
Bài giҧng môn hӑc MÔ HÌNH HÓA MÔI TRѬӠNG Trѭӡng Ĉҥi hӑc Cҫn Thѫ-----------------------------------------------------------------------------------------------------------
-------------------------------------------------------------------------------------------------------
TS. Lê Anh Tuҩn
21
Mѭa
Bӕc hѫi
Chҧy tràn
Ĉo mѭa
& bӕc hѫi
Thҩm
Thҩm
Chҧy ngҫmĈo dòng
chҧy
Sôn
g
Mây
Thӡi gian t
Thӡi gian t
Lѭӧng mѭa X
Lѭu lѭӧng Q
Chѭѫng 3. HIӊU CHӌNH CÁC THÔNG SӔ MÔ HÌNH
3.1 Khái quát vҩnÿӅTheo ÿӏnh nghƭaӣ mөc 2.2.4, khi phát triӇn mô hình, hiӋu chӍnh (calibration) - có ngѭӡi
gӑi là ÿӏnh chuҭn - là tiӃn trình mà trong ÿó các thông sӕ và biӃn sӕ cӫa mô hình ÿѭӧc
ÿiӅu chӍnh ÿӇ kӃt quҧ ra cӫa mô hình phù hӧp vӟi thӵc tӃ quan sát ÿѭӧc.
Ví dө : Quan trҳc thӫyÿӗ diӉn tҧ dòng chҧy cӫa mӝt lѭu vӵc (hình 3.1), nhiӅu nhà thӫy
văn hӑc thҩy chúng có nhӳng nét tѭѫng tӵ vӟi sӵ biӃnÿӝng cӫa lѭӧng mѭa ghi nhұn
ÿѭӧc trong mӝt thӡi gian tѭѫng ÿӗng (Hình 3.2). Nghƭa là sau nhӳng trұn mѭa lӟn, lѭu
lѭӧng dòng chҧy gia tăng và khi mѭa giҧm dҫn thì dòng chҧy cNJng giҧm theo mӝt quan
hӋ tuyӃn tính nào ÿó.
Hình 3.1 TiӃn trình mѭa – dòng chҧy trong mӝt lѭu vӵc
Hình 3.2 Thӫyÿӗ ghi nhұn thӵc tӃ diӉn biӃn mѭa và dòng chҧy cùng thӡiÿoҥn

Bài giҧng môn hӑc MÔ HÌNH HÓA MÔI TRѬӠNG Trѭӡng Ĉҥi hӑc Cҫn Thѫ-----------------------------------------------------------------------------------------------------------
-------------------------------------------------------------------------------------------------------
TS. Lê Anh Tuҩn
22
Sӕ liӋu vào (input data)
xLѭӧng mѭa
xLѭӧng bӕc hѫi
Sӕ liӋu ra (output data)
xLѭu lѭӧng sông
xChҧy ngҫm
Mô hình Các thông
sӕ mô hình
Thӡi gian t
Lѭu lѭӧng Q
Q
mô hình
Q
th
ӵ
c tӃKhi thӵc hiӋn mô hình diӉn tҧ quan hӋ mѭa – dòng chҧy cӫa mӝt lѭu vӵc, ta có thӇ tӕi
giҧn quan hӋ này theo sѫÿӗ nhѭ hình 3.3.
Hình 3.3 Sѫÿӗ diӉn tҧ bài toán quan hӋ mѭa – dòng chҧy
Giҧ sӱ kӃt quҧ cӫa mӝt mô hình nào ÿó cho ra kӃt quҧ nhѭ hình 3.4. Trên ÿӗ thӏ, mô hình
cӫa bài toán cho ÿѭӡng cong diӉn tҧ sӵ thay ÿәi lѭu lѭӧng theo thӡi gian, ÿѭӡng cong
theo mô hình này nӃuÿem so vӟi sӕ liӋu lѭu lѭӧng ÿoÿѭӧc trong thӵc tӃ sӁ thҩy có sӵkhác biӋt. ĈӇ giҧm thiӇu sӵ khác biӋt này, ngѭӡi ta ÿѭa vào mô hình các thông sӕÿiӅu
chӍnh, ÿó chính là công viӋc cӫa sӵ hiӋu chӍnh.
