồ Hòa Bình và Sơn La chiếm xấp xỉ 59%; hồ Tuyên Quang chiếm 58%), tạo ra mâu thuẫn giữa nhiệm vụ duy trì dung tích phòng lũ và nhiệm vụ tích nước phát điện, cấp nước mùa kiệt.

Theo Quy trình vận hành liên hồ chứa trên lưu vực sông Hồng ban hành kèm Quyết định số 740/QĐ-TTg ngày 17/06/2019 của Thủ tướng Chính phủ, tổng dung tích phòng lũ quy định cho các hồ trong mùa lũ là 8,45 tỷ $\text{m}^3$, phân bổ cụ thể: hồ Sơn La và Hòa Bình trên sông Đà dành 7,0 tỷ $\text{m}^3$, hồ Tuyên Quang trên sông Gâm dành 1,0 tỷ $\text{m}^3$, hồ Thác Bà trên sông Chảy dành 0,45 tỷ $\text{m}^3$. Hai mục tiêu an toàn chính trong mùa lũ gồm:

1. Đảm bảo an toàn công trình: Mực nước hồ không vượt cao trình mực nước gia cường với lũ thiết kế tần suất 0,01% đối với Hòa Bình, Thác Bà; lũ kiểm tra PMF đối với Lai Châu, Sơn La; lũ kiểm tra tần suất 0,02% đối với Tuyên Quang, Bản Chát, Huội Quảng.
2. Đảm bảo an toàn chống lũ hạ du: Giữ mực nước sông Hồng tại Hà Nội không vượt quá cao trình 13,1 m với lũ chu kỳ 300 năm tại Sơn Tây, và không vượt quá 13,4 m với lũ chu kỳ 500 năm tại Sơn Tây.

Tuy nhiên, hồ Lai Châu và Bản Chát có dung tích trên 1 tỷ $\text{m}^3$ nhưng chưa được phân bổ dung tích tham gia phòng chống lũ hạ du, khiến toàn bộ trách nhiệm cắt lũ dồn lên Sơn La, Hòa Bình, Thác Bà và Tuyên Quang. Thực tế quan trắc từ năm 2000 đến 2019 cho thấy mực nước tại Hà Nội rất thấp: chỉ có 9 năm đạt mức báo động I đến báo động II, 3 năm vượt báo động II (2001, 2002, 2004), từ 2009 đến 2019 đều dưới báo động I, cá biệt năm 2011 đỉnh lũ tại Hà Nội chỉ đạt 4,76 m (thấp nhất lịch sử quan trắc). Việc duy trì dung tích phòng lũ cố định dẫn đến lãng phí nguồn nước trong những năm lũ nhỏ (năm 1992, 2009, 2019 phải hạn chế phát điện đến tháng 11, 12 mới tích đầy hồ) hoặc gây bị động khi xuất hiện lũ muộn bất thường (tháng 9/1985, 10/1999, 10/2006, 10/2007, 11/2008, 12/2010, 12/2013, 10/2017). Khoảng trống nghiên cứu đặt ra là thiếu cơ sở khoa học và công nghệ nhận dạng sớm lũ lớn theo các thời hạn dài (mùa, tháng) và trung hạn (5 ngày) để điều hành linh hoạt dung tích liên hồ chứa.

Mục tiêu nghiên cứu

• Xây dựng cơ sở khoa học và thực tiễn nhận dạng lũ lớn trên lưu vực sông Hồng theo các thời kỳ mùa, tháng và 5 ngày.
• Đề xuất điều chỉnh phân bổ dung tích phòng lũ giữa các hồ chứa nhằm nâng cao hiệu quả vận hành hệ thống liên hồ chứa trên lưu vực sông Hồng.

Câu hỏi nghiên cứu và Luận điểm bảo vệ

Luận án giải quyết 3 câu hỏi nghiên cứu:

1. Nhận dạng lũ lớn trên lưu vực sông Hồng được thực hiện dựa trên các cơ sở khoa học nào?
2. Các yếu tố nào sẽ được lựa chọn để nhận dạng khả năng hình thành lũ lớn trên lưu vực sông Hồng?
3. Nhận dạng lũ lớn sẽ được ứng dụng trong vận hành hệ thống các hồ chứa trên lưu vực sông Hồng như thế nào?

Luận điểm bảo vệ của tác giả:

1. Lũ lớn trên lưu vực sông Hồng có thể nhận dạng trước theo các thời hạn mùa, tháng và 5 ngày với độ tin cậy xác định.
2. Nhận dạng lũ lớn từ xa (thời hạn mùa, tháng) đến gần (thời hạn 5 ngày) tạo cơ sở phối hợp huy động linh hoạt dung tích phòng lũ trong thời kỳ lũ chính vụ, nâng cao hiệu quả khai thác nguồn nước và phát điện nhưng vẫn bảo đảm an toàn phòng chống lũ hạ du.

