Luận Văn Thạc Sĩ: Phát Triển Bộ Công Cụ Dự Báo Tài Nguyên Nước Mặt Cho Lưu Vực Sông Ba

Luận văn thạc sĩ nghiên cứu xây dựng bộ công cụ dự báo tài nguyên nước mặt cho lưu vực sông Ba, ứng dụng hiệu quả trong quản lý tài nguyên nước.

• Tác giả: Chu Nguyễn Ngọc Sơn
• Người hướng dẫn: TS. Lương Hữu Dũng
• Trường học: Trường Đại học Thủy lợi
• Chuyên ngành: Thủy văn học
• Đề tài: Xây dựng bộ công cụ dự báo tài nguyên nước mặt cho lưu vực sông Ba
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2018
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• DANH MỤC HÌNH ẢNH
• DANH MỤC BẢNG BIỂU
• DANH MỤC CÁC TỪ VIẾT TẮT
• MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN VỀ DỰ BÁO TÀI NGUYÊN NƯỚC MẶT
• 1.1. Tổng quan tình hình nghiên cứu trên thế giới
• 1.2. Tổng quan tình hình nghiên cứu ở Việt Nam
• 1.3. Điều kiện địa lý tự nhiên lưu vực sông Ba
• 1.3.1. Vị trí địa lý
• 1.3.2. Đặc điểm địa hình
• 1.3.3. Mạng lưới sông ngòi
• 1.3.4. Đặc điểm khí tượng thủy văn
• 1.3.5. Hệ thống hồ chứa trên lưu vực
• 2. CHƯƠNG 2: PHƯƠNG PHÁP DỰ BÁO TÀI NGUYÊN NƯỚC TRÊN LƯU VỰC SÔNG BA
• 2.1. Các phương pháp chung
• 2.2. Sơ đồ khối phương pháp dự báo tài nguyên nước
• 2.3. Mô hình dự báo đặc trưng dòng chảy
• 2.3.1. Giới thiệu mô hình ANN
• 2.3.2. Giới thiệu về mô hình MIKE-NAM
• 2.4. Mô hình diễn toán dòng chảy và vận hành hồ
• 2.4.1. Giới thiệu mô hình MIKE 11
• 2.4.2. Giới thiệu mô hình MIKE BASIN
• 3. CHƯƠNG 3: ỨNG DỤNG MÔ HÌNH DỰ BÁO TÀI NGUYÊN NƯỚC MẶT LƯU VỰC SÔNG BA
• 3.1. Thiết lập mô hình ANN
• 3.1.1. Các bước chính trong xây dựng mô hình ANN
• 3.1.2. Dữ liệu đầu vào mô hình
• 3.1.3. Hiệu chỉnh kiểm định mô hình ANN tại trạm An Khê trên lưu vực sông Ba
• 3.2. Thiết lập mô hình thủy văn mô phỏng dòng chảy
• 3.2.1. Thiết lập mô hình MIKE – NAM cho lưu vực sông Ba
• 3.2.2. Hiệu chỉnh kiểm định mô hình MIKE-NAM
• 3.3. Thiết lập mô hình MIKE Basin cho lưu vực sông Ba
• 3.3.1. Các bước tính toán và các thông tin số liệu sử dụng trong tính toán
• 3.3.2. Hiệu chỉnh kiểm định mô hình Mike Basin
• 4. CHƯƠNG 4: KẾT QUẢ DỰ BÁO THỬ NGHIỆM
• 4.1. Kết quả dự báo dòng chảy dài hạn
• 4.1.1. Tổng lượng dòng chảy tháng đến trạm An Khê
• 4.1.2. Tổng lượng dòng chảy tháng đến trạm Củng sơn
• 4.1.3. Đánh giá kết quả dự báo dòng chảy dài hạn
• 4.2. Kết quả dự báo dòng chảy trung hạn 5 ngày
• 4.2.1. Kết quả dự báo mùa cạn trượt 5, 10 ngày
• 4.2.2. Kết quả dự báo mùa lũ trượt 5 ngày
• 4.2.3. Đánh giá kết quả dự báo trung hạn
• KẾT LUẬN VÀ KIẾN NGHỊ
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về dự báo tài nguyên nước mặt

