phần mở đầu, kết quả và bàn luận, Luận án được tình bày trong 4 chương bao gồm “ChươngI: Tổng quan về tinh hình nghiên cứu mưa, lũ trung hạn, vận hành hệ thống hỗ chứa và định hướng nghiên cứu cho lưu vực sông Ca “Chương II: Nghiên cứu dự báo mưa cho lưu vực sông Cả. “Chương II: Nghiên cứu dự báo lũ trung han cho lưu vực sông Cả “Chương IV: Vận hành hệ thống hỗ chứa phòng lũ trên lưu vực sông Cả "Những đồng góp mới của Luận ám 1) Xây dựng cơ sở khoa học cho việc vận hành phối hợp các hồ chứa phòng lũ trên. lin vực sông Cả, bao gồm: i) bảng nhận dạng hình thể thôi tiết sây mưa lớn trên lưu vực; ii) đặc điểm, tổ hợp lũ và kết quả mô phỏng mô hình toán thủy văn tính. toán và dự báo lũ đến các hồ chứa.
nhập lưu khu giữa trong hệ thẳng: và ii) mô hình mô phỏng hệ thông hỗ chứa kết hợp với các quy tắc phối hợp vận hành các hỗ chứa phòng lũ cho lưu vực. 2) Dua ra phương pháp áp dụng hiệu quả mạng ANN với thuật toán quét ngược. (BPNN) bằng việc sử dụng thuật toán giải đoán ghen GA trong quế tình im cí trúc mạng ối ưu. Xử lý này đã làm cho quá tình luyện mạng nhanh hơn rt nhiêu, rat phù hợp cho dự báo tác nghiệp khi liên tục phải cập nhập so liệu mới.
và luyện lại mạng. Thêm vào đó đã nâng cao được chất lượng dự báo từ các mô hình nhận thức bằng cách áp dụng mô hình ngẫu nhiên ARIMA để hiệu chỉnh sai số dự báo 3) Tích hợp được mô hình dự báo mưa, lũ với mô hình vận hành hệ thống hỗ chứa tạo tiên đỀ cho việc vận hành phổi hợp các hi chứa phòng lũ trên lưu vực theo thời gian thực. Đây là cách mà nhiều nước tiên tiến trên thể giới dang làm và dang hướng tới, vì vậy cần được thực biện ở Việt Nam, CHƯƠNGI TONG QUAN VE TINH HÌNH NGHIÊN CỨU DỰ BAO MƯA LŨ TRUNG HAN, VAN HANH HE THONG HO CHUA VÀ ĐỊNH HƯỚNG NGHIÊN CỨU CHO LƯU VỰC SONG CA 1. Tổng quan tình hình nghiên cứu về dự báo mưa, lũ trung hạn và vận hành hệ thông hồ chứa trên thể gi.
Dự báo mua, lis trung hạn Nghiên cấu dự báo mưa, 8 trung hạn trên th giới hiện my vẫn là một đ các nhà khoa học, đặc là vẫn đề ầm thể nào để nâng cao chất lượng và thời gian dự kiến. VỀ dự báo thời tết trong đó có dự báo mưa, bên cạnh các phương pháp truyền thống được sử dụng từ lâu như: phương pháp quán tính, phương pháp xu thế, phương pháp khí hậu, phương pháp tương tự, thì phương pháp dự báo số trị đã và đang phát tiên rất man, Đây là phương pháp sử dụng các mô hình toán mô phỏng và dự báo khí hậu và là phương pháp thành công nhất. được sử dụng rộng rãi nhất trên thé giới hiện nay “Các mô hình loại dự báo khí hậu được hình thành từ đầu thể ky 20 nhờ những tiến bộ và sự hiểu biết về vật lý khí quyên [78]. Năm 1922, Lewis Fry Richardson đđã xuất bản cuốn Dự báo thời tiết bằng quá tình số tr, trong đó một số lạng trong các phương trình động lực học chất lỏng có thể được bỏ qua để có thể tim được các nghiệm số.