Đối tượng và phạm vi nghiên cứu

• Đối tượng nghiên cứu: Các trận lũ có đỉnh lũ lớn hơn trung bình nhiều năm (TBNN) xuất hiện từ tháng 6 đến tháng 10 tại các hồ thủy điện Lai Châu, Sơn La, Hòa Bình, Bản Chát, Thác Bà, Tuyên Quang; các trạm thủy văn Yên Bái (sông Thao), Hàm Yên (sông Lô), Sơn Tây và Hà Nội (sông Hồng); mối quan hệ tương tác giữa nhân tố khí tượng, khí hậu, dòng chảy và điều kiện mặt đệm.
• Phạm vi không gian: Hệ thống sông Hồng thuộc lãnh thổ Việt Nam với diện tích lưu vực khoảng $86.000\text{ km}^2$.
• Phạm vi thời gian: Tập trung trong mùa lũ từ tháng 6 đến tháng 10.

---

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu trên thế giới

Tác giả hệ thống hóa các hướng nghiên cứu nhận dạng lũ và vận hành hồ chứa trên thế giới:

• Nhận dạng dòng chảy và phân kỳ lũ: Khởi đầu từ phát hiện biến đổi hoàn lưu khí quyển Đông Á vào tháng 6 và tháng 10 của Diệp Đốc Chính (1958).
• Mô hình thống kê và chuỗi thời gian: Các mô hình Box - Jenkins (ARIMA), Thomas - Fiering (thập niên 1960) nhận dạng dòng chảy hạn 5–10 ngày và tháng.
• Mô hình mạng thần kinh nhân tạo (ANN): Joorabchi và nnk (2007) nhận dạng dòng chảy sông Fitzroy (Úc) trước 4 ngày; Wang và nnk (2006) thử nghiệm mô hình periodic ANN (PANN); Panda và nnk (2010) so sánh cấu trúc truyền thẳng với thuật toán huấn luyện Levenberg - Marquardt; Aichouri và nnk (2015) dự báo dòng chảy sông Seybouse (Algeria); Wang, Chen và Chang (2009) áp dụng mạng tiến hóa EANN kết hợp thuật toán di truyền (GA) và thuật toán Leo Dốc (SCGA) tại hồ Shihmen (Đài Loan); Veintimilla-Reyes và nnk (2016) áp dụng mô hình OWO-HWO tại sông Tomebamba (Ecuador); Dong và nnk (2006) tại hồ Geheyan (sông Dương Tử); Hamid và nnk (2017) dùng SARIMA; Yang và nnk (2017) dùng ANN; Toth và Brath (2007) so sánh ANN với mô hình khái niệm.
• Mô hình thủy văn thông số phân bố và tổ hợp: MGB-IPH của Walter và nnk (2007) tại sông Paranaíba (Brazil); HEC-HMS kết hợp HEC-RAS và radar NEXRAD của Knebla và nnk (2005) tại Texas; WaSiM-ETH kết hợp dữ liệu khí áp và mô hình ALADIN của Jasper và nnk (2002) tại dãy Alpine; LISFLOOD kết hợp dữ liệu dự báo ECMWF của Gouweleeuw và nnk (2005) trên sông Meuse, Rhine và Odra.
• Tối ưu hóa vận hành hồ chứa: Tsai và nnk nghiên cứu mô hình phi tuyến (NLP) cho hệ thống 75 nhà máy thủy điện tại Brazil; Labadie (Colorado) tổng kết các phương pháp tối ưu ngẫu nhiên; Nagesh Kumar và Reddy (2006, 2007) áp dụng tối ưu đàn kiến và thuật toán SWARM cho hồ Hirakud và Bhadra (Ấn Độ); Long Le Ngo (2006) ứng dụng MIKE 11 kết hợp thuật toán SCE trong Autocal tối ưu hồ Hòa Bình; Chun-Tian Cheng và nnk (2005) ứng dụng thuật toán di truyền và lý thuyết Chaos; Wei và Hsu (2009) áp dụng quy tắc nhánh cây (tree-based rules) tại sông Tanshui (Đài Loan).