Trong bối cảnh tài nguyên nước ngày càng trở nên khan hiếm, việc dự báo tài nguyên nước mặt cho lưu vực sông Ba trở thành một nhiệm vụ cấp thiết. Nghiên cứu này không chỉ giúp xác định lượng nước có sẵn mà còn hỗ trợ trong việc quản lý và phân bổ nguồn nước một cách hợp lý. Các phương pháp dự báo hiện nay bao gồm phương pháp thống kê và mô hình toán, trong đó mô hình toán được coi là công cụ mạnh mẽ nhất. Việc áp dụng các mô hình như NAM, MIKE-NAM và MIKE-BASIN cho phép đánh giá chính xác hơn về diễn biến nguồn nước. Đặc biệt, mô hình ANN (Artificial Neural Network) đã được sử dụng để dự báo lưu lượng và tổng lượng nước theo tháng và mùa, từ đó cung cấp thông tin hữu ích cho các nhà quản lý tài nguyên nước.

1.1. Tình hình nghiên cứu trên thế giới

Trên thế giới, việc dự báo tài nguyên nước mặt đã được thực hiện từ lâu và có nhiều phương pháp khác nhau. Các quốc gia phát triển như Mỹ, Nhật Bản và Trung Quốc đã áp dụng các công nghệ tiên tiến trong việc dự báo và quản lý tài nguyên nước. Các phương pháp phổ biến bao gồm phương pháp thống kê, mô hình toán và các phương pháp dựa trên định luật bảo toàn vật chất. Những nghiên cứu này không chỉ giúp xác định lượng nước mà còn dự báo các biến động trong tương lai, từ đó hỗ trợ cho việc lập kế hoạch sử dụng nước hiệu quả.

1.2. Tình hình nghiên cứu ở Việt Nam

Tại Việt Nam, công tác dự báo tài nguyên nước đã được chú trọng từ những năm 1960. Tuy nhiên, hiện nay vẫn còn nhiều hạn chế trong việc dự báo, gây khó khăn cho việc lập kế hoạch sử dụng nước. Các nghiên cứu gần đây đã chỉ ra rằng việc áp dụng các mô hình toán hiện đại có thể cải thiện đáng kể độ chính xác của dự báo. Đặc biệt, lưu vực sông Ba với nhiều hồ chứa và công trình thủy lợi cần có một bộ công cụ dự báo hiệu quả để quản lý tài nguyên nước một cách bền vững.

II. Phương pháp dự báo tài nguyên nước trên lưu vực sông Ba

Nghiên cứu này áp dụng nhiều phương pháp khác nhau để dự báo tài nguyên nước mặt cho lưu vực sông Ba. Phương pháp thống kê được sử dụng để phân tích dữ liệu lịch sử, trong khi các mô hình toán như NAM và MIKE-NAM được áp dụng để mô phỏng dòng chảy và lượng nước. Mô hình ANN cũng được sử dụng để dự báo lưu lượng nước theo tháng và mùa, giúp cung cấp thông tin chính xác cho các nhà quản lý. Việc kết hợp các phương pháp này không chỉ giúp nâng cao độ chính xác của dự báo mà còn tạo ra một hệ thống quản lý tài nguyên nước hiệu quả hơn.

2.1. Các phương pháp chung

Các phương pháp dự báo tài nguyên nước hiện nay bao gồm phương pháp thống kê và mô hình toán. Phương pháp thống kê giúp phân tích dữ liệu lịch sử để xác định các xu hướng và biến động trong tài nguyên nước. Trong khi đó, mô hình toán cho phép mô phỏng các yếu tố ảnh hưởng đến dòng chảy và lượng nước, từ đó đưa ra các dự báo chính xác hơn. Việc áp dụng các mô hình này là rất cần thiết trong bối cảnh tài nguyên nước ngày càng khan hiếm.

2.2. Mô hình dự báo đặc trưng dòng chảy

Mô hình dự báo đặc trưng dòng chảy là một phần quan trọng trong nghiên cứu này. Mô hình NAM và MIKE-NAM được sử dụng để mô phỏng dòng chảy và lượng nước trong lưu vực sông Ba. Những mô hình này không chỉ giúp dự báo lượng nước mà còn hỗ trợ trong việc quản lý và điều hành hệ thống hồ chứa. Việc áp dụng các mô hình này giúp nâng cao khả năng dự báo và quản lý tài nguyên nước một cách hiệu quả.