Tuy nhiên, khối lượng tính toán quá lớn không thể thực hiện được trước khi các máy vi ính xuất hiện. G Na Uy có một nhóm các nhà khí tượng, đứng đầu là Vilhelm Bjerknes đã phát triển một mô hình để giải thích sự hình thành, phát triển và tan rã của các xoáy thuận ngoại nhiệt đới và họ đã đưa ra ý “Tor Bergeron (người đầu tiên đưa ra cơ ch hình thành mưa) Đến giữa thập niên 1950, các mô phòng số đã trở nên dễ dàng hơn với sự trợ giúp của máy tính. Người ta đã dự báo tốt hơn các chuyển động qui mô lớn của sóng Rossby vùng vĩ độ trung bình. Trong thập niên 1960, bản chất hỗn loạn của Khí quyển lần đầu tiên được biết tới bởi công tinh của Edward Lorenz, và hình thành nên ngành khoa học nghiên cứu vẻ lý thuyết hỗn loạn.
ii sự phát rin của các siêu máy tính, các mô hình toán khí quyển ngày càng dat đến độ tinh xảo, không chỉ có độ phân giải không gian và thỏi gian được nâng sao mà nhiều thành phần trong hệ thống khí hậu được tích hợp vào mô hình: khí quyển. đại đương, sinh quyén và các tae động của con người. Những mô hình được sử dung phố biển hiện my có thể kể đến như MMS, RAMS, ETA của Hoa Kỹ, HRM của Đúc, BOLAM của Italia, SM của Thụy sĩ. MESO-NH của Pháp v.
được thu thập từ vệ tinh cũng đã và dang trở thành một công cụ hữu hiệu trong cung cấp các thông tin thời tiết toàn cầu cho các mô hình thời tiết lớn cũng như các khu vực. Năm 1960, vệ tinh khí trong đầu tiên TIROS-1 được phóng thành công đánh dấu bước tiến bộ vượt bậc trong dự báo thời tiết bằng mô. Các vệ tinh thời tiết cùng với các vệ tinh quan trắc Trái đất khác quay ‘quanh Trái dit ở các độ cao khác nhau hiện nay đã trở thành một công cụ không thể thiểu trong dự báo thời tiết nói chung cũng như phát hiện các hiện tượng thời tiết cực đoạn Việc dự báo mưa hạn ngắn cho các khu vực không lớn, ở các nước hiện nay đều sử dụng các Radar thời ếc. Trong Chiến tranh Thể giới radar được quân đội sử dụng để phân biệt tiếng ồn do mưa, tuyết, máy bay gây ra nhưng sau Chiến tranh Thể giới thứ 2 thi các nhà Khoa học Hoa kỹ, đặc biệt là nhà khoa học người Canada = Marshall (78] đã xây dựng các nhóm quan hệ gia kích thước hạt mưa theo các vĩ độ khác nhan làm cơ sở cho những nghiên cứu dự mưa bing Radar thoi tết sau này.
Các nước sử dụng Radar thí tiết nhiều nhất hiện nay có thể ké đến là Hoa Kj, Canada, Nhật và các nước Tây Âu VỀ dự báo hi trung hạn. hướng nghiên cứu rên thé giới trong những nim đây chủ yếu tập trung vào việc sử dung phương pháp mang No ron nhân tạo (ANN) với nhiều thuật toán tối ưu khác nhau kết hop với việc sử dụng mô hình ngẫu nhiê ARIMA (p.dạ), và việc mở ring áp dụng các mô hình thủy văn thông số phân bổ tấn đụng các thông tín có được từ vệ tinh, máy bay và GIS kết hợp với kết quả dự. báo mưa từ các mô hình số te dự báo thời tiết như MMS, RAMS, HRM, BOLAM, wv. Một số nghiên cứu cụ thể được tóm tắt dưới đây: Mania và nnk (2004) (64] đã áp dụng mô hình ARIMA (p,q) và mạng No ron nhân tạo (ANN) thuật toán quét ngược (BPN) để dự báo dòng chảy trung bình tháng cho lưu vực sông Xallas ở Đông Bắc Tây Ban Nha, trong đó mô hình mạng No ron nhân tạo được sử dung để nâng cao chất lượng dự báo từ mô hình ARMA.
Mặc dù kết quả đạt được chưa thực sự tốt cho cí định lũ nhưng hướng nghiên cứu mở ra một triển vọng lớn trong sự kết hợp các mô hình dé dự báo trung hạn Mohammadi và nnk (2006) [65] đã sử dụng thuật toán GP (Goal programming) ước tính các thông số của mô hình ARIMA (pad.q) vào dự báo đồng chiy thing cho tram Shaloo Bridge trên sông Karun ở tây nam của Iran với số iệu quan trắc i 68 năm. quả nghiên cứu cho thấy các thông số của mô hình ARIMA xác định với việc sit dung thuật toán GP tốt hơn sử dung thuật toán Maximum Likelihood và tốt hơn nhiều so vớiviệc tính đúng các của mô hình ARIMA bằng phương pháp giải tích truyền thông Walter, C, và nnk (2007) (66] đã sử dụng mô hình thủy văn MGB-IPH để sự báo dang chảy trung han cho sông Paranafba «Brazil. Đây là mô hình thủy văn thông số phân bổ ứng dụng cho các lưu vực lớn ở Nam Mộ. Mô hình này được cải tiến từ mô hình LARSIM với một sổ thay đỗi trong các modul tính bốc thoát hơi.
Ô lưới tính toán của mô hình thường là 10km x 10km và chúng được kết nỗi với mạng sông suối với mỗi ô được coi như ‘mt đơn vị phần ứng thủy văn" với giá tri phụ thuộc vào loại đắt và hiện trang sử dụng đắt trên từng 6 lưới. Mô hình này sử dụng mưa dự báo từ mô hình ETA của Trung tâm dự báo mưa Brazil (BWP), Mô hình dự báo mưa ETA là mô hình s6 tị với vùng dự báo bao phủ toàn bộ khu vực Nam Mỹ và một phan của vùng phụ cận; mô hình dự báo thời tiết này. được đưa vào dự báo tác nghiệp từ năm 1996, chủ yẾu cho dự báo hạn ngắn. Kết qua dy báo của mô hình thủy văn phân bố MGB-IPH này được so sánh với kết qua ig đã cho kết qui khả quan hơn nhiều trong cả mùa mưa và mùa khô ứng vớ thời gian dự kiến từ 3, 5 đến 12 ngày, đặc biệt là khi dự báo mưa tốt.
J (2009) [54] đã áp dụng mô hình mạng No ron nhân. tạo với thuật toán thuyết tiến hóa - EANN (Evolutionary Algorithms Nueral Network) vào dự báo ding chảy 10 ngày đến hồ chứa Shihmen thuộc lưu vực sông ‘Tanshui của Dai loan. Mô hình EANN sử dụng thuật toán thuyết tién hóa đẻ tìm và dmg mạng nơ ron thần kinh, các trọng số kết nổi một cách tự động, thực chất là một mô hình lai ghép bao gồm việc sử dụng thuật toán giải đoán gen (GA ~ Genetic Algorithm) với thuật toán Leo Dốc - SCGA (Scaled conjugate Gradient Algorithm) để đồ tìm và tối ưu ha mang nơ ton cing với việc xác định các trong số kết nối Kết quả dự báo của mô hình EANN là tốt hơn nhiễu so với mô hình AR và ARMAX (mô hình cải tién của ARMA). Việc sử dụng mô hình EANN đã phần nào.
6 khắc phục được nhược điểm cổ hữu của mô hình ANN trong vi nơ ron phù hợp và tit kiệm thời gian tìm kiếm. và nnk (2005) [60] đã xây dựng một mô hình dự báo lũ cho lưu ng San Antonio (diện tích khoảng 10.