Các hướng nghiên cứu tại Việt Nam

• Dự báo hạn dài và phân kỳ lũ: Lê Xuân Đài, Hoa Sĩ Kiều, Dương Giám Sơ (thập niên 1960) áp dụng phương pháp thống kê khách quan và diễn biến lịch sử; Nguyễn Lại (1982) xác lập phân kỳ lũ sông Hồng (lũ sớm: tháng 5–6, lũ chính vụ: tháng 7–8, lũ cuối vụ: tháng 9–10); Nguyễn Viết Thi và Bùi Văn Đức (1995–1997) phân tích tổng hợp dòng chảy mùa và năm; Nguyễn Lan Châu (2001) xây dựng phương án nhận dạng đỉnh lũ năm tại Hòa Bình, Yên Bái, Tuyên Quang, Hà Nội.
• Dự báo hạn vừa và hạn ngắn: Nguyễn Lan Châu (2006) ứng dụng mô hình MARINE cho sông Đà, TANK cho sông Lô, Thao, IMECH-1D cho hạ lưu; Đặng Ngọc Tĩnh (2001, 2010) nghiên cứu dự báo lũ miền Trung và ứng dụng mô hình IFAS trên sông Hồng - Thái Bình; Nguyễn Văn Điệp (2005) xây dựng giải pháp tổng thể dự báo phòng tránh lũ đồng bằng sông Hồng; Trần Thục (2005) ứng dụng bộ mô hình NAM - MIKE 11 trước 48 giờ; Nguyễn Ngọc Thục (2005) phân tích hình thế synop và dữ liệu vệ tinh địa tĩnh; Vũ Minh Cát (2009) dùng mô hình DIMOSOP kết hợp dữ liệu BOLAM; Nguyễn Viết Thi (2008) dùng NAM - MIKE 11 dự báo 5 ngày đến hồ Hòa Bình, Thác Bà, Tuyên Quang; Hoàng Thanh Tùng (2011) tích hợp BOLAM, HEC-HMS, BPNN và ARIMA cho sông Cả; Bùi Đình Lập (2016) ứng dụng mô hình MARINE dự báo mùa lũ và mô hình thống kê cho thời kỳ tích nước sông Hồng; Tô Văn Trường (2005) nhận dạng lũ đồng bằng sông Cửu Long.
• Nghiên cứu đường trữ nước và vận hành liên hồ chứa: Trịnh Quang Hòa (1997) đề xuất khái niệm đường trữ nước tiềm năng nhận dạng lũ tại Sơn Tây và Hòa Bình; Nguyễn Trọng Sinh (1991) dùng quy hoạch động tối ưu hóa biểu đồ điều phối hồ Hòa Bình; Trịnh Thu Phương (2017) ứng dụng mạng ANN, thống kê đa biến kết hợp chỉ số ENSO và áp cao Thái Bình Dương nhận định dòng chảy mùa cạn và lũ lớn lưu vực sông Hồng; Lương Hữu Dũng (2018) ứng dụng NAM, MIKE 11, ANN và SPSS cho lưu vực sông Ba và sông Kôn.

Khoảng trống luận án lựa chọn giải quyết

Các công trình trước đây tại Việt Nam tập trung chủ yếu vào dự báo hạn ngắn (24–48 giờ) bằng mô hình thủy văn hoặc nghiên cứu vận hành đơn hồ chứa. Luận án mở rộng xây dựng đường trữ nước tiềm năng cho toàn bộ các nhánh sông và hồ chứa lớn; tích hợp mô hình ANN và hồi quy đa biến nhận dạng lũ thời hạn 5 ngày, tháng và mùa; đồng thời giải quyết bài toán tái phân bổ dung tích phòng lũ giữa 6 hồ chứa lớn (bổ sung Lai Châu, Bản Chát) nhằm nâng cao mực nước đón lũ trong mùa lũ chính vụ.

---

Cơ sở lý thuyết và phương pháp nghiên cứu

Cách tiếp cận

1. Tiếp cận tổng hợp đa ngành: Kết hợp dữ liệu khí tượng thủy văn, hiện trạng vận hành liên hồ chứa thủy điện, nhu cầu cấp nước nông nghiệp vụ Đông Xuân, an toàn đê điều và hệ thống phân chậm lũ đồng bằng sông Hồng.
2. Tiếp cận nhân quả: Phân tích sự hình thành lũ từ hai thành phần tương hỗ: yếu tố khí quyển (mưa, hình thế thời tiết gây mưa, chỉ số hoàn lưu) và yếu tố điều tiết mặt đệm lưu vực (độ ẩm đất, dung tích trữ, dòng chảy chân lũ).
3. Tiếp cận hệ thống: Xem xét toàn bộ mạng lưới thủy văn gồm 6 hồ chứa lớn (Lai Châu, Bản Chát, Sơn La, Hòa Bình, Thác Bà, Tuyên Quang), 4 trạm kiểm soát dòng chảy (Yên Bái, Hàm Yên, Sơn Tây, Hà Nội) và các ràng buộc phòng lũ hạ du.
4. Tiếp cận phân tích tổng hợp: Khái quát hóa quan hệ tương tác giữa các nhánh sông, độ trễ truyền lũ và mức đóng góp dòng chảy tại các vị trí nhập lưu.

Phương pháp nghiên cứu

• Phương pháp phân tích tương quan thống kê: Đánh giá mối quan hệ giữa các chỉ số khí hậu toàn cầu (chỉ số hiện tượng ENSO, chỉ số Áp cao Thái Bình Dương - AC), các biến khí tượng địa phương (nhiệt độ, mưa, bốc hơi) với lưu lượng đỉnh lũ và dòng chảy trung bình thời đoạn 1 tháng và mùa.
• Phương pháp đường trữ nước tiềm năng: Thiết lập quan hệ $Q_x = f(X, Q_c)$ trong đó $Q_x$ là đỉnh lũ lớn nhất, $X$ là tổng lượng mưa lưu vực, $Q_c$ là lưu lượng chân lũ trước khi xuất hiện lũ.
• Phương pháp mô hình hóa:
  • Mô hình hồi quy tuyến tính đa biến: Nhận dạng đỉnh lũ và lượng lũ thời đoạn tháng và mùa.
  • Mô hình mạng thần kinh nhân tạo (ANN): Cấu trúc perceptron nhiều lớp truyền thẳng (Multi-Layer Perceptron - MLP), huấn luyện bằng thuật toán lan truyền ngược để nhận dạng lũ thời hạn 5 ngày, tháng và mùa.
  • Mô hình điều tiết - tính toán cân bằng nước: Mô phỏng các kịch bản vận hành phân bổ dung tích phòng lũ giữa các hồ chứa.
• Phương pháp chuyên gia: Tham khảo ý kiến chuyên gia trong việc xác định kịch bản kiểm soát lũ và an toàn hồ đập.