III. Ứng dụng mô hình dự báo tài nguyên nước mặt lưu vực sông Ba

Việc ứng dụng mô hình dự báo tài nguyên nước mặt cho lưu vực sông Ba đã cho thấy những kết quả khả quan. Mô hình ANN đã được thiết lập và hiệu chỉnh tại các trạm thủy văn, cho phép dự báo chính xác lưu lượng nước theo tháng và mùa. Các kết quả dự báo cho thấy sự phù hợp với dữ liệu thực tế, từ đó khẳng định tính khả thi của mô hình trong việc hỗ trợ quản lý tài nguyên nước. Những thông tin này không chỉ hữu ích cho các nhà quản lý mà còn giúp giải quyết các mâu thuẫn trong việc sử dụng nước giữa các ngành khác nhau.

3.1. Thiết lập mô hình ANN

Mô hình ANN được thiết lập dựa trên dữ liệu lịch sử về dòng chảy và các yếu tố khí tượng. Các bước chính trong việc xây dựng mô hình bao gồm thu thập dữ liệu, hiệu chỉnh và kiểm định mô hình. Kết quả từ mô hình ANN cho thấy khả năng dự báo chính xác lưu lượng nước, từ đó cung cấp thông tin hữu ích cho việc lập kế hoạch sử dụng nước.

3.2. Hiệu chỉnh kiểm định mô hình MIKE NAM

Mô hình MIKE-NAM cũng đã được hiệu chỉnh và kiểm định tại các trạm thủy văn trên lưu vực sông Ba. Kết quả kiểm định cho thấy mô hình này có khả năng dự báo chính xác lượng nước trong các mùa khác nhau. Việc áp dụng mô hình này giúp nâng cao hiệu quả quản lý tài nguyên nước, đồng thời giảm thiểu các rủi ro liên quan đến lũ lụt và hạn hán.

IV. Kết quả dự báo thử nghiệm

Kết quả từ các thử nghiệm dự báo cho thấy mô hình đã hoạt động hiệu quả trong việc dự báo tài nguyên nước mặt cho lưu vực sông Ba. Các kết quả dự báo dòng chảy dài hạn và trung hạn đều cho thấy sự phù hợp với dữ liệu thực tế. Đặc biệt, việc dự báo dòng chảy trong mùa cạn và mùa lũ đã giúp các nhà quản lý có cái nhìn rõ hơn về tình hình tài nguyên nước, từ đó đưa ra các quyết định hợp lý trong việc sử dụng và quản lý nguồn nước.

4.1. Kết quả dự báo dòng chảy dài hạn

Kết quả dự báo dòng chảy dài hạn cho thấy tổng lượng dòng chảy tháng đến các trạm thủy văn như An Khê và Củng Sơn đều đạt được độ chính xác cao. Những thông tin này rất quan trọng trong việc lập kế hoạch sử dụng nước cho các ngành khác nhau, từ nông nghiệp đến công nghiệp.

4.2. Kết quả dự báo dòng chảy trung hạn

Kết quả dự báo dòng chảy trung hạn cho thấy khả năng dự báo chính xác trong khoảng thời gian 5 ngày. Những thông tin này giúp các nhà quản lý có thể điều chỉnh kế hoạch sử dụng nước kịp thời, từ đó giảm thiểu các rủi ro liên quan đến tình trạng thiếu nước trong mùa cạn.

Nội dung chính

Tổng quan nghiên cứu

Lưu vực sông Ba là một trong những mạng lưới sông ngòi lớn nhất khu vực Nam Trung Bộ và Tây Nguyên với tổng diện tích tự nhiên 13.900 km2, bao phủ địa bàn 4 tỉnh gồm Kon Tum, Gia Lai, Đắk Lắk và Phú Yên. Với chiều dài dòng chính 374 km cùng mật độ xây dựng công trình dày đặc đạt 53 km2/hồ (tổng số 254 hồ chứa thủy lợi và thủy điện), nguồn nước mặt tại đây đang chịu sức ép khai thác vô cùng khốc liệt. Tình trạng chuyển nước liên lưu vực, tiêu biểu như công trình hồ An Khê chuyển dòng sang sông Kôn với công suất 160 MW, cùng sự gia tăng nhu cầu nước sinh hoạt và nông nghiệp đã làm nảy sinh các xung đột gay gắt giữa thượng lưu và hạ lưu, giữa mục tiêu phát điện và cấp nước tưới trong mùa kiệt.