Hình 3.4 Ví dө minh hӑa kӃt quҧ lѭu lѭӧng dòng chҧy theo mô hình và theo thӵc tӃ

Bài giҧng môn hӑc MÔ HÌNH HÓA MÔI TRѬӠNG Trѭӡng Ĉҥi hӑc Cҫn Thѫ-----------------------------------------------------------------------------------------------------------
-------------------------------------------------------------------------------------------------------
TS. Lê Anh Tuҩn
23
i. Xác ÿӏnh thông tin quan trӑng
ii. Chӑn tiêu chuҭn mô hình
iii. HiӋu chӍnh mô hình:
+Chn thiÿon hiu chnh
+Hiu chnh s˯ b+ Hiu chnh tinh tTrong ví dө bài toán mô hình mѭa – dòng chҧy, ta có nhiӅu thông sӕ nhѭ :
xHàm lѭӧng nѭӟc tӕiÿa chӭa trong lӟpÿҩt mһt
xHàm lѭӧng nѭӟc tӕiÿa chӭa trong tҫng rӉxHӋ sӕ chҧy tràn mһt
xHӋ sӕ chҧy lүn trong ÿҩt
xNgѭӥng tӕiÿa cӫa tҫng rӉ tҥo ra dòng chҧy mһt
xNgѭӥng tӕiÿa cӫa tҫng rӉ tҥo ra dòng chҧy ngҫm
xv.v...
HiӋu chӍnh là công viӋcÿiӅu chӍnh các thông sӕ mô hình sao cho kӃt quҧ càng gҫn vӟi
thӵc tӃ. NӃu viӋc hiӋu chӍnh cӫa mô hình làm tӕt thì ÿѭӡng cong tӯ mô hình sӁ càng
“trùng“ vӟiÿѭӡng cong thӵcÿo.
3.2 Các bѭӟc trong tiӃn trình hiӋu chӍnh
TiӃn trình HiӋu chӍnh là mӝt trong các nӝi dung thӵc hiӋn mô hình hóa. HiӋu chӍnh sӁgóp phҫn quan trӑng cho viӋcÿӏnh giá khҧ năng hiӋn thӵc cӫa mô hình. Trong tiӃn trình
HiӋu chӍnh, 3 bѭӟc sau cҫn thӵc hiӋn (hình 3.5).
Hình 3.5 Ba bѭӟc trong tiӃn trình HiӋu chӍnh
3.2.1 Bѭӟc xác ÿӏnh thông tin quan trӑng
HiӋu chӍnh mô hình cҫn bҳtÿҫu bҵng viӋc quyӃtÿӏnh xem các thông tin gì là quan trӑng
mà mô hình có ÿӏnh ÿѭӧc áp dөng. ViӋc xác ÿӏnh thông tin phҧi trên cѫ sӣ là xem các
thông sӕ nào trong mô hình sӁ quyӃtÿӏnh kӃt quҧ và kӃt quҧ này có khҧ năng phù hӧp
hoһc thӓa mãn vӟi các diӉn biӃnӣ thӵc tӃ.
Ví dө khi xem xét mô hình diӉn tҧ sӵ lan truyӅn chҩt ô nhiӉm trên mӝt dòng chҧy, nhiӅu
yӃu tӕ có thӇҧnh hѭӣng. Tuy nhiên, ngѭӡi phát triӇn mô hình phҧi xác ÿӏnh yӃu tӕ nào
gây ҧnh hѭӣng lӟn nhҩt. Chҷng hҥn, hӋ sӕ nhám cӫa dòng chҧy, hӋ sӕ co hҽp hoһc mӣrӝng cӫa mһt cҳt, hӋ sӕ khuӃch tán cӫa chҩt lӓng và chҩt ô nhiӉm, hàm lѭӧng oxy trong
nѭӟc, v.v…

Bài giҧng môn hӑc MÔ HÌNH HÓA MÔI TRѬӠNG Trѭӡng Ĉҥi hӑc Cҫn Thѫ-----------------------------------------------------------------------------------------------------------
-------------------------------------------------------------------------------------------------------
TS. Lê Anh Tuҩn
24
3.2.2 Bѭӟc chӑn tiêu chuҭn mô hình
Thӵc chҩt cӫa viӋc chӑn tiêu chuҭn mô hình là xác ÿӏnh mөc tiêu ÿһc thù mà mô hình cҫn
nghiên cӭu. Nghƭa là, khi phát triӇn mô hình, các ÿích nhҳm mà chúng ta muӕn mô hình
phҧi thӇ hiӋn bao gӗm nhӳng yӃu tӕ nào. Các yӃu tӕ này cҫn phҧiÿѭӧcÿӏnh lѭӧng qua ÿo
ÿҥc thӵc tӃ và qua tính toán tӯ mô hình. ViӋcÿӏnh lѭӧng liên quan ÿӃn các tiêu chuҭn
thӕng kê mà mô hình phҧi thӓa mãn.
Ví dө khi thӵc hiӋn mô hình dӵ báo lNJ, viӋc xác ÿӏnh giá trӏ (mӵc nѭӟc, lѭu lѭӧng lNJ) và
thӡiÿiӇm xҧy ra ÿӍnh lNJ là mөc tiêu quan trӑng mà bài toán phҧi giҧi quyӃt. NhiӅu thông
sӕ thӕng kê sӁ phҧi áp dөng nhѭ phҫn trăm (%) sai biӋt cho phép, ÿӝ lӋch chuҭn, ÿӝ nhҥy
cӫa kӃt quҧ,… khi ÿánh giá sӵ tѭѫng ӭng giӳa dòng chҧy quan trҳcÿѭӧc vӟi dòng chҧy
mô phӓng.