Hạng mục dữ liệu	Nguồn thu thập và thông số trích xuất
Khí tượng - Khí hậu	Chuỗi quan trắc mưa, nhiệt độ, bốc hơi tại các trạm Mường Lay, Sơn La, Hòa Bình, Yên Bái, Lục Yên, Hàm Yên, Chiêm Hóa, Than Uyên; chỉ số ENSO (EN), chỉ số Áp cao Thái Bình Dương (AC).
Thủy văn	Lưu lượng, mực nước lịch sử mùa lũ tại các trạm Yên Bái (sông Thao), Hàm Yên (sông Lô), Sơn Tây và Hà Nội (sông Hồng).
Công trình hồ chứa	Thông số kỹ thuật, dung tích phòng lũ ($W$), mực nước vận hành ($H$), lưu lượng xả của các hồ Lai Châu, Bản Chát, Sơn La, Hòa Bình, Thác Bà, Tuyên Quang theo QTVH 740/QĐ-TTg.

---

Nội dung chính theo từng chương

Chương 1. Tổng quan về nhận dạng lũ lớn và vận hành hồ chứa

Nội dung chương tổng hợp hệ thống lý luận và thực tiễn về nhận dạng lũ trên thế giới và tại Việt Nam. Tác giả phân chia phương pháp nhận dạng lũ thành hai nhóm: nhóm phương pháp thống kê (phân tích biến trình dòng chảy qua đường cong tích lũy sai chuẩn $\sum(k_i - 1) \sim t$, tương quan đa biến, xác suất thống kê) và nhóm phương pháp mô hình toán (mô hình ngẫu nhiên/chuỗi thời gian ARIMA, Thomas - Fiering; mô hình mạng ANN; mô hình tất định thủy văn/thủy lực NAM, TANK, SACRAMENTO, TOPMODEL, DIMOSOP, MARINE, MIKE 11, HEC-HMS). Chương này chỉ rõ việc kết nối giữa dự báo thời tiết số trị (NWP, EPS từ ECMWF, NCEP) và mô hình dòng chảy đang là xu hướng chủ đạo. Về vận hành liên hồ chứa, chương 1 điểm lại các thuật toán tối ưu hóa (quy hoạch tuyến tính, quy hoạch phi tuyến NLP, quy hoạch động, thuật toán di truyền, thuật toán đàn kiến, thuật toán bầy đàn SWARM). Tại Việt Nam, tác giả chỉ ra tính cấp thiết phải giải quyết bài toán mâu thuẫn phòng lũ - tích nước trên lưu vực sông Hồng bằng phương pháp nhận dạng sớm từ xa (tháng, mùa) đến gần (5 ngày).

Chương 2. Cơ sở khoa học và thực tiễn nhận dạng lũ lớn trên lưu vực sông Hồng phục vụ vận hành hệ thống hồ chứa lớn

Chương 2 trình bày các cơ sở khoa học và tính toán thực nghiệm trên lưu vực sông Hồng:

• Đặc điểm thủy văn và hệ thống hồ chứa: Phân tích cơ chế đóng góp dòng chảy của các nhánh sông Đà, sông Thao, sông Lô vào dòng chính tại Sơn Tây và diễn biến mực nước tại Hà Nội. Tỷ lệ dung tích kết hợp so với dung tích hiệu dụng của các hồ Hòa Bình, Sơn La, Tuyên Quang đều ở mức 58–59%.
• Cơ sở hình thành lũ lớn: Phân loại các hình thế thời tiết đơn lẻ (bão, áp thấp nhiệt đới, dải hội tụ nhiệt đới, rãnh áp thấp, không khí lạnh) và các tổ hợp hình thế thời tiết gây mưa lũ lớn trên các lưu vực Lai Châu, Sơn La, Hòa Bình, Thác Bà, Tuyên Quang.
• Đường trữ nước tiềm năng: Xây dựng biểu đồ và bảng phân cấp quan hệ mưa - lũ $Q_x = f(X, Q_c)$ cho các hồ Lai Châu, Sơn La, Hòa Bình, Thác Bà, Tuyên Quang và các trạm Yên Bái, Hàm Yên.
• Phân tích tương quan khí hậu: Xác định hệ số tương quan giữa các nhân tố khí hậu quy mô lớn (ENSO, áp cao Thái Bình Dương) và nhân tố khí tượng địa phương (nhiệt độ, mưa, bốc hơi) với đặc trưng đỉnh lũ, dòng chảy trung bình mùa lũ và dòng chảy lớn nhất các tháng mùa lũ (tháng 6 đến tháng 9).
• Thiết lập mô hình nhận dạng: Thiết lập cấu trúc mô hình hồi quy đa biến và mô hình mạng nơ-ron nhân tạo (ANN) cấu trúc MLP để nhận dạng dòng chảy lũ trước 5 ngày, 1 tháng và mùa.

Vị trí / Hồ chứa	Các nhân tố khí tượng - khí hậu có tương quan cao	Đối tượng nhận dạng
Hồ Sơn La	Mưa lưu vực, nhiệt độ Sơn La, chỉ số ENSO (EN), chỉ số áp cao Thái Bình Dương (AC), $Q_c$	Đỉnh lũ 5 ngày, $Q_{\text{max}}$ tháng 6–9, $W$ mùa
Hồ Hòa Bình	Mưa lưu vực, nhiệt độ Hòa Bình, chỉ số EN, AC, dòng chảy thượng lưu xả về	Đỉnh lũ 5 ngày, $Q_{\text{max}}$ tháng, $W$ mùa
Hồ Lai Châu	Mưa trạm Mường Lay, nhiệt độ, chỉ số EN, lưu lượng chân lũ $Q_c$	Đỉnh lũ 5 ngày, $Q_{\text{max}}$ tháng 6–9
Hồ Bản Chát	Mưa trạm Than Uyên, nhiệt độ, chỉ số EN, AC	Đỉnh lũ 5 ngày, $Q_{\text{max}}$ mùa
Hồ Thác Bà	Mưa trạm Lục Yên, nhiệt độ, chỉ số EN, AC, chân lũ $Q_c$	Đỉnh lũ 5 ngày, $Q_{\text{max}}$ tháng, $W$ mùa
Hồ Tuyên Quang	Mưa trạm Chiêm Hóa, Hàm Yên, chỉ số EN, AC, chân lũ $Q_c$	Đỉnh lũ 5 ngày, $Q_{\text{max}}$ tháng 6–9
Trạm Yên Bái (Thao)	Mưa lưu vực sông Thao, nhiệt độ Yên Bái, chỉ số EN, AC	Đỉnh lũ 5 ngày, $Q_{\text{max}}$ tháng
Trạm Hàm Yên (Lô)	Mưa lưu vực sông Lô, nhiệt độ Hàm Yên, chỉ số EN, AC	Đỉnh lũ 5 ngày, $Q_{\text{max}}$ tháng

Chương 3. Phân tích, đánh giá áp dụng nhận dạng lũ lớn phục vụ vận hành hệ thống hồ chứa lớn trong mùa lũ trên lưu vực sông Hồng

Chương 3 kiểm định các mô hình và thử nghiệm phương án điều phối liên hồ chứa:

• Huấn luyện và kiểm định mô hình ANN: Đánh giá chất lượng mô hình nhận dạng lũ trước 5 ngày tại các hồ Lai Châu, Sơn La, Bản Chát, Thác Bà, Tuyên Quang và các trạm Hàm Yên, Yên Bái. Kết quả thử nghiệm đỉnh lũ thực tế năm 2015 và 2016 cho thấy mô hình ANN và đường trữ nước tiềm năng nắm bắt sát diễn biến biên độ và thời gian xuất hiện lũ.
• Kết quả nhận dạng thời hạn tháng và mùa: Kiểm định dự báo dòng chảy lớn nhất các tháng 6, 7, 8, 9 và tổng lượng mùa lũ cho hồ Sơn La và Tuyên Quang giai đoạn 2012–2018; thử nghiệm chi tiết trong các năm 2015 và 2016 bằng cả mô hình hồi quy đa biến và ANN.
• Đề xuất phương án vận hành liên hồ chứa (Phương án 2 - PA2): Đề xuất tái phân bổ dung tích phòng lũ 7,0 tỷ $\text{m}^3$ trên dòng chính sông Đà. Thay vì chỉ dồn cho Sơn La và Hòa Bình, phương án phân bổ một phần dung tích phòng lũ sang các hồ bậc trên là Lai Châu và Bản Chát trong thời kỳ lũ chính vụ. Khi nhận dạng chưa có dấu hiệu lũ lớn, cho phép dâng mực nước trước lũ của hồ Sơn La và Hòa Bình cao hơn quy định hiện hành để tăng cột nước phát điện. Khi mô hình phát hiện dấu hiệu hình thành lũ lớn trước 5 ngày, hệ thống hồ xả đón lũ hạ dần về mực nước an toàn. Tính toán thử nghiệm vận hành liên hồ chứa giai đoạn 2015–2018 theo PA2 cho thấy gia tăng sản lượng điện đáng kể mà vẫn kiểm soát an toàn mực nước hạ du sông Hồng tại Hà Nội dưới cao trình quy định.

---

Kết quả và những đóng góp mới

Những đóng góp mới của luận án

1. Đã xây dựng được hệ thống đường trữ nước tiềm năng $Q_x = f(X, Q_c)$ trên các nhánh sông lớn và các hồ chứa thuộc lưu vực sông Hồng, tạo cơ sở thực nghiệm nhận dạng sơ bộ khả năng hình thành lũ lớn từ lớp phủ bề mặt và lượng mưa tích lũy.
2. Đề xuất cơ sở khoa học, quy trình phương pháp và công nghệ nhận dạng lũ lớn theo các thời kỳ từ xa đến gần (thời hạn mùa, tháng bằng hồi quy đa biến/mạng ANN kết hợp chỉ số khí hậu; thời hạn 5 ngày bằng đường trữ nước tiềm năng và mạng ANN) phục vụ điều hành liên hồ chứa.
3. Đề xuất phương án điều chỉnh linh hoạt phân bổ dung tích phòng lũ giữa các hồ chứa trên nhánh sông Đà (huy động hồ Lai Châu và Bản Chát tham gia chia sẻ dung tích phòng lũ cùng Sơn La và Hòa Bình), làm cơ sở khoa học kiến nghị sửa đổi, hoàn thiện Quy trình vận hành liên hồ chứa trên lưu vực sông Hồng.

Kiến nghị và giải pháp đề xuất

• Kiến nghị các cơ quan quản lý nhà nước xem xét điều chỉnh Quy trình vận hành liên hồ chứa trên lưu vực sông Hồng theo hướng cho phép vận hành linh hoạt mực nước đón lũ của các hồ chứa trong thời kỳ lũ chính vụ dựa trên thông tin nhận dạng lũ từ xa đến gần.
• Tích hợp công nghệ nhận dạng lũ bằng mô hình ANN và đường trữ nước tiềm năng vào hệ thống hỗ trợ ra quyết định của các đơn vị quản lý, vận hành thủy điện và cơ quan dự báo khí tượng thủy văn.
• Tăng cường chia sẻ dữ liệu quan trắc khí tượng thủy văn thời gian thực giữa các công ty thủy điện (Sơn La, Hòa Bình, Tuyên Quang, Thác Bà...) và Trung tâm Điều độ Hệ thống điện Quốc gia.

---

Hạn chế và hướng nghiên cứu tiếp

Hạn chế

• Nghiên cứu nhận dạng thời hạn dài (tháng, mùa) bằng phương pháp thống kê và mạng nơ-ron nhân tạo chủ yếu dừng ở mức nhận dạng quy mô khái quát (tổng lượng dòng chảy hoặc khoảng biên độ dòng chảy lớn nhất), chưa mô phỏng chi tiết được hình dạng đường quá trình lũ từng ngày.
• Nguồn số liệu mưa và dòng chảy quan trắc tập trung chủ yếu trên phần lãnh thổ Việt Nam; phần lưu vực thượng nguồn sông Thao, sông Lô và sông Đà thuộc lãnh thổ Trung Quốc còn thiếu thông tin đo đạc đồng bộ thời gian thực, ảnh hưởng đến độ chính xác nhận dạng khi có mưa cực đoan xuyên biên giới.

Hướng nghiên cứu tiếp

• Tiếp tục nghiên cứu cập nhật chuỗi số liệu khí hậu, hoàn lưu khí quyển và dòng chảy mới nhất để tái huấn luyện mô hình ANN, tối ưu hóa các tham số trọng số nơ-ron nhằm nâng cao độ chính xác nhận dạng thời hạn tháng và mùa.
• Mở rộng ứng dụng tích hợp dữ liệu mưa số trị độ phân giải cao và ước lượng mưa viễn thám vệ tinh trên toàn bộ lưu vực thượng nguồn sông Hồng (bao gồm cả phần lưu vực ngoài lãnh thổ).
• Nghiên cứu hoàn thiện phần mềm điều hành thời gian thực kết nối tự động giữa mô-đun nhận dạng lũ và mô-đun điều tiết liên hồ chứa.

---

Giá trị tham khảo

Luận án có giá trị tham khảo chuyên môn phục vụ các nhóm đối tượng:

• Nghiên cứu sinh, học viên cao học, giảng viên và chuyên gia nghiên cứu trong các ngành Thủy văn học, Tài nguyên nước, Kỹ thuật tài nguyên nước, Biến đổi khí hậu và Khí tượng học: Có thể tham khảo phương pháp luận kết hợp chỉ số khí hậu quy mô lớn (ENSO, áp cao Thái Bình Dương) với mạng ANN, phương pháp xây dựng đường trữ nước tiềm năng $Q_x = f(X, Q_c)$ và thuật toán xử lý chuỗi thời gian thủy văn.
• Đơn vị dự báo và quản lý phòng chống thiên tai (Tổng cục Khí tượng Thủy văn, Trung tâm Dự báo KTTV quốc gia, Ban Chỉ đạo Quốc gia về Phòng, chống thiên tai): Có thể khai thác công nghệ nhận dạng lũ trước 5 ngày và nhận định dòng chảy tháng, mùa phục vụ cảnh báo sớm lũ lớn trên lưu vực sông Hồng.
• Đơn vị quản lý vận hành hồ chứa và điều độ điện năng (Tập đoàn Điện lực Việt Nam - EVN, Trung tâm Điều độ Hệ thống điện Quốc gia - A0, các Công ty Thủy điện Sơn La, Hòa Bình, Tuyên Quang, Thác Bà): Có thể tham khảo phương án phân bổ dung tích phòng lũ (PA2) và cơ chế vận hành linh hoạt mực nước hồ chứa để nâng cao sản lượng điện năng trong mùa lũ mà vẫn bảo đảm tuyệt đối an toàn đập và kiểm soát ngập lụt hạ du.
• Cơ quan quản lý nhà nước (Bộ Tài nguyên và Môi trường, Bộ Nông nghiệp và Phát triển nông thôn, Cục Quản lý tài nguyên nước): Tham khảo làm luận cứ khoa học cho việc rà soát, sửa đổi Quy trình vận hành liên hồ chứa trên lưu vực sông Hồng (Quyết định 740/QĐ-TTg).

---

Câu hỏi thường gặp

1. Hiện trạng quy định dung tích phòng lũ mùa lũ trên lưu vực sông Hồng theo Quyết định 740/QĐ-TTg là bao nhiêu và phân bổ cho các hồ chứa nào?

Theo Quyết định số 740/QĐ-TTg ngày 17/6/2019 của Thủ tướng Chính phủ, tổng dung tích phòng lũ mùa lũ được phân bổ cho 4 hồ chứa là 8,45 tỷ $\text{m}^3$. Trong đó, hai hồ trên sông Đà gồm hồ Sơn La và Hòa Bình dành 7,0 tỷ $\text{m}^3$; hồ Tuyên Quang trên sông Gâm dành 1,0 tỷ $\text{m}^3$; hồ Thác Bà trên sông Chảy dành 0,45 tỷ $\text{m}^3$. Các hồ Lai Châu và Bản Chát dù có dung tích trên 1 tỷ $\text{m}^3$ nhưng theo quy trình chưa được giao nhiệm vụ dành dung tích phòng lũ hạ du.

2. Mâu thuẫn cốt lõi trong vận hành mùa lũ tại các hồ chứa lớn trên lưu vực sông Hồng là gì?

Mâu thuẫn cốt lõi xuất phát từ việc tỷ lệ dung tích kết hợp so với dung tích hiệu dụng của các hồ rất lớn (Hòa Bình và Sơn La chiếm xấp xỉ 59%, Tuyên Quang chiếm 58%). Các hồ phải bỏ trống một dung tích lớn trong suốt thời kỳ lũ chính vụ để đón lũ thiết kế. Thực tế quan trắc từ năm 2009–2019 mực nước lũ tại Hà Nội đều dưới báo động I (năm 2011 đỉnh lũ chỉ đạt 4,76 m). Việc duy trì mực nước đón lũ cố định dẫn đến lãng phí nguồn nước phát điện trong năm lũ nhỏ và khiến các hồ không tích đủ nước phục vụ mùa khô, hoặc rơi vào thế bị động khi xuất hiện các đợt lũ lớn muộn ngoài chu kỳ.

3. Phương pháp nhận dạng lũ lớn được luận án đề xuất theo các khung thời gian nào và sử dụng công cụ gì?

Luận án đề xuất hệ thống nhận dạng lũ theo ba khung thời gian từ xa đến gần:

• Thời hạn mùa và tháng: Sử dụng mô hình hồi quy tuyến tính đa biến và mô hình mạng thần kinh nhân tạo (ANN) với dữ liệu đầu vào là các chỉ số hoàn lưu khí quyển toàn cầu (ENSO, áp cao Thái Bình Dương AC) kết hợp các nhân tố khí tượng địa phương (nhiệt độ, mưa, bốc hơi).
• Thời hạn 5 ngày: Sử dụng đường trữ nước tiềm năng $Q_x = f(X, Q_c)$ kết hợp mô hình mạng ANN nhiều lớp truyền thẳng (MLP) với đầu vào là lượng mưa dự báo, lưu lượng chân lũ $Q_c$ và các tổ hợp hình thế thời tiết gây mưa lớn.

4. Phương án tái phân bổ dung tích phòng lũ (PA2) do luận án đề xuất có nguyên lý hoạt động như thế nào?

Nguyên lý của PA2 là duy trì tổng dung tích phòng lũ 7,0 tỷ $\text{m}^3$ trên dòng chính sông Đà nhưng huy động thêm hồ Lai Châu và Bản Chát cùng tham gia chia sẻ dung tích phòng lũ với Sơn La và Hòa Bình. Trong điều kiện nhận dạng chưa có dấu hiệu lũ lớn, mực nước trước lũ của Sơn La và Hòa Bình được phép dâng cao hơn ngưỡng cố định hiện hành để nâng cao hiệu quả phát điện. Khi nhận dạng phát hiện có khả năng xuất hiện lũ lớn trước 5 ngày, hệ thống 4 hồ chứa trên nhánh sông Đà sẽ phối hợp hạ dần mực nước về cao trình tính toán an toàn để cắt lũ hạ du.

---

Kết luận

Luận án của tác giả Trịnh Thu Phương đã giải quyết bài toán khoa học và thực tiễn về nhận dạng lũ lớn trên lưu vực sông Hồng theo các khung thời gian mùa, tháng và 5 ngày dựa trên sự tích hợp giữa đường trữ nước tiềm năng, mô hình hồi quy đa biến và mạng thần kinh nhân tạo (ANN). Kết quả nghiên cứu làm sáng tỏ mối quan hệ giữa các chỉ số khí hậu toàn cầu (ENSO, áp cao Thái Bình Dương), hình thế thời tiết gây mưa và quá trình hình thành dòng chảy lũ đến các hồ chứa lớn. Phương án tái phân bổ dung tích phòng lũ và cơ chế phối hợp vận hành linh hoạt 6 hồ chứa (bổ sung Lai Châu và Bản Chát) là căn cứ khoa học trực tiếp phục vụ việc điều chỉnh Quy trình vận hành liên hồ chứa trên lưu vực sông Hồng nhằm tối ưu hóa hiệu quả phát điện, cấp nước mùa cạn mà vẫn bảo đảm an toàn công trình và chống lũ hạ du.

Trích đoạn nội dung tài liệu

Chương 1 của Luận án tập trung vào tổng quan các nghiên cứu trên thế giới về vấn đề nhận dạng lũ và điều hành hồ chứa về các phương pháp, ưu điểm và nhược điểm từ đó định hướng nghiên cứu Luận án về nhận dạng lũ lớn trên lưu vực sông Hồng tới các hồ chứa và các nhánh sông - Chương 2. Cơ sở khoa học và thực tiễn nhận dạng lũ lớn trên lưu vực sông Hồng phục vụ vận hành hệ thống hồ chứa lớn. Nội dung Chương 2 của Luận án tập trung nghiên cứu các cơ sở, các dấu hiệu hình thành lũ, luận cứ định lượng để nhận dạng lũ dựa trên các mối quan hệ mưa, lũ, đường trữ nước tiềm năng trên các lưu vực hồ chứa trên sông Đà, sông Chảy và sông Gâm và trên các nhánh sông Thao và sông Lô. Từ các luận cứ, cơ sở khoa học đó, Luận án nghiên cứu mô hình thống kê hồi quy đa biến và mô hình mạng thần kinh nhân tạo với dữ kiện đầu vào là các quan hệ hình thành lũ lớn, tạo nên kết quả đầu ra nhận dạng định lượng lũ lớn về đỉnh lũ và lượng lũ trước thời hạn 5 ngày, tháng và mùa - Chương 3.

Phân tích, đánh giá áp dụng nhận dạng lũ lớn phục vụ vận hành hệ thống hồ chứa lớn trong mùa lũ trên lưu vực sông Hồng. Nội dung Chương 3 của Luận án trình bày và phân tích về các kết quả nhận dạng lũ lớn và tính toán đề xuất phương án kết hợp, vận hành linh hoạt phân bổ dung tích phòng lũ của các hồ Sơn La, Lai Châu và Bản Chát trong thời kỳ lũ chính vụ nhằm nâng cao mực nước phát điện nhưng vẫn đảm bảo tổng dung tích phòng lũ hạ lưu. TỔNG QUAN VỀ NHẬN DẠNG LŨ LỚN VÀ VẬN HÀNH HỒ CHỨA 1. Tổng quan nhận dạng lũ và vận hành hồ chứa trên thế giới Nhận dạng lũ là cách thức để nhận biết những dấu hiệu về khả năng hình thành, nhận biết đặc tính của một đợt lũ hay một trận lũ một cách định lượng.

Nhận dạng lũ định lượng quy mô khái quát một đợt lũ có khả năng xẩy ra trên một sông hoặc một hệ thống sông, gồm các đặc trưng chính là đỉnh lũ, tổng lượng lũ và dạng quá trình lũ. Trong đó, việc dự đoán đỉnh lũ, tổng lượng lũ có thể thực hiện trước một khoảng thời gian từ 5-10 ngày (thời hạn vừa) hoặc tháng hoặc mùa (thời hạn dài) được xem như quy mô tổng quát; việc dự đoán cụ thể hình dạng quá trình lũ, diễn biến thay đổi của đợt lũ trong một thời hạn xác định là quy mô chi tiết hay còn gọi là dự báo dòng chảy lũ. Phương pháp nhận dạng lũ Nghiên cứu nhận dạng lũ lớn ở các lưu vực sông trên thế giới đã có quá trình phát triển từ khá lâu ở các nước phát triển. Sự phát triển của các nghiên cứu nhận dạng lũ từng bước dựa trên những thành tựu trong nghiên cứu về khí tượng khí hậu, thủy văn, các mô hình dự báo với sự hỗ trợ của công nghệ tin học.

Các phương pháp nhận dạng lũ lớn trên các lưu vực sông trên thế giới có thể phân ra hai loại như sau: a) Phương pháp thống kê Phương pháp thống kê được sử dụng trong nhận dạng lũ ngay từ thời kỳ đầu và vẫn tiếp tục được sử dụng cho tới nay. Phương pháp này có đặc điểm đơn giản, dễ sử dụng, dựa trên các phương trình tương quan về mối quan hệ giữa các yếu tố khí hậu, mưa và đặc trưng lũ.