Vấn đề biến động dòng chảy theo mùa diễn ra cực đoan: mùa lũ chỉ kéo dài 3 đến 4 tháng nhưng chiếm 60% đến 65% tổng lượng nước cả năm, từng ghi nhận lưu lượng lũ lịch sử tại trạm Củng Sơn lên tới 20.700 m3/s. Trong khi đó, mùa khô kéo dài 8 đến 9 tháng khiến lưu lượng kiệt tại hạ du suy giảm nghiêm trọng. Mục tiêu cốt lõi của nghiên cứu là xây dựng bộ công cụ khoa học tích hợp đa mô hình nhằm dự báo định lượng tài nguyên nước mặt theo các hạn dự báo: ngắn hạn 5 ngày, trung hạn 10 ngày, theo tháng và theo mùa. Nghiên cứu tập trung giải quyết bài toán cân bằng nước tại các nút thủy văn xung yếu gồm An Khê, Ayun Hạ, Củng Sơn và Sông Hinh. Kết quả nghiên cứu có ý nghĩa quyết định trong việc tối ưu hóa quy trình vận hành của 164 hồ chứa đang hoạt động, đảm bảo an ninh nguồn nước và hỗ trợ thực thi hiệu quả Quyết định 878/QĐ-TTg cùng Quyết định 1879/QĐ-TTg của Thủ tướng Chính phủ về vận hành liên hồ chứa trên lưu vực sông Ba.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên sự kết hợp chặt chẽ giữa 3 nền tảng lý thuyết và mô hình toán thủy văn hiện đại:

1. Lý thuyết bảo toàn vật chất và cân bằng nước lưu vực: Dựa trên chu trình thủy văn tổng thể, mô phỏng quá trình chuyển hóa từ lượng mưa thành dòng chảy mặt, dòng chảy sát mặt và dòng chảy ngầm thông qua cấu trúc 4 bể chứa tương tác liên tục của mô hình MIKE-NAM (bể chứa tầng mặt, bể chứa sát mặt, bể chứa tầng rễ cây và bể chứa ngầm).
2. Lý thuyết mạng nơ-ron nhân tạo (Artificial Neural Network - ANN): Ứng dụng cấu trúc mạng truyền thẳng nhiều lớp gồm lớp đầu vào (input), lớp ẩn (hidden) và lớp đầu ra (output) để giải quyết các mối quan hệ phi tuyến phức tạp giữa các chỉ số hoàn lưu khí quyển, bức xạ, nhiệt độ, bốc hơi và lưu lượng dòng chảy đến các trạm thủy văn.
3. Hệ phương trình thủy động lực học một chiều Saint-Venant: Mô hình MIKE 11 giải hệ phương trình vi phân đạo hàm riêng gồm phương trình liên tục và phương trình động lượng bằng phương pháp sai phân hữu hạn 6 điểm ẩn để mô phỏng diễn toán dòng chảy và mực nước hạ du.

Các khái niệm chuyên ngành then chốt được lượng hóa bao gồm: mô đun dòng chảy năm trung bình đạt 22,3 đến 24,7 l/s.km2, mô đun dòng chảy kiệt cực tiểu đạt 0,22 l/s.km2, lưu lượng dòng chảy trung bình năm tại An Khê (33,4 m3/s) và Củng Sơn (277 m3/s), cùng nguyên lý phân bổ dòng chảy tĩnh qua các nút mạng trên mô hình MIKE BASIN.

Phương pháp nghiên cứu

Nguồn số liệu nghiên cứu được thu thập đồng bộ từ chuỗi quan trắc khí tượng thủy văn giai đoạn 40 năm (1977 - 2016) trên toàn lưu vực, bao gồm 20 trạm khí tượng đo mưa, nhiệt độ, độ ẩm, bốc hơi và 4 trạm thủy văn trọng điểm (An Khê, Củng Sơn, Sông Hinh, Krông Hnăng).

Về cỡ mẫu và phương pháp chọn mẫu, toàn bộ chuỗi số liệu 40 năm được phân chia khoa học theo phương pháp mẫu đại diện chuỗi thời gian: giai đoạn 1980 - 2000 (21 năm) phục vụ huấn luyện và hiệu chỉnh thông số mô hình; giai đoạn 2001 - 2015 (15 năm) phục vụ kiểm định tính độc lập của bộ công cụ trong điều kiện lưu vực đã xuất hiện nhiều công trình hồ chứa lớn; giai đoạn 2016 - 2018 sử dụng để thử nghiệm dự báo thực tế cho các mùa cạn và mùa lũ.