3.2.3 Bѭӟc hiӋu chӍnh mô hình
xChn thiÿon hiu chnh: Hҫu hӃt các mô hình môi trѭӡng hoһc mô hình thӫy
vănÿӅu có yӃu tӕ chuӛi thӡi gian tѭѫng ӭng vӟi các dӳ liӋu quan trҳc. Trѭӟc tiên
ngѭӡi thӵc hiӋn mô hình phҧi xem xet tәng thӡi gian quan trҳc và chia khoҧng
thӡi gian này ra làm 2 thӡiÿoҥn: thӡiÿoҥn thӭ nhҩt vӟi chuӛi sӕ liӋu dài hѫnÿӇlàm HiӋu chӍnh (carlibration) và thӡiÿoҥn thӭ hai ngҳn hѫnÿӇ làm viӋc kiӇm
nghiӋm (verification). Trong mӝt sӕ trѭӡng hӧp, ngѭӡi ta có thӇ chia ÿӅu hai thӡi
ÿoҥn: 50% thӡiÿoҥn cho bѭӟc hiӋu chӍnh và 50% cho thӡiÿoҥn kiӋm nghiӋm mô
hình. ViӋc chӑn lӵa thӡiÿoҥn hiӋu chӍnh ÿӇ chҥy bài toán mô hình cҫn phҧi theo
mөc tiêu cӫa vҩnÿӅ là cҫn kӃt quҧ gì ӣÿҫu ra cӫa mô hình. Ví dө khi làm mô
hình dӵ báo lNJ thì thӡiÿoҥn hiӋu chӍnh phҧi chӭa thӡi gian mà các ÿӍnh lNJ trong
lӏch sӱÿã xҧy ra. Trѭӡng hӧp làm mô hình thӇ hiӋn dòng chҧy môi trѭӡng
(environmental flow), thì thӡiÿoҥn hiӋu chӍnh phҧi có chӭa nhӳng thӡi kǤ dòng
chҧy thҩp trong mùa kiӋt.
xHiu chnh s˯ b:Ĉây là bѭӟc thӱ ban ÿҫuÿӇ xem thӱ các thông sӕ mô hình ÿã
chӑn có “nhҥy” vӟi kӃt quҧ mô hình hay không? Thông thѭӡng, viӋc hiӋu chӍnh
sѫ bӝ theo bҧng hѭӟng dүn cӫa mô hình có sҹn hoһc tӯ quan sát thӵc tӃ. ViӋc hiӋu
chӍnh sѫ bӝÿѭӧc xem nhѭ mӝt bѭӟc làm bҳt buӝc nhҵmÿӏnh lҥi:
+ Giá trӏ ban ÿҫu thӵc tӃ cho các thông sӕ+ ChiӅu dài (hay bѭӟc tính) “lý tѭӣng” ÿӇ mô hình tìm kiӃm giá trӏ tӕt
nhҩt cӫa thông sӕ. NӃu chӑn bѭӟc tính quá ngҳn sӁ làm gia tăng sӕ lҫn
tính toán, nӃu chӑn bѭӟc tính quá dài sӁ tҥo ra sӵ vѭӧt quá hay cѭӡng ÿiӋu
hóa khi tìm giá trӏ tӕiѭu.
+ Thӱ xác ÿӏnh khoҧng giӟi hҥn (giӟi hҥn trên và giӟi hҥn dѭӟi) cӫa các
thông sӕ. Mөcÿích cӫa viӋc này nhҵm giӟi hҥn khҧ năng sӵ thҩt bҥi cӫa
mô hình khi tҥo ra các giá trӏ phi thӵc tӃ hay trӏ vѭӧt quá thӵc tӃ.
xHiu chnh tinh t: HiӋu chӍnh tinh tӃ là làm nhuyӉnӣ mӭc chi tiӃt các kӃt quҧӣÿҫu ra qua viӋcÿiӅu chӍnh vi cҩp (fine tuning) các thông sӕ mô hình. Mӝt sӕ sách
hѭӟng dүn mô hình có thӇ cho khuyӃn cáo hoһc mӝt sӕ mô hình có thӇ tҥo ra tiӃn
trình tӵÿӝng hiӋu chӍnh ÿӇ có mӝt kӃt quҧ tӕt nhҩt có thӇÿҥtÿѭӧc.