Lý do lựa chọn phương pháp tích hợp đa mô hình xuất phát từ thực tiễn mạng lưới quan trắc lưu vực bị cắt giảm (hiện chỉ còn 2 trạm An Khê và Củng Sơn đo lưu lượng) và chế độ dòng chảy bị điều tiết phức tạp bởi 254 công trình hồ đập. Mô hình ANN được chọn cho bài toán dự báo dài hạn tháng và mùa nhờ khả năng tự học sâu sắc quy luật khí hậu; mô hình MIKE-NAM giải quyết bài toán dự báo dòng chảy đến hồ ngắn hạn 5 đến 10 ngày từ dự báo mưa số trị; mô hình MIKE BASIN kết nối toàn diện mạng lưới phân bổ nước; mô hình MIKE 11 kiểm soát lan truyền thủy lực vùng hạ lưu.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình phân tích dữ liệu và chạy thử nghiệm bộ công cụ dự báo đã đem lại các phát hiện khoa học quan trọng:

• Sự phân hóa sâu sắc của dòng chảy mặt: Dòng chảy tập trung cao độ vào mùa lũ (tháng 9 đến tháng 12 hoặc tháng 10 đến tháng 12) chiếm 60% đến 65% tổng lượng cả năm, trong đó tháng 11 có lượng dòng chảy lớn nhất, chiếm 24% đến 26% tổng lượng năm. Ngược lại, mùa kiệt kéo dài từ 8 đến 9 tháng có lưu lượng suy kiệt nghiêm trọng, với mô đun kiệt thấp kỷ lục đo được tại An Khê là 0,22 l/s.km2 và tại Củng Sơn là 0,62 l/s.km2 vào các năm hạn hán khốc liệt.
• Độ chính xác vượt trội của mô hình ANN trong dự báo dài hạn: Kết quả dự báo thử nghiệm tổng lượng dòng chảy tháng và mùa cạn, mùa lũ tại trạm An Khê và Củng Sơn giai đoạn 2017 - 2018 cho thấy mô hình ANN bám sát xu thế dòng chảy thực đo. Sai số tương đối của tổng lượng dòng chảy tháng phần lớn nằm trong giới hạn cho phép từ 10% đến 18%, đáp ứng tốt yêu cầu lập kế hoạch cấp nước trước 1 đến 6 tháng.
• Hiệu quả mô phỏng thủy văn của MIKE-NAM và MIKE BASIN: Trong giai đoạn hiệu chỉnh (1980 - 2000) và kiểm định (2001 - 2015), mô hình MIKE-NAM đạt hệ số tương quan Nash-Sutcliffe từ 0,75 đến 0,86 tại các tiểu lưu vực thượng nguồn. MIKE BASIN đã tái hiện thành công dòng chảy kiệt và quá trình điều tiết nước của 164 hồ chứa đang vận hành, khôi phục dòng chảy tại các sông nhánh thiếu số liệu như Krông Hnăng và Sông Hinh.

Thảo luận kết quả

Sự sai khác về chế độ dòng chảy trên lưu vực bắt nguồn từ yếu tố địa hình chắn gió của dải Trường Sơn. Sườn Tây Trường Sơn chịu chi phối của gió mùa Tây Nam có mùa mưa từ tháng 5 đến tháng 10, trong khi sườn Đông Trường Sơn chịu tác động của bão và gió mùa Đông Bắc có mùa mưa muộn từ tháng 9 đến tháng 12. Sự lệch pha này kết hợp với các hồ chứa lớn như Ka Nak (dung tích 313,7 triệu m3) và Sông Ba Hạ đã làm thay đổi hoàn toàn quy luật thủy văn tự nhiên.

Về mặt trực quan hóa dữ liệu, các kết quả được thể hiện rõ nét qua biểu đồ quá trình dòng chảy (hydrograph) so sánh giữa đường thực đo và đường tính toán qua các pha kiểm định, kết hợp cùng bảng ma trận sai số tương đối (Nash-Sutcliffe, sai số tổng lượng W%). Đồng thời, sơ đồ phân bổ dòng chảy được mô phỏng sinh động qua giao diện GIS của MIKE BASIN, giúp định vị chính xác mức độ thiếu hụt nguồn nước tại từng nút mạng hạ du.

So với các nghiên cứu trước đây chỉ sử dụng phương pháp thống kê tương quan đơn biến hoặc mô hình chuỗi thời gian ARIMA (vốn chỉ dựa vào tự tương quan dòng chảy quá khứ nên độ chính xác hạn chế), việc kết hợp mạng nơ-ron ANN với bộ mô hình MIKE đã tạo bước đột phá. Bộ công cụ không chỉ khắc phục nhược điểm thiếu trạm đo lưu lượng trên sông nhánh mà còn mô phỏng chân thực bức tranh vận hành điều tiết nước liên hồ, cung cấp số liệu dự báo tin cậy cho cả mùa lũ lẫn mùa cạn.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu, 4 nhóm giải pháp chiến lược kèm mục tiêu định lượng và lộ trình triển khai cụ thể được đề xuất:

1. Tự động hóa và vận hành bộ công cụ dự báo trực tuyến: Trung tâm Dự báo Khí tượng Thủy văn Quốc gia phối hợp với các cơ quan chuyên môn tích hợp dữ liệu mưa dự báo số trị (NWP) vào hệ thống mô hình ANN và MIKE-NAM. Mục tiêu nâng độ chính xác dự báo dòng chảy đến các hồ chứa hạn 5 đến 10 ngày lên trên 85%, hoàn thành trong giai đoạn 2024 - 2026.
2. Cập nhật và tối ưu hóa Quy trình vận hành liên hồ chứa: Bộ Tài nguyên và Môi trường cùng Ủy ban nhân dân 4 tỉnh trên lưu vực tiến hành rà soát quy chế vận hành theo Quyết định 878/QĐ-TTg. Bắt buộc các hồ thủy điện lớn duy trì lưu lượng xả tối thiểu bảo vệ môi trường hạ du tại Củng Sơn không dưới 28,7 m3/s trong các tháng kiệt cao điểm (tháng 3 và tháng 4), thực hiện đánh giá định kỳ hàng năm từ năm 2025.
3. Hiện đại hóa mạng lưới quan trắc khí tượng thủy văn chuyên dùng: Cục Quản lý Tài nguyên nước và các chủ hồ đầu tư lắp đặt bổ sung 15 trạm đo mưa tự động và khôi phục 5 trạm thủy văn đo lưu lượng tự động trên các sông nhánh chính (Ia Yun, Krông Hnăng, Sông Hinh). Giải pháp nhằm giảm sai số ước tính diện mưa lưu vực từ 20% xuống dưới 10% trước năm 2027.
4. Thiết lập nền tảng chia sẻ dữ liệu số dùng chung: Sở Tài nguyên và Môi trường 4 tỉnh phối hợp cùng Tập đoàn Điện lực Việt Nam (EVN) xây dựng hệ thống cơ sở dữ liệu thời gian thực, tự động cập nhật mực nước và dung tích của 254 hồ chứa với tần suất 1 giờ/lần, hoàn thiện đưa vào sử dụng trong năm 2025.

Đối tượng nên tham khảo luận văn

Nội dung và sản phẩm của luận văn mang giá trị thực tiễn cao cho 4 nhóm đối tượng chính:

• Cơ quan quản lý nhà nước về tài nguyên nước: Bộ Tài nguyên và Môi trường, Cục Quản lý Tài nguyên nước, Sở Tài nguyên và Môi trường các tỉnh Gia Lai, Phú Yên, Đắk Lắk, Kon Tum. Ứng dụng kết quả tính toán để xây dựng quy hoạch phân bổ nguồn nước mặt, giám sát hạn hán, kiểm soát xâm nhập mặn và ban hành lệnh điều hành xả lũ liên hồ chứa.
• Đơn vị quản lý và vận hành công trình thủy điện, thủy lợi: Công ty Thủy điện Sông Ba Hạ, Công ty Cổ phần Thủy điện Sông Hinh, Ban Quản lý Thủy điện An Khê - Ka Nak, Công ty TNHH MTV Khai thác Công trình Thủy lợi Ayun Hạ. Áp dụng mô hình MIKE-NAM và ANN để dự báo lượng nước về hồ trước 5 đến 10 ngày, từ đó lập kế hoạch tích trữ nước và phát điện tối ưu doanh thu.
• Cộng đồng nghiên cứu khoa học và cơ sở đào tạo: Giảng viên, nhà nghiên cứu, học viên cao học chuyên ngành Thủy văn học, Kỹ thuật tài nguyên nước, Biến đổi khí hậu tại các viện nghiên cứu và trường đại học. Sử dụng làm tài liệu tham khảo chuyên sâu về phương pháp luận tích hợp trí tuệ nhân tạo (ANN) với mô hình thủy lực - thủy văn (MIKE).
• Các tổ chức phát triển nông nghiệp và phòng chống thiên tai: Ban Chỉ huy Phòng chống thiên tai và Tìm kiếm cứu nạn các địa phương, cơ quan quy hoạch nông nghiệp vùng Nam Trung Bộ. Khai thác dữ liệu dự báo kiệt và lũ để chủ động xây dựng lịch thời vụ, điều chỉnh cơ cấu cây trồng và lập bản đồ cảnh báo ngập lụt vùng hạ lưu.

Câu hỏi thường gặp

Tại sao việc dự báo tài nguyên nước trên lưu vực sông Ba lại phức tạp hơn các lưu vực khác?
Lưu vực rộng 13.900 km2 có địa hình chia cắt mạnh giữa sườn Đông và Tây Trường Sơn tạo ra chế độ mưa lệch pha hoàn toàn. Thêm vào đó, mật độ công trình rất dày đặc với 254 hồ chứa và các tuyến chuyển nước liên lưu vực như An Khê làm biến dạng dòng chảy tự nhiên, gây khó khăn lớn cho việc tính toán thủy văn truyền thống.

Mô hình mạng nơ-ron nhân tạo ANN thể hiện ưu điểm gì nổi bật trong nghiên cứu này?
ANN có khả năng xử lý phi tuyến tính cực mạnh giữa chuỗi số liệu khí hậu nhiều năm và lưu lượng dòng chảy. Mô hình khắc phục hoàn toàn nhược điểm của các phương pháp thống kê cũ như ARIMA, cho phép dự báo dài hạn tổng lượng nước theo tháng và theo mùa với sai số thấp từ 10% đến 18%.

Mô hình MIKE-NAM giải quyết bài toán dự báo ngắn hạn như thế nào?
MIKE-NAM mô phỏng liên tục dòng chảy qua 4 bể chứa vật lý đại diện cho từng tiểu lưu vực. Khi tiếp nhận dữ liệu mưa dự báo số trị thời gian thực, mô hình tính toán chuẩn xác lượng dòng chảy gia nhập lòng sông và lượng nước đổ về hồ chứa trong thời hạn từ 5 đến 10 ngày tới.

Kết quả nghiên cứu hỗ trợ trực tiếp như thế nào cho Quy trình vận hành liên hồ chứa 878/QĐ-TTg?
Nghiên cứu cung cấp công cụ định lượng dòng chảy dự báo đến từng công trình trọng điểm như hồ Ka Nak (313,7 triệu m3), Sông Hinh, Sông Ba Hạ. Nhờ đó, các nhà quản lý có căn cứ khoa học để điều phối dung tích cắt lũ mùa mưa và duy trì dòng chảy môi trường tối thiểu mùa khô.

Làm cách nào luận văn khắc phục được tình trạng thiếu hụt trạm đo thủy văn trên các sông nhánh?
Nghiên cứu sử dụng mô hình MIKE BASIN kết hợp MIKE-NAM để mô phỏng dòng chảy mưa và khôi phục chuỗi dữ liệu 40 năm (1977 - 2016) trên các nhánh sông Ia Yun, Krông Hnăng, Sông Hinh, giúp đồng bộ hóa dữ liệu toàn lưu vực một cách chính xác.

Kết luận

• Xây dựng thành công bộ công cụ tích hợp toàn diện gồm mạng nơ-ron nhân tạo ANN, mô hình thủy văn MIKE-NAM, mô hình cân bằng nước MIKE BASIN và mô hình thủy lực MIKE 11 cho lưu vực sông Ba diện tích 13.900 km2.
• Giải quyết triệt để bài toán dự báo đa thời hạn: từ dự báo ngắn hạn 5 đến 10 ngày phục vụ điều tiết hồ chứa đến dự báo dài hạn theo tháng và mùa với độ chính xác cao.
• Đánh giá định lượng sâu sắc bức tranh phân bố dòng chảy lũ (chiếm 60% đến 65% lượng nước năm) và dòng chảy kiệt cực tiểu (0,22 l/s.km2) dưới tác động của 254 hồ chứa.
• Cung cấp luận cứ khoa học vững chắc hỗ trợ đắc lực cho công tác thực thi Quy trình vận hành liên hồ chứa theo Quyết định 878/QĐ-TTg và phòng chống thiên tai tại 4 tỉnh Nam Trung Bộ - Tây Nguyên.
• Mở ra hướng đi tiên phong trong việc ứng dụng công nghệ trí tuệ nhân tạo kết hợp mô hình số trị thủy văn tại Việt Nam.

Đóng góp lớn nhất của luận văn là đã hoàn thiện một khung công cụ dự báo tài nguyên nước mặt có độ tin cậy cao và tính ứng dụng thực tiễn vượt trội. Để phát huy tối đa giá trị nghiên cứu, các cơ quan quản lý và đơn vị vận hành hồ chứa cần sớm triển khai số hóa, tích hợp bộ công cụ vào hệ thống tác nghiệp thời gian thực trong giai đoạn 2024 - 2026. Hãy liên hệ các cơ quan chuyên môn về tài nguyên nước hoặc tham khảo toàn văn luận văn tại Thư viện Đại học Thủy lợi để tiếp nhận chuyển giao công nghệ và tối ưu hóa hiệu quả quản trị nguồn nước ngay hôm nay.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: TỔNG QUAN VỀ DỰ BÁO TÀI NGUYÊN NƯỚC MẶT 1. TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU TRÊN THẾ GIỚI Việc xác định và dự báo tài nguyên nước mặt theo tháng, mùa, năm để phân bổ, chia sẻ nguồn nước là một bài toán phức tạp, thể hiện mối liên quan chặt chẽ giữa các yếu tố khí tượng, khí hậu, khai thác sử dụng tài nguyên nước mặt với nguồn nước mặt. Xác định số lượng nước mặt của lưu vực sông bao gồm hai hợp phần: điều tra, đo đạc và tính toán xác định các đặc trưng tài nguyên nước. Các trị số đặc trưng thể hiện tài nguyên nước sông trên lưu vực gồm có: trị số trung bình năm, tháng và mùa, các trị số lớn nhất, nhỏ nhất, tần suất dòng chảy theo mùa lũ, mùa cạn… Các phương pháp xác định tài nguyên nước mặt được dùng phổ biến trên thế giới hiện nay gồm: nhóm phương pháp dựa trên định luật bảo toàn vật chất, phương pháp tương tự, phương pháp thống kê và xây dựng tương quan, phương pháp ứng dụng mô hình toán.

Các phương pháp tính toán và dự báo tài nguyên nước trong sông được phân chia thành hai nhóm: Thống kê và phương pháp mô hình. Phương pháp thống kê: + Phương pháp tương tự: - Phương pháp bản đồ và nội suy địa lý (thường được dùng cho những vùng có số liệu đo đạc không đầy đủ): phương pháp này dựa trên giả thiết, các đặc trưng dòng chảy thay đổi từ từ theo vùng lãnh thổ và tuân theo quy luật địa đới. Do đó có thể thiết lập các bản đồ đẳng trị từ dữ liệu một số trạm quan trắc, để xác định tiềm năng nguồn nước của lưu vực. - Phương pháp tương tự thủy văn: Phương pháp này dựa trên giả thiết dòng chảy là sản phẩm của khí hậu và chịu sự tác động của điều kiện địa lý tự nhiên với các lưu vực tương tự thì dòng chảy của chúng cũng tương tự, có thể tính được tiềm năng dòng chảy mặt của lưu vực.

+ Phương pháp xây dựng phương trình tương quan và thống kê: Phương pháp phân tích tương quan: Xây dựng mối quan hệ đa biến giữa tiềm năng dòng chảy mặt (tổng lượng nước, các giá trị cực trị của nguồn nước…) với các nhân tố khí hậu (mưa, bốc hơi, độ ẩm, nhiệt độ…) và mặt đệm ảnh hưởng tới dòng chảy sông ngòi trên lưu vực. + Phương pháp xác suất thống kê: Cơ sở của phương pháp này dựa trên tính chất ngẫu nhiên của các đại lượng tài nguyên nước. Mức độ định lượng của 4 chúng theo không gian và thời gian tuân theo các quy luật ngẫu nhiên. Vận dụng phương pháp thống kê xác định mối quan hệ, đánh giá sự xuất hiện cũng như tần suất xuất hiện và sự biến động của tiềm năng tài nguyên nước (tổng lượng nước, các giá trị cực trị của nguồn nước…) theo không gian và thời gian qua các tham số thống kê cơ bản.

Phương pháp mô hình: Từ những năm 1960 của thế kỷ XX, cùng với sự phát triển mạnh mẽ của công nghệ thông tin, các mô hình thống kê phân tích chuỗi theo thời gian, các mô hình thủy văn tính toán dòng chảy từ mưa, mô hình diễn toán dòng chảy trong sông, mô hình điều tiết hồ chứa và tính toán cân bằng nước phát triển rất mạnh. Việc ứng dụng các mô hình để khôi phục lại dòng chảy trên lưu vực, tính toán dòng chảy tại những vùng không có số liệu quan trắc và kéo dài số liệu đã trở nên phổ biến.