Bài giҧng môn hӑc MÔ HÌNH HÓA MÔI TRѬӠNG Trѭӡng Ĉҥi hӑc Cҫn Thѫ-----------------------------------------------------------------------------------------------------------
-------------------------------------------------------------------------------------------------------
TS. Lê Anh Tuҩn
25
3.3 Các tiӃp cұnÿӇ hiӋu chӍnh thông sӕ mô hình
Mӝt sӕ mô hình có thӇÿѭӧcÿánh giá trong cách ÿӏnh mөc tiêu bài bҧn, mӝt sӕ mô hình
khác thì không có thӇ thӵc hiӋnÿѭӧc. ViӋcÿánh giá kӃt quҧ mô hình còn phө thuӝc mӝt
phҫn vào kӹ năng xem xét vҩnÿӅ cӫa ngѭӡi làm mô hình. Có nhiӅu cách tiӃp cұn:
3.3.1 TiӃp cұn tiên nghiӋm (a priori approach)
i) Trong cách tiӃp cұn này, nhӳng giá trӏ ban ÿҫu cӫa thông sӕ mô hình ÿѭӧc suy ra
tӯ viӋcÿoÿҥc thӵc tӃ hoһc tӯ mӝt tính chҩt nào ÿó cӫa sӵ viӋc, hoһcÿѭӧc thành
lұp do thӵc nghiӋm.
ii) ViӋc tiӃp cұnÿѭӧc giҧÿӏnh rҵng mô hình là xác ÿӏnh và các thông sӕ có ý nghƭa
vӅ vұt lý; tӯÿó mô hình ÿang tҥo ra các mô phӓng tӕt cho nhӳng lý do ÿúng ÿҳn.
iii) ViӋc tiӃp cұn tiên nghiӋm là khҧ thi vӅ mһt lý thuyӃt. Tuy nhiên, cách tiӃp cұn
này cҫn mӝt sӕ liӋu khá lӟn cho các mô hình xác ÿӏnh. Do vұy, ÿӕi vӟi các lѭu
vӵc nghiên cӭu nhӓ, các tiӃp cұnÿӇ có các thông sӕ mô hình này bӏ giӟi hҥn và
ÿôi khi không thӵc hiӋnÿѭӧc.
3.3.2 TiӃp cұn phù hӧpÿѭӡng cong (the curve fitting approach)
i) Các thông sӕ mô hình cNJng có thӇÿѭӧc suy ra bӣi cách tiӃp cұn phù hӧpÿѭӡng
cong, hay còn gӑi là ÿӝ phù hӧp (goodness-of-fit). Cách tiӃp cұn này liên quan
ÿӃn viӋc tìm các thông sӕ sӁ bҧoÿҧm mӭc gҫn kín tѭѫng ӭng giӳa các ÿһc trѭng
ÿһc thù cӫa các chuӛi thӡi gian tính toán và các giá trӏ quan trҳc tѭѫng ӭng. Ĉây
là mӝt tiӃn trình tӕiѭu hóa thông sӕ (parameter optimization). Trong cách tiӃp
cұn này, tiêu chuҭnÿӝ phù hӧp theo thӕng kê ÿѭӧc áp dөng ÿӇ xác ÿӏnh mӭc gҫn
kín cӫa các biӃn sӕ trong chuӛi thӡi gian theo quan trҳc và theo mô hình tѭѫng
ӭng.
ii) Có hai phѭѫng pháp cѫ bҧnÿӇ có các thông sӕ mô hình tӕiѭu khi hiӋu chӍnh
bҵng phѭѫng cách phù hӧpÿѭӡng cong, ÿó là theo cách thӫ công và cách tӵÿӝng. Mӝt biӃnÿәi tӕiѭu hóa theo cách thӫ công còn ÿѭӧc gӑi là tiӃn trình lұp
lҥiÿѭӧc phân mҧng (segmented iterative procedure).
iii) Tӕiѭu hóa theo kiӇu thӫ công (Manual optimization): Theo cách này các giá trӏcӫa mӝt thông sӕ tính toán tҥi mӝt thӡiÿiӇm tѭѫng ӭng vӟi giá trӏ quan trҳc
ÿѭӧc thӱ sai (trial and error) sao cho dҫn dҫn phù hӧp vӟiÿѭӡng cong. Phѭѫng
pháp thӫ công ÿiӅu chӍnh các thông sӕ riêng rӁ sӁ mҩt nhiӅu thӡi gian, nhҩt là
các mô hình ÿa thông sӕ mà trong ÿó các thông sӕ sӁ tѭѫng tác cao ÿӝ lүn nhau.
Phѭѫng pháp này ÿòi hӓi ngѭӡi làm mô hình phҧi hiӇu rҩt rõ cách cҩu trúc và sӵvұn hành cӫa mô hình.
iv) TiӃn trình lұp lҥiÿѭӧc phân mҧng: ÿӕi vӟi các mô hình có nhiӅu hѫn 5 thông sӕthì nên thӵc hiӋn cách tiӃp cұn theo cách này: