Tài liệu

Cơ sở xây dựng và đánh giá các phương pháp dự báo thủy văn biển

2.1. NHỮNG CƠ SỞ VẬT LÝ CỦA CÁC DỰ BÁO THỦY VĂN BIỂN

Dự báo thủy văn biển là tính trước một hiện tượng thủy văn nào đó dựa trên sự hiểu biết các quy luật phát triển của hiện tượng đó trong những điều kiện cụ thể của biển. Cơ sở chung của những dự báo thủy văn biển là phương pháp phân tích vật lý về các quá trình quyết định chế độ biển mà mục đích cuối cùng là nhận được những biểu thức định lượng đặc trưng cho mối liên hệ lẫn nhau giữa hiện tượng dự báo và các yếu tố gây nên hiện tượng đó.

Sự xuất hiện của các hiện tượng vật lý trong biển hay đại dương, thí dụ sóng biển, dòng chảy, dao động mực nước, nhiệt độ... và sự phát triển của chúng phụ thuộc vào một tập hợp các yếu tố thủy văn và khí tượng. Trong số những yếu tố khác nhau ấy có một số yếu tố có tính chất quyết định trong sự phát triển của hiện tượng, gọi là những yếu tố chính, còn một số các yếu tố khác có ý nghĩa thứ yếu. Nhiệm vụ của người xây dựng phương pháp dự báo là phân biệt và tách riêng ra được các yếu tố chính khỏi các yếu tố thứ yếu.

Trong khi phân tích hiện tượng cần nhớ rằng trong quá trình phát triển của cùng một hiện tượng nhưng ở những điều kiện địa lý khác nhau, ở những vùng biển khác nhau có thể các yếu tố chính cũng thay đổi. Thí dụ, tại một vùng biển nào đó yếu tố chính làm thay đổi nhiệt độ nước biển là dòng nhiệt từ khí quyển đi qua mặt biển, nhưng ở nơi khác có thể nguyên nhân gây nên những dao động, biến đổi lớn của nhiệt độ nước biển lại là dòng nhiệt do các dòng hải lưu vận chuyển đến nơi đang xét. Dao động dâng rút gây bởi gió và bão phụ thuộc rất nhiều vào hình dạng đường bờ và địa hình vùng biển bao quanh cảng hoặc địa điểm được dự báo mực nước...

Một số các đặc trưng vật lý biển và khí quyển không thể xác định trực tiếp được trong quá trình quan trắc. Trong trường hợp đó người ta phải hoặc là xác định chúng bằng con đường tính toán, hoặc biểu thị gián tiếp chúng thông qua các yếu tố khác. Thí dụ, trong dự báo biển người ta thường biểu thị trữ lượng nhiệt của nước qua nhiệt độ nước với một hệ số tương ứng, đặc trưng cho độ sâu biển. Nhiệt độ nước càng cao và độ dày lớp nước càng lớn thì trữ lượng nhiệt của lớp nước trong thủy vực đang xét càng lớn. Để biểu thị dòng nhiệt mang vào một vùng biển người ta có thể chỉ cần xét biến thiên nhiệt độ trung bình của một mặt cắt qua cửa thông biển đó với đại dương hoặc biển khác lân cận.

Trước khi tiến tới xây dựng phương pháp dự báo hay tính toán một hiện tượng vật lý trong biển hay trong đại dương người dự báo phải thực hiện phân tích toàn diện và sâu sắc các quá trình xảy ra, phát hiện những nguyên nhân cơ bản thúc đẩy sự phát triển của hiện tượng trên cơ sở những dữ liệu quan trắc đã có gần đây và trong lịch sử. Sự phân tích này phải dựa trên các quy luật vật lý biển và khí quyển, có chú ý đến các điều kiện địa lý địa phương.

Thông thường, đầu tiên người ta tiến hành phân tích định tính những dữ liệu xuất phát, thiết lập những nét cơ bản của hiện tượng nghiên cứu và đi tới một giả thiết thực dụng nào đó, tức là định ra một con đường để giải quyết nhiệm vụ. Tính đúng đắn của giả thiết đã chọn sẽ được kiểm tra sau đó, trên cơ sở xử lý các dữ liệu quan trắc đầy đủ về hiện tượng.

Trong quá trình phân tích cần phát hiện những yếu tố mà liên hệ của chúng với hiện tượng dự báo rõ rệt nhất, thậm chí trong một số trường hợp mối liên hệ ấy đã hiển nhiên theo quan điểm vật lý hay theo các quy luật trong tiến trình của hiện tượng.

Để thấy trước được tiến trình tiếp sau của các hiện tượng chỉ nghiên cứu chúng ở một địa điểm thì chưa đủ. Những quan trắc ở những điểm riêng lẻ không cho một khái niệm đầy đủ về các nguyên nhân, về bản chất của quá trình. Vì vậy, ở giai đoạn hiện nay các quá trình trong biển được nghiên cứu và phân tích trong một phạm vi rộng về không gian và thời gian.

Khi phân tích những biến đổi theo thời gian và không gian của các hiện tượng vật lý cần tính tới một điều là đại dương và khí quyển nằm trong một sự tương tác nhiệt học và động lực học liên tục mà nguyên nhân đầu tiên là năng lượng từ mặt trời. Vì vậy nghiên cứu các quá trình vật lý trong biển không thể tách rời với việc nghiên cứu các quá trình xảy ra trong khí quyển. Trong khi đó cần chú ý đến những đặc điểm của các môi trường tương tác. Thí dụ, trong tương tác nhiệt học thì đại dương mang tính tích cực hơn vì nó có dự trữ nhiệt lớn hơn so với khí quyển, nhưng khí quyển lại tích cực hơn, quyết định hơn trong tương tác động lực vì nó là môi trường tương đối biến động hơn. Để hiểu sâu hơn về các đặc điểm của các quá trình cần phải tính đến các tính chất vật lý của các môi trường: khả năng hấp thụ, khả năng phản xạ và phát xạ nhiệt, độ dẫn nhiệt, nhiệt dung, mật độ của chúng.

Sự thống nhất và tương tác của các quá trình trong đại dương và khí quyển bắt buộc trong khi giải quyết các bài toán dự báo biển phải đánh giá cân bằng năng lượng của hệ thống tương tác, cân bằng nhiệt, cân bằng nước. Mọi thay đổi, dao động của những yếu tố vật lý là hậu quả của sự thay đổi cân bằng nhiệt và cân bằng nước. Nếu phân tích sự đóng góp của từng thành phần riêng biệt của cân bằng nhiệt và cân bằng nước, thì có thể tìm ra được bản chất vật lý của hiện tượng xảy ra trong biển, đánh giá được vai trò của nó trong quá trình chung và phát hiện các nguyên nhân, yếu tố chủ yếu quyết định chế độ thủy văn biển. Sự sử dụng các phương pháp "cân bằng" trong hải dương học đã là hướng chủ yếu trong nghiên cứu nhiều hiện tượng ở biển, tạo ra bước nhảy vọt về chất lượng phương pháp nghiên cứu dự báo.

Việc nghiên cứu và dự báo các hiện tượng vật lý trong biển chỉ có thể tiến hành được khi được cung cấp những tài liệu, dữ liệu quan trắc về các hiện tượng đó. Độ tin cậy của phương pháp dự báo và khả năng sử dụng nó trong công tác thực tiễn phụ thuộc nhiều vào chất và lượng của dữ liệu quan trắc. Những người dự báo thường thấy thiếu những chuỗi quan trắc đủ dài. Đặc biệt điều này hay nghiệm thấy khi xây dựng các phương pháp dự báo dài hạn. Đáng tiếc, sự thiếu thốn các chuỗi quan trắc đủ dài hay quan trắc không đồng bộ ngay cả hiện nay vẫn còn là chỗ yếu nhất trong dự báo.

Những quan trắc hải dương học, đặc biệt là những quan trắc nước sâu, cho đến nay được thực hiện trong những phạm vi nhỏ, chưa có hệ thống và chưa cho phép theo dõi được sự biến thiên thời gian của các trường vật lý trong nước biển. Vì vậy, trong nhiệm vụ của nghiên cứu dự báo cũng bao gồm cả việc định ra những chương trình đúng đắn để tiến hành những quan trắc cần thiết. Những quan trắc thủy văn khí tượng biển cần phải đáp ứng các yêu cầu hiện đại của khoa học và kỹ thuật.

2.2. PHÂN LOẠI CÁC DỰ BÁO THỦY VĂN BIỂN

Chưa có một hệ thống phân loại riêng cho các dự báo thủy văn biển. Dự báo thủy văn biển còn là lĩnh vực mới, đang phát triển của hải dương học thực dụng, liên quan chặt chẽ với yêu cầu của thực tiễn. Thực tiễn đặt ra trước người làm dự báo những nhiệm vụ ngày một mới. Điều đó đòi hỏi những tìm tòi liên tục để hoàn thiện các phương pháp dự báo, thay đổi cả nội dung và các hình thức đưa ra dự báo...

Các dự báo biển được phân biệt theo nội dung, thời hạn dự báo, đối tượng địa lý, phương pháp lập dự báo, đặc điểm lập dự báo và hình thức đưa ra dự báo.

Theo nội dung tất cả các dự báo được chia thành hai nhóm: các dự báo những hiện tượng thủy văn đặc trưng cho các quá trình động lực trong biển và các dự báo những quá trình thủy văn đặc trưng cho các quá trình nhiệt trong biển. Các dự báo sóng, dòng chảy, dao động dâng rút mực nước thuộc nhóm thứ nhất. Nhóm thứ hai bao gồm các dự báo nhiệt độ nước biển và các hiện tượng băng.

Theo thời hạn, các dự báo biển được phân chia thành các dự báo ngắn hạn, dự báo dài hạn và dự báo siêu dài hạn. Thời hạn của dự báo là khoảng thời gian kể từ ngày giờ đưa ra dự báo đến ngày giờ hiện tượng xảy ra. Thông thường, các dự báo ngắn hạn được xây dựng cho thời hạn từ vài giờ đến 15 ngày, dự báo dài hạn - từ 15 ngày đến bốn tháng, dự báo siêu dài hạn - bốn tháng và lâu hơn.

Đối với một số các hiện tượng thủy văn chỉ xây dựng các dự báo ngắn hạn, thí dụ các dự báo sóng, dự báo dao động dâng rút nước, những hiện tượng nguy hiểm và đặc biệt nguy hiểm như sóng thần..., ngược lại đối với một số các hiện tượng khác thì chỉ có thể xây dựng các dự báo dài hạn mới có ý nghĩa.

Tất cả các dự báo có thể được lập cho những đối tượng địa lý khác nhau: cho những vùng bờ nào đó, cho khu vực các hải cảng, cho những vùng riêng biệt hay cho toàn biển. Trong những năm gần đây người ta đã lập các dự báo sóng và nhiệt độ nước mặt đại dương của toàn bộ vùng Bắc Đại Tây Dương và Thái Bình Dương.

Theo đặc điểm lập dự báo thì các dự báo phân thành dự báo theo kế hoạch và dự báo đặc biệt.

Những hình thức đưa ra dự báo rất khác nhau. Các dự báo có thể được trình bày thành văn bản, bằng các biểu bảng, bản đồ hoặc đồ thị...

2.3. NHỮNG PHƯƠNG PHÁP CƠ BẢN XÂY DỰNG CÁC DỰ BÁO THỦY VĂN BIỂN

2.3.1. Phương pháp trung bình khí hậu

Đây là một phương pháp dự báo khá đơn giản, nhưng cũng rất thô sơ. Trung bình khí hậu là giá trị ổn định nhất, vì vậy có thể dùng nó trong các dự báo dài hạn. Khi sử dụng cách dự báo này thì các hiện tượng dị thường không được xét đến.

Điều kiện áp dụng của phương pháp trung bình khí hậu là khi không có phương pháp dự báo khác và tham số được dự báo có chế độ ổn định, khi hoàn cảnh chung của các quá trình khí tượng thủy văn diễn ra gần với chuẩn khí hậu của chúng. Nếu phân bố độ lặp lại là bất đối xứng thì người ta có thể lấy số đông (mốt) làm giá trị dự báo. Trong trường hợp này gọi là dự báo xác suất. Rõ ràng độ tin cậy của các dự báo loại này không cao.

2.3.2. Phương pháp ngoại suy

Ngoại suy là một phương pháp dự báo trong đó các điều kiện đang diễn ra được phổ biến trong tương lai tuân theo quy luật của của biến trình đã quan sát được của hiện tượng. Phương pháp ngoại suy thường được sử dụng khi xây dựng những công thức tính toán dựa theo dữ liệu quan trắc hạn chế. Nếu ở một khoảng thời gian nào đó đặc điểm của mối phụ thuộc thể hiện rõ nét thì mối phụ thuộc đó được tiếp tục chấp nhận nếu tính đến xu hướng diễn biến của quá trình (đường cong). Dự báo theo phương pháp ngoại suy đảm bảo tin cậy nếu thời hạn dự báo ngắn và trong khoảng thời gian đó không chờ đợi những lực kích động đáng kể từ bên ngoài. Thí dụ, nếu lúc đầu của cơn bão người ta thấy có sự mạnh dần của gió thì có thể dùng xu hướng này để dự báo cho một khoảng thời gian không lớn tiếp sau đó.

2.3.3. Sử dụng quán tính

Quan tính là tính chất của hiện tượng thủy văn giữ các đặc trưng của mình một thời gian nào đó. Quán tính là tính ổn định của quá trình theo thời gian. Thí dụ, nếu trong biển đã ổn định một chế độ dòng chảy nhất định và trong thời gian sắp tới không thấy có khả năng xuất hiện gió mạnh thì có thể giả thiết rằng chế độ dòng chảy nói trên sẽ không đổi ít nhất trong vòng vài chục giờ sau.

Tính chất này có thể được dùng trực tiếp để dự báo hay được coi là một trong các yếu tố gây nên hiện tượng. Thí dụ, nếu dị thường nhiệt độ vào tháng 5 mang dấu dương và cao hơn chuẩn 20% thì khi dự báo cho tháng 6 có thể cho rằng dị thường nhiệt độ cũng dương và cao hơn chuẩn 20%.

Các quá trình khí tượng và thủy văn có biểu lộ quán tính rõ rệt, trong đó các quá trình thủy văn ở biển có quán tính lớn hơn.

Mức độ quán tính của quá trình thường được đánh giá bằng hàm tự tương quan của nó. Được biết hàm tự tương quan đặc trưng cho sự liên hệ giữa các giá trị của hiện tượng nghiên cứu trong những thời điểm khác nhau được tính theo công thức

rl=i=1n(xixˉ)(xilxˉ)x2 size 12{r rSub { size 8{l} } = { { Sum cSub { size 8{i=1} } cSup { size 8{n} } { \( x rSub { size 8{i} } - { bar {x}} \) \( x rSub { size 8{i - l} } - { bar {x}} \) } } over {nσ rSub { size 8{x} } rSup { size 8{2} } } } } {},

trong đó xˉ size 12{ { bar {x}} - {}} {} giá trị chuẩn của hiện tượng; xi size 12{x rSub { size 8{i} } } {}xil size 12{x rSub { size 8{i - l} } } {} là các giá trị tại những thời khoảng i size 12{i} {} cách nhau một bước trễ l size 12{l} {} trong tổng số n size 12{n} {} giá trị quan trắc về hiện tượng.

Khi đã tính được các hệ số tương quan r size 12{r} {} với các bước trễ khác nhau có thể xây dựng đồ thị tương quan (hình 2.1) để khảo sát một cách tường minh về thời gian quán tính tiện lợi nhất cho dự báo.

Đồ thị tương quan của yếu tố thuỷ văn

Quán tính của các quá trình khí thượng và thủy văn có thể biểu lộ khác nhau trong các thời gian, các mùa. Ý tưởng về các thời kỳ duy trì sự ổn định của điều kiện thủy văn và thời kỳ xáo động, bước ngoặt, đã được Timonov V. V. và Kuđriavaia K. I. đưa ra thông qua thí dụ khảo sát các hệ số tương quan của độ băng giữa các tháng liên tiếp nhau của mùa băng trên biển Bạch Hải. Các tác giả này đã nhận được hệ số tương quan giữa tháng hai và tháng giêng bằng 0,58, tháng ba và tháng hai: 0,36, tháng tư và tháng ba: 0,80, tháng năm và tháng tư: 0,80. Thấy rằng cuối mùa đông với những biến động mạnh của hệ thống hoàn lưu khí quyển, điều kiện nhiệt ở biển thường diễn ra những biến động mạnh, quán tính của độ băng nhỏ, ngược lại thời kỳ những tháng mùa xuân, các điều kiện khí tượng và thủy văn trong biển duy trì sự ổn định cao. Dự báo quán tính đối với thời kỳ này sẽ tin cậy hơn.

Dự báo theo quán tính cũng còn được dùng làm tiêu chuẩn để đánh giá các dự báo thủy văn bằng các phương pháp khác.

2.3.4. Dự báo dựa trên sự phân loại

Phương pháp phân loại là một phương pháp dự báo dựa trên tính chất ổn định và tính kế tục trong sự phát triển của các quá trình thủy văn và khí tượng. Phân loại hoá được áp dụng vào để phân chia các quá trình thủy văn biển theo những dấu hiệu nào đó. Điển hình của ý tưởng nghiên cứu phân loại là công trình của Vangengheim G. Ia. nghiên cứu các điều kiện khí tượng thủy văn ở các biển thuộc thủy vực Bắc Băng Dương, đã lấy hướng di chuyển của không khí làm dấu hiệu cơ bản để phân loại hoàn lưu khí quyển, xác lập được ba kiểu di chuyển chính: di chuyển từ phía tây - kiểu W size 12{W} {}, di chuyển từ phía đông - kiểu E size 12{E} {} và di chuyển theo kinh tuyến (kinh hướng) - kiểu C size 12{C} {} và một số kiểu hỗn hợp. Những qui luật chuyển hoá giữa những kiểu hoàn lưu của ông, thí dụ chuỗi kế tục sau [12]:

Hoàn lưu W size 12{W} {}(tháng 1-2) α Hoàn lưu hỗn hợp W+C size 12{W+C} {}(tháng 3-4) α Hoàn lưu E size 12{E} {}(tháng 5)

là chuỗi kế tục khá ổn định và đã từng được sử dụng phổ biến để lập các dự báo khí tượng và thủy văn cho lãnh thổ châu Âu của nước Nga.

Vì các quá trình thủy văn liên quan chặt chẽ với các quá trình khí quyển nên phân loại các quá trình thủy văn chủ yếu dựa trên phân loại các quá trình khí quyển.

Trên cơ sở phân loại các quá trình khí quyển theo các mùa trong năm, nếu phát hiện thấy tính kế tục trong sự phát triển của các quá trình từ mùa này sang mùa kia, thì theo đặc điểm của năm vừa qua có thể xếp năm ấy vào loại quá trình nào. Sau đó lập dự báo cho các mùa tiếp sau.

Thiếu sót của phương pháp phân loại là ở chỗ kết quả rất phụ thuộc vào sự đúng đắn trong việc lựa chọn dấu hiệu phân loại, tức là có một yếu tố chủ quan nào đó của người nghiên cứu. Không phải đơn giản xếp một hoàn cảnh đã đang xảy ra vào một kiểu này hay kiểu kia do sự phức tạp của các điều kiện tự nhiên. Ngày nay với sự hoàn thiện của các phương tiện quản lý dữ liệu tự động hoá có thể đưa thêm nhiều dấu hiệu phân loại làm cho kết quả phân loại khách quan hơn, do đó ứng dụng dự báo hiệu quả hơn.

2.3.5. Sử dụng nguyên tắc loại suy

Phương pháp loại suy dựa trên nguyên lý các nguyên nhân giống nhau thì cho những hệ quả gống nhau. Vì vậy nhiệm vụ của người dự báo là tìm các loại suy (đồng dạng) nguyên nhân. Thí dụ, nếu chúng ta muốn dự báo dị thường nhiệt nước mặt biển mùa xuân năm nay và giả thiết rằng nhiệt độ nước mặt biển mùa xuân phụ thuộc vào trường áp suất khí quyển mùa trước đó, thì chúng ta phải tìm trong dữ liệu lưu trữ xem năm nào có trường áp suất khí quyển giống (tương tự) với trường áp suất khí quyển mùa đông năm nay. Sau khi đã chọn được năm tương tự thì dị thường nhiệt độ nước mặt biển của năm tương tự được xem là dự báo, tức là gán nó làm dị thường của năm nay.

Như vậy trước hết phải giải quyết vấn đề: trong khi chọn loại suy phải tính đến những nhân tố nào và bao nhiêu nhân tố (dấu hiệu). Sau đó chọn các tương tự theo từng dấu hiệu theo một tiêu chuẩn nào đó.

Nhược điểm của phương pháp là các tương tự thường được chọn theo những dấu hiệu giống nhau bề ngoài, giả thiết rằng các quá trình giống nhau trong thời điểm hiện tại cũng phải giống nhau trong các thời kỳ sau. Muốn khắc phục nhược điểm này phải tiến tới: a) chọn theo các tiêu chuẩn phát sinh quyết định bản chất của quá trình; b) phải phân tích các dữ liệu, các bản đồ không những trong khoảng thời gian hiện tại mà cả trong những khoảng thời gian dài trước đó, thấy được sự biến đổi của quá trình để nhận định về những tái xắp xếp có thể xảy ra trong tương lai.

Ngày nay có nhiều công trình hoàn thiện phương pháp lựa chọn loại suy áp dụng cho việc lựa chọn các trường (các bản đồ) nhờ máy tính. Bản đồ khí tượng và thủy văn được biểu thị thành dãy số liệu bằng cách ghi lấy những giá trị của trường tại các nút của một lưới đều đặn theo một tuần tự nhất định. Những số liệu bằng số này ghi thành bảng và tính các đặc trưng cần để chọn loại suy: trị số trung bình (xˉ) size 12{ \( { bar {x}} \) } {}, độ lệch bình phương trung bình (σ) size 12{ \( σ \) } {} và các hệ số tương quan cặp (±r) size 12{ \( +- r \) } {}. Phân tích các đặc trưng này cho thấy rằng nếu hệ số tương quan giữa hai dãy so sánh càng cao thì sự giống nhau về hình dạng của các đường đẳng trị trên hai bản đồ càng lớn. Độ lệch bình phương trung bình đặc trưng cho độ dày đặc của các đường đẳng trị trên bản đồ, tức nó là đặc trưng građien của trường.

Mức độ tương tự của hai trường được hiểu là mức độ đồng dạng hình học của chúng: hai trường hoàn toàn tương tự nếu khi đem chồng lên nhau chúng trùng khớp nhau ở tất cả các điểm. Ngoài ra cũng cần sự trùng nhau về giá trị tuyệt đối của các yếu tố. Như vậy để đánh giá mức độ tương tự các trường cần hai tiêu chuẩn đặc trưng cho trường về hình dạng và về cường độ. Vì vậy người ta có thể dùng biểu thức sau đây để đánh giá mức độ tương tự theo cường độ:

P=1δδmax size 12{P=1 - { {δ} over {δ rSub { size 8{"max"} } } } } {},

trong đó P size 12{P - {}} {} chỉ số tương tự theo cường độ; δ size 12{δ - {}} {} trị số bình phương trung bình của hiệu hai trường δ=Δ2n;δmax size 12{ left (δ= sqrt { { { Sum {Δ rSup { size 8{2} } } } over {n} } } right ); ``δ rSub { size 8{"max"} } - {}} {} trị số phương sai trung bình cực đại của hai trường theo dãy quan trắc dài nhất đã xét.

Hệ số tương quan r size 12{r} {} của hai trường so sánh có thể được dùng làm chỉ số tương tự về hình dạng. Nếu hai trường hoàn toàn giống nhau, hệ số tương quan bằng một, ngược lại, nếu hai trường hoàn toàn khác nhau, hệ số tương quan bằng không.

Chỉ số tương tự chung sẽ có dạng

A=r+1δδmax2 size 12{A= { {r+ left (1 - { {δ} over {δ rSub { size 8{"max"} } } } right )} over {2} } } {}.

Thể hiện mức độ tương tự bằng số như vậy rất giảm nhẹ việc phân tích các bản đồ.

2.3.6. Sử dụng tính chất tuần hoàn

Với mục đích dự báo dài hạn đối với các yếu tố thời tiết và các quá trình thủy văn, các nhà khí tượng học và hải dương học luôn chú trọng tìm tính chu kỳ hay tính tuần hoàn trong biến trình của các quá trình khí tượng và thủy văn. Nếu xác định được tính chu kỳ thể hiện rõ rệt, thì nhiệm vụ giải quyết vấn đề dự báo dài hạn sẽ giảm nhẹ rất nhiều. Việc giải quyết vấn đề về tính chu kỳ gặp nhiều khó khăn do thiếu những chuỗi quan trắc đủ dài và đáng tin cậy. Trong một số trường hợp riêng lẻ đã phát hiện được tính chu kỳ của một vài quá trình trong vòng nhiều năm. Điều đó đã làm các nhà dự báo hy vọng. Tuy nhiên với thời gian, tính chu kỳ xác lập được tỏ ra không ổn định. Vì vậy, ngày nay người ta có xu hướng cho rằng ngoài các chu kỳ ngày và năm, tính chu kỳ không đủ bền vững để có thể dùng nó vào dự báo.

Đã có những ý đồ tìm sự liên hệ của những dao động thời tiết và các hiện tượng thủy văn với tính hoạt động của mặt trời, cụ thể là số vết mặt trời mà người ta đã phát hiện rằng nó có tính tuần hoàn với chu kỳ 11 năm. Đã cố gắng tìm kiếm mối liên quan giữa dao động này của số vết mặt trời và các dị thường thời tiết trên trái đất, tuy nhiên cũng không phát hiện được những mối liên hệ chặt chẽ có thể dùng trong dự báo.

2.3.7. Sử dụng các định luật bảo toàn vật chất và năng lượng

Khi giải phương trình cân bằng nước, cân bằng nhiệt và cân bằng năng lượng, người ta nhận được các công thức lý thuyết hoặc thực nghiệm biểu thị sự phụ thuộc của yếu tố được dự báo với các yếu tố khác ảnh hưởng tới nó.

Thí dụ, khi giải phương trình cân bằng năng lượng sóng gió, người ta đã nhận được các công thức đơn giản tính các yếu tố sóng theo tốc độ gió, thời gian tác dụng của gió và đà gió (đà sóng). Phương pháp cân bằng nhiệt được dùng rộng rãi để tính và dự báo trạng thái nhiệt của biển.

Việc sử dụng các phương trình cân bằng ngày nay đang trở thành một trong những hướng cơ bản trong dự báo ngắn hạn. Trong dự báo dài hạn việc sử dụng các phương pháp cân bằng còn gặp khó khăn vì thiếu các dự báo khí tượng dài hạn đủ tin cậy.

2.3.8. Sử dụng các phương pháp số trị

Tính toán dự báo các hiện tượng vật lý trong khí quyển hay trong đại dương dựa trên việc giải bằng số các phương trình thủy động lực học gọi là dự báo thủy động lực học hay dự báo số trị. Các phương trình thủy nhiệt động lực học khép kín, có kèm theo những điều kiện ban đầu, điều kiện biên, những phép tham số hoá đảm bảo mô tả đúng về quá trình, giải được bằng phương pháp số, gọi là mô hình thuỷ động lực học của quá trình đang xét. Vì dự báo các trường thủy văn, khí tượng bằng phương pháp số kèm theo một khối lượng tính toán lớn, nên phương pháp này chỉ phát triển mạnh từ khi xuất hiện những máy tính công suất lớn.

Các phương trình thủy nhiệt động lực học thể hiện chính xác được những quy luật định lượng của vật lý biển, khí quyển và cho phép tính được sự biến đổi của các đặc trưng thủy văn, khí tượng theo không gian và thời gian. Vì các phương trình thủy nhiệt động lực học ở dạng tổng quát thường phức tạp và rất khó giải, nên người ta dẫn chúng tới những dạng thuận lợi để giải trên máy tính bằng cách đưa ra những giả thiết, những phép đơn giản hoá.

Để giải các bài toán dự báo bằng các phương pháp số (tích phân số), người ta chuyển các phương trình của mô hình toán điều khiển quá trình dưới dạng vi phân tới dạng các tương tự sai phân ứng với từng nút lưới của lưới không gian - thời gian bao phủ toàn miền tính. Khoảng cách giữa hai điểm nút liên tiếp trong không gian được gọi là bước lưới và được ký hiệu bằng Δx size 12{Δx} {} hoặc h size 12{h} {}, còn ký hiệu Δt size 12{Δt} {} được dùng để chỉ bước theo thời gian. Điểm nút tại đó các đại lượng cần được xác định, trong trường hợp bài toán hai chiều được đánh số bằng các chỉ số (i,j) size 12{ \( i,j \) } {} (hình 2.2).

Sơ đồ lưới sai phân của miền tính

Người ta thường lấy trường phân bố của các yếu tố ở một thời hạn quan trắc nhất định làm là các điều kiện ban đầu. Tại thời hạn đầu giá trị của tất cả các đại lượng cần được cho trước. Chọn các điều kiện biên là nhiệm vụ khó khăn nhất và tuỳ thuộc vào cách đặt bài toán cụ thể. Do tính chất biến đổi mạnh trong không gian và thời gian của các quá trình trong biển mà phương pháp số trị thủy động mới chỉ đảm bảo dự báo chính xác cho một thời hạn ngắn, cỡ một vài giờ.

2.4. PHƯƠNG PHÁP PHÂN TÍCH TƯƠNG QUAN TUYẾN TÍNH GIỮA CÁC BIẾN

Những mối phụ thuộc dự báo giữa các hiện tượng cần dự báo và những nhân tố quyết định có thể nhận được bằng những phương pháp khác nhau. Thông thường người ta tìm những mối phụ thuộc đó bằng cách dựng và phân tích các đồ thị dựa trên số liệu quan trắc. Những biểu thức liên hệ nhận được sẽ được biểu thị dưới dạng những phương trình tương ứng. Những phương trình kiểu như vậy đã từng được nhiều tác giả nghiên cứu để dự báo nhiệt độ nước biển, nhiệt độ không khí, lượng mưa, độ dày băng, dao động mực nước biển và nhiều yếu tố thủy văn biển khác.

Sau khi đã phân tích bước đầu những dữ liệu quan trắc, tức trên cơ sở phân tích định tính những đặc điểm của hiện tượng được nghiên cứu và những hiểu biết về các quy luật chung của nó đã thiết lập được các yếu tố chính quyết định sự biến đổi của hiện tượng, người ta tiến tới nghiên cứu mối liên hệ định lượng giữa hiện tượng và các yếu tố: xác định dạng của mối liên hệ đó và tìm biểu thức giải tích mà sau này dùng làm biểu thức để tính toán dự báo.

Muốn vậy người ta lập các chuỗi số liệu quan trắc về hiện tượng dự báo và các yếu tố mà nó phụ thuộc. Hiện tượng dự báo sẽ được coi là biến số phụ thuộc, gọi là hàm, còn các yếu tố sẽ là biến độc lập, gọi là các đối số.

Khi xây dựng các mối liên hệ dự báo độ dài chuỗi quan trắc có ý nghĩa quan trọng. Trong thống kê toán học đã xác nhận rằng khi tìm mối liên hệ giữa hai biến thì độ dài chuỗi quan trắc cần phải chứa không ít hơn 100 quan trắc. Nếu như số biến tăng lên thì độ dài chuỗi cũng phải tăng. Tuy nhiên, trong thực hành những chuỗi số liệu có độ dài đáp ứng đòi hỏi thường thiếu. Dĩ nhiên những mối liên hệ được xây dựng theo những chuỗi quan trắc ngắn sẽ kém tin cậy hơn so với nhứng chuỗi chuỗi dài. Đặc biệt điều này hay sảy ra đối với dự báo dài hạn. Vì vậy trong thực hành dự báo khi các chuỗi quan trắc được tích luỹ dần thêm thì các mối phụ thuộc dự báo cũng được xây dựng lại cho chính xác hơn.

Dạng đơn giản nhất của mối liên hệ giữa các đại lượng là mối phụ thuộc hàm, khi mà mỗi trị số của đại lượng x size 12{x} {} ứng với một trị số hoàn toàn xác định của một đại lượng y size 12{y} {} khác. Tuy nhiên, khi nghiên cứu các mối liên hệ giữa các hiện tượng trong tự nhiên chúng ta ít gặp các mối phụ thuộc hàm mà thường là các mối phụ thuộc tương quan. Ở đây mỗi giá trị của một đại lượng lại tương ứng với một tập hợp các giá trị có thể có của đại lượng khác. Sự phân tán của các giá trị có thể có ấy mang tính chất ngẫu nhiên và được giải thích một mặt do sai số của các quan trắc, mặt khác do ảnh hưởng của một số lớn các yếu tố thứ yếu chưa được kể đến khi xây dựng mối phụ thuộc.

Để trực quan đánh giá đặc điểm của mối liên hệ giữa các đại lượng x size 12{x} {}y size 12{y} {}, người ta thường dựng đồ thị tương quan, trên đó theo trục tung đặt các trị số của biến phụ thuộc y size 12{y} {}, còn trục hoành đặt các trị số của biến x size 12{x} {}. Theo từng cặp trị số của x size 12{x} {}y size 12{y} {} tương ứng nhận được trong một quan trắc người ta thu được một tập hợp các điểm quan trắc. Đặc điểm phân bố của các điểm trên mặt phẳng đồ thị sẽ chỉ ra dạng của mối liên hệ cũng như mức độ (tính chặt chẽ) của mối phụ thuộc. Trong nhiều trường hợp chỉ cần xem các điểm quan trắc phân bố như thế nào trên đồ thị người ta đã có thể đánh giá trước được khả năng hiệu quả của mối phụ thuộc trong mục đích dự báo.

Khi trên đồ thị có một số lượng lớn các điểm quan trắc, muốn vẽ đường liên hệ có thể chia tất cả các điểm ra thành những nhóm và trong mỗi nhóm tìm điểm trung bình (tìm ngay trên đồ thị hoặc tính các giá trị trung bình của x size 12{x} {}y size 12{y} {}). Sau đó vẽ đường liên hệ theo các điểm trung bình. Độ chính xác của đường liên hệ dự báo tìm được có thể đánh giá bằng cách so sánh các giá trị của đại lượng y size 12{y} {} tính theo mối liên hệ này với các giá trị quan trắc của y size 12{y} {}. Việc này thực hiện bằng cách dựng một đồ thị trên đó theo trục tung đặt các các số liệu quan trắc thực tế, còn theo trục hoành - các giá trị tính được từ mối liên hệ dự báo. Nếu đường nhận được là một đường thảng đi qua gốc toạ độ, nghiêng một góc khoảng 45° với trục toạ độ, thì đồ thị dự báo được dựng đúng, trong trường hợp ngược lại cần phải xem xét và chỉnh lại. Thông thường sự kiểm tra các mối phụ thuộc dự báo không thực hiện theo chính chuỗi số liệu quan trắc mà từ đó mối phụ thuộc dự báo được xây dựng, mà theo một chuỗi số liệu độc lập khác. Vì vậy khi xây dựng các mố phụ thuộc dự báo nếu chuỗi số liệu quan trắc ta có khá dài, thì nên bớt lại một phần để dùng vào việc kiểm tra dự báo.

Nếu như các điểm tập trung gần một đường thẳng thì mối liên hệ là tốt, chặt chẽ. Nếu như mối liên hệ nhận được không đủ chặt chẽ, thì người ta dần dần đưa thêm các đối số khác, ít quan trọng hơn so với đối số thứ nhất, vào mối liên hệ và xây dựng các đồ thị liên hệ mới.

Khi mối phụ thuộc nhận được thoả mãn yêu cầu về mọi mặt, người ta tiến tới tìm biểu thức định lượng (hay biểu thức giải tích) của mối phụ thuộc đó, xác định các đặc trưng của mối liên hệ như hệ số tương quan, phương trình tương quan. Vì đặc điểm tản mạn của các điểm quan trắc trên đồ thị tương quan thường khác nhau và theo hình dạng bên ngoài khó đánh giá mức độ chặt chẽ của mối liên hệ, nên trong thực hành dự báo đã thảo ra các tiêu chuẩn đặc biệt để đánh giá những liên hệ dự báo.

Như trên đã nêu, nếu mối liên hệ giữa các đại lượng rất chặt chẽ, tức các điểm quan trắc tập trung ở gần đường thẳng, thì đồ thị này có thể dùng được ngay để dự báo. Muốn vậy chỉ cần theo mỗi giá trị cho trước của đối số x size 12{x} {} trên đồ thị này ta xác định giá trị tương ứng của đại lượng dự báo y size 12{y} {}.

Để biểu diễn định lượng những mối phụ thuộc dự báo người ta thường sử dụng phương pháp tính toán tương quan, phương pháp này cho phép nhận được đặc trưng định lượng của mối liên hệ giữa các đại lượng, xác định độ tin cậy của mối liên hệ và chỉ ra mức độ ảnh hưởng của từng nhân tố đối số. Tuy nhiên cần nhớ rằng việc sử dụng tương quan chỉ bắt đầu khi nào bản chất vật lý của mối liên hệ giữa các biến và hiện tượng dự báo đã được xác định. Phương pháp tương quan chỉ được xem như cách thể hiện số của mối phụ thuộc đã tìm được và có cơ sở vật lý.

Giả sử đặc trưng thủy văn cần dự báo y size 12{y} {} bị tác động bởi một đặc trưng khí tượng hay thủy văn khác x size 12{x} {} được quan trắc tại thời kỳ trước hoặc đồng thời với đặc trưng y size 12{y} {}. Cần phải tìm phương trình liên hệ giữa hai đại lượng này dưới dạng

y=f(x)±σ size 12{y=f \( x \) +- σ} {} (2.1)

trong đó chỉ ra độ chính xác của phương trình (±σ) size 12{ \( +- σ \) } {}. Ước lượng độ chính xác của phương trình (2.1) trong một số trường hợp có thể lấy bằng ±0,8σ;±0,6σ size 12{ +- 0,8σ; +- 0,6σ} {} hoặc A size 12{ +- { size 8{1} } wideslash { size 8{5} } A} {} ( σ size 12{σ - {}} {}độ lệch bình phương trung bình của yếu tố dự báo; A size 12{A - {}} {} biên độ dao động của yếu tố dự báo).

Trong trường hợp liên hệ tuyến tính của hai biến, người ta lập bảng các chuỗi quan trắc của các đại lượng y size 12{y} {}x size 12{x} {} và tính toán các tham số cơ bản: xˉ,yˉ,σx,σy size 12{ { bar {x}}, ` { bar {y}}, `σ rSub { size 8{x} } , `σ rSub { size 8{y} } } {}rxy size 12{r rSub { size 8{ ital "xy"} } } {} (bảng 2.1).

Bảng 2.1. Biểu tính tương quan giữa hai biến

TT y i size 12{y rSub { size 8{i} } } {} x i size 12{x rSub { size 8{i} } } {} Δx i size 12{Δx rSub { size 8{i} } } {} Δy i size 12{Δy rSub { size 8{i} } } {} Δx i 2 size 12{Δx rSub { size 8{i} } rSup { size 8{2} } } {} Δy i 2 size 12{Δy rSub { size 8{i} } rSup { size 8{2} } } {} Δx i Δy i size 12{Δx rSub { size 8{i} } Δy rSub { size 8{i} } } {}
(1) (2) (3) (4) (5) (6) (7) (8)
1 y 1 size 12{y rSub { size 8{1} } } {} x 1 size 12{x rSub { size 8{1} } } {} Δx 1 size 12{Δx rSub { size 8{1} } } {} Δy 1 size 12{Δy rSub { size 8{1} } } {} Δx 1 2 size 12{Δx rSub { size 8{1} } rSup { size 8{2} } } {} Δy 1 2 size 12{Δy rSub { size 8{1} } rSup { size 8{2} } } {} Δx 1 Δy 1 size 12{Δx rSub { size 8{1} } Δy rSub { size 8{1} } } {}
2 y 2 size 12{y rSub { size 8{2} } } {} x 2 size 12{x rSub { size 8{2} } } {} Δx 2 size 12{Δx rSub { size 8{2} } } {} Δy 2 size 12{Δy rSub { size 8{2} } } {} Δx 2 2 size 12{Δx rSub { size 8{2} } rSup { size 8{2} } } {} Δy 2 2 size 12{Δy rSub { size 8{2} } rSup { size 8{2} } } {} Δx 2 Δy 2 size 12{Δx rSub { size 8{2} } Δy rSub { size 8{2} } } {}
... ... ... ... ... ... ... ...
n y n size 12{y rSub { size 8{n} } } {} x n size 12{x rSub { size 8{n} } } {} Δx n size 12{Δx rSub { size 8{n} } } {} Δy n size 12{Δy rSub { size 8{n} } } {} Δx n 2 size 12{Δx rSub { size 8{n} } rSup { size 8{2} } } {} Δy n 2 size 12{Δy rSub { size 8{n} } rSup { size 8{2} } } {} Δx n Δy n size 12{Δx rSub { size 8{n} } Δy rSub { size 8{n} } } {}
Tổng Σ 2 size 12{Σ rSub { size 8{2} } } {} Σ 3 size 12{Σ rSub { size 8{3} } } {} Σ 6 size 12{Σ rSub { size 8{6} } } {} Σ 7 size 12{Σ rSub { size 8{7} } } {} Σ 8 size 12{Σ rSub { size 8{8} } } {}

Những tham số này tính theo các công thức đã biết trong thống kê toán học

xˉ=xin, {yˉ=yin,σx=Δxi2n,σy=Δyi2n size 12{ { bar {x}}= { { Sum {x rSub { size 8{i} } } } over {n} } ," {" bar ital {y}}= { { Sum {y rSub { size 8{i} } } } over {n} } ," "σ rSub { size 8{x} } = sqrt { { { Sum {Δx rSub { size 8{i} } rSup { size 8{2} } } } over {n} } } ," "σ rSub { size 8{y} } = sqrt { { { Sum {Δy rSub { size 8{i} } rSup { size 8{2} } } } over {n} } } } {};

rxy=ΔxΔyσxσyn size 12{r rSub { size 8{ ital "xy"} } = { { Sum {ΔxΔy} } over {σ rSub { size 8{x} } σ rSub { size 8{y} } n} } } {}; (2.2)

E=±0,671r2n size 12{E= +- 0,"67" { {1 - r rSup { size 8{2} } } over { sqrt {n} } } } {}. (2.3)

trong đó r size 12{r - {}} {} hệ số tương quan 0rxy1 size 12{ left (0 <= lline r rSub { size 8{ ital "xy"} } rline <= 1 right )} {}; E size 12{E - {}} {} độ lệch xác suất của r size 12{r} {}.

Có thể tính hệ số tương quan theo những công thức khác. Giả sử có những giá trị xi size 12{x rSub { size 8{i} } } {}yi size 12{y rSub { size 8{i} } } {}, và nxy size 12{n rSub { size 8{ ital "xy"} } - {}} {} tần suất lặp lại của mỗi cặp trị số x size 12{x} {}y size 12{y} {}. Khi đó có thể tính giá trị đại lượng hiệp biến cxy size 12{c rSub { size 8{ ital "xy"} } } {} của các đại lượng x size 12{x} {}y size 12{y} {} theo công thức

cxy=nxy(xxˉ)(yyˉ)n size 12{c rSub { size 8{ ital "xy"} } = { { Sum {n rSub { size 8{ ital "xy"} } \( x - { bar {x}} \) \( y - { bar {y}} \) } } over {n} } } {}, (2.4)

trong đó (xxˉ) size 12{ \( x - { bar {x}} \) } {}(yyˉ) size 12{ \( y - { bar {y}} \) - {}} {} những độ lệch của x size 12{x} {}y size 12{y} {} so với các đại lượng trung bình (xˉ size 12{ \( { bar {x}}} {}yˉ) size 12{ { bar {y}} \) } {}. Trong trường hợp này hệ số tương quan bằng

r=cxyσxσy size 12{r= { {c rSub { size 8{ ital "xy"} } } over {σ rSub { size 8{x} } σ rSub { size 8{y} } } } } {}. (2.5)

Hiệp biến cxy size 12{c rSub { size 8{ ital "xy"} } } {} có thể tính theo công thức thuận lợi hơn đối với trường hợp sử dụng máy tính

cxy=nxyxynxˉyˉ size 12{c rSub { size 8{ ital "xy"} } = { { Sum {n rSub { size 8{ ital "xy"} } ital "xy"} } over {n} } - { bar {x}} { bar {y}}} {}. (2.6)

Sử dụng công thức (2.6) có thể tính các độ lệch bình phương trung bình σx size 12{σ rSub { size 8{x} } } {}σy size 12{σ rSub { size 8{y} } } {}:

σx=nxx2nxˉ2 size 12{σ rSub { size 8{x} } = sqrt { { {n rSub { size 8{x} } x rSup { size 8{2} } } over {n} } - { bar {x}} rSup { size 8{2} } } } {}, σy=nyy2nyˉ2 size 12{σ rSub { size 8{y} } = sqrt { { {n rSub { size 8{y} } y rSup { size 8{2} } } over {n} } - { bar {y}} rSup { size 8{2} } } } {},

trong đó nx size 12{n rSub { size 8{x} } } {}ny size 12{n rSub { size 8{y} } - {}} {} các tần suất tương ứng của các trị số x size 12{x} {}y size 12{y} {}.

Sử dụng những trị số nhận được của các tham số cơ bản có thể quyết định vấn đề về độ tin cậy của mối liên hệ. Mối liên hệ được xem là đáng tin cậy khi trị số của hệ số tương quan khá lớn (r0,80) size 12{ \( lline `r` rline >= 0,"80" \) } {} và đồng thời phải lớn hơn độ lệch xác suất của nó không ít hơn 6-10 lần (>6) size 12{ \( { size 8{r} } wideslash { size 8{E} } >6 \) } {}.

Sự cần thiết phải tính chỉ tiêu tin cậy là do không phải hệ số tương quan cao luôn luôn là chỉ tiêu của mối liên hệ tin cậy. Thí dụ, đối với những chuỗi quan trắc ngắn, thì hệ số tương quan cao nhận được có khi chỉ là do ngẫu nhiên. Chuỗi quan trắc được xem là đủ dài nếu như độ lệch xác suất E size 12{E} {} là hàm của số lượng quan trắc đủ nhỏ, tức >10 size 12{ { size 8{r} } wideslash { size 8{E} } >"10"} {}. Trong khi tính toán, nếu bất đẳng thức này không thỏa mãn thì phải tăng độ dài chuỗi quan trắc. Ngoài ra có trường hợp hệ số tương quan có thể khá cao khi tính toán với chuỗi quan trắc ở một thời kỳ quan trắc này, song lại rất thấp nếu tính toán với chuỗi quan trắc ở thời kỳ khác. Rõ ràng điều này xảy ra do biến đổi mối liên hệ từ thời kỳ này đến thời kỳ kia, nói cách khác mối liên hệ giữa hiện tượng dự báo và nhân tố ảnh hưởng không ổn định. Vì vậy phải kiểm tra xem hệ số tương quan nhận được có biến đổi không khi tăng hoặc giảm độ dài chuỗi.

Có hai cách kiểm tra thực tế về độ ổn định của mối liên hệ. Cách thứ nhất thực hiện như sau: Chia toàn bộ chuỗi quan trắc thành hai phần, tính các hệ số tương quan r1 size 12{r rSub { size 8{1} } } {}r2 size 12{r rSub { size 8{2} } } {} và các độ lệch xác suất tương ứng E1 size 12{E rSub { size 8{1} } } {}E2 size 12{E rSub { size 8{2} } } {} riêng biệt cho mỗi phần. Nếu bất đẳng thức

r1r2<E1+E2 size 12{ lline r rSub { size 8{1} } - r rSub { size 8{2} } rline <E rSub { size 8{1} } +E rSub { size 8{2} } } {} (2.7)

thì mối liên hệ ổn định.

Cách thứ hai để kiểm tra tính ổn định của mối liên hệ là so sánh các hệ số tương quan của hai phần r1 size 12{r rSub { size 8{1} } } {}r2 size 12{r rSub { size 8{2} } } {} với hệ số tương quan chung của chuỗi r size 12{r} {}. Nếu r1 size 12{r rSub { size 8{1} } } {}r2 size 12{r rSub { size 8{2} } } {} không vượt ra ngoài khoảng giá trị r±E size 12{r +- E} {} thì mối liên hệ ổn định.

Như vậy nếu xác định được rằng mối liên hệ ổn định và hệ số tương quan đủ lớn thì có thể tìm phương trình liên hệ

yyˉ=a(xxˉ)=rσyσx(xxˉ). size 12{y - { bar {y}}=a \( x - { bar {x}} \) =r { {σ rSub { size 8{y} } } over {σ rSub { size 8{x} } } } \( x - { bar {x}} \) "." } {} (2.8)

hay

y = ax + b size 12{y= ital "ax"+b} {}

trong đó a=rσyσx,b=yˉ+axˉ size 12{a=r { {σ rSub { size 8{y} } } over {σ rSub { size 8{x} } } } ," "b= { bar {y}}+a { bar {x}}} {}.

Sai số giữa giá trị quan trắc và giá trị tính theo phương trình dự báo (2.8) εi=yqtydb size 12{ε rSub { size 8{i} } =y rSub { size 8{ ital "qt"} } - y rSub { size 8{ ital "db"} } } {} được so sánh với size 12{ { size 8{1} } wideslash { size 8{5} } } {} biên độ dao động của yếu tố dự báo (hoặc so sánh với 0,67σy size 12{0,"67"σ rSub { size 8{y} } } {}). Nếu sai số lớn hơn đại lượng này thì nó được coi là vượt quá sai số cho phép, sai số lớn. Nếu phương trình dự báo đảm bảo số sai số lớn ít hơn 20% toàn bộ số lần quan trắc thì phương trình dự báo được xem là tin cậy.

Khi số sai số lớn vượt quá 20% thì phương trình dự báo không tin cậy. Trong trường hợp này cần phải tìm yếu tố ảnh hưởng thứ hai z size 12{z} {} và xét mối phụ thuộc nhiều biến

y=f(x,z) size 12{y=f \( x,z \) } {},

tức tìm phương trình dạng

y=ax+bz+c size 12{y= ital "ax"+ ital "bz"+c} {} (2.9)

Để xác định mức độ liên hệ của ba biến và tìm các hệ số a,b,c size 12{a, b, c} {} của phương trình người ta lập bảng tương quan của ba biến và theo bảng đó tính các tham số cơ bản:

y ˉ , { x ˉ , { z ˉ ; σ y , σ x , σ z ; r yx , r yz , r xz . alignl { stack { size 12{ { bar {y}}," {" bar ital {x}}," {" bar ital {z}};} {} # size 12{σ rSub { size 8{y} } ," "σ rSub { size 8{x} } ," "σ rSub { size 8{z} } ;} {} # r rSub { size 8{ ital "yx"} } ," "r rSub { size 8{ ital "yz"} } ," "r rSub { size 8{ ital "xz"} } "." {} } } {}

Các hệ số tương quan giữa hàm và các nhân tố đối số (ryx,ryz) size 12{ \( r rSub { size 8{ ital "yx"} } , r rSub { size 8{ ital "yz"} } \) } {} được gọi là các hệ số chính. Hệ số tương quan nhiều biến bằng

R=ryx2+ryz2ryxryzrxz1rxz2 size 12{R= sqrt { { {r rSub { size 8{ ital "yx"} } rSup { size 8{2} } +r rSub { size 8{ ital "yz"} } rSup { size 8{2} } - r rSub { size 8{ ital "yx"} } r rSub { size 8{ ital "yz"} } r rSub { size 8{ ital "xz"} } } over {1 - r rSub { size 8{ ital "xz"} } rSup { size 8{2} } } } } } {}. (2.10)

Độ lệch xác suất của hệ số tương quan nhiều biến bằng

E=±0,671R2n size 12{E= +- 0,"67" { {1 - R rSup { size 8{2} } } over { sqrt {n} } } } {}. (2.11)

Hệ số tương quan nhiều biến về trị số không thể nhỏ hơn hệ số tương quan lớn nhất trong số các hệ số tương quan riêng giữa hai biến.

Tính hiệu quả của mối liên hệ ba biến được xem xét theo độ lớn của hệ số tương quan nhiều biến. Nếu R0,80 size 12{R >= 0,"80"} {} thì mối liên hệ giữa ba biến đủ tin cậy. Khi đó phương trình dự báo tìm dưới dạng

yyˉ=a(xxˉ)+b(zzˉ) size 12{y - { bar {y}}=a \( x - { bar {x}} \) +b \( z - { bar {z}} \) } {}, (2.12)

trong đó

a=σyσxryxrxzryz1rxz2;b=σyσzryzrxzryx1rxz2. size 12{a= { {σ rSub { size 8{y} } } over {σ rSub { size 8{x} } } } { {r rSub { size 8{ ital "yx"} } - r rSub { size 8{ ital "xz"} } r rSub { size 8{ ital "yz"} } } over {1 - r rSub { size 8{ ital "xz"} } rSup { size 8{2} } } } ;" "b= { {σ rSub { size 8{y} } } over {σ rSub { size 8{z} } } } { {r rSub { size 8{ ital "yz"} } - r rSub { size 8{ ital "xz"} } r rSub { size 8{ ital "yx"} } } over {1 - r rSub { size 8{ ital "xz"} } rSup { size 8{2} } } } "." } {} (2.13)

Độ lệch bình phương của phương trình (2.12) tính theo công thức

σ=σy1R2 size 12{σ=σ rSub { size 8{y} } sqrt {1 - R rSup { size 8{2} } } } {}. (2.14)

Ước lượng độ tin cậy của phương trình cũng thực hiện tương tự như trường hợp hai biến bằng cách so sánh các giá trị dự báo và quan trắc.

Trong trường hợp cần thiết có thể xét mối liên hệ nhiều biến với số biến lớn hơn. Thí dụ, trường hợp biến dự báo u size 12{u} {} phụ thuộc vào ba biến ảnh hưởng x size 12{x} {}, y size 12{y} {}, z size 12{z} {} người ta tìm phương trình

u = f ( x , y , z ) size 12{u=f \( x,y,z \) } {}

hay

u=(ax+by+cz+d)±σ size 12{u= \( ital "ax"+ ital "by"+ ital "cz"+d \) +- σ} {}. (2.15)

Thủ tục tính toán các hệ số của phương trình này cũng bao gồm việc lập bảng tương quan và tính các tham số cơ bản:

u ˉ , { x ˉ , { y ˉ , { z ˉ ; σ u , σ x , σ y , σ z ; r ux , r yu , r uz ; r xy , r xz , r yz . alignl { stack { size 12{ { bar {u}}," {" bar ital {x}}," {" bar ital {y}}", {" bar ital {z}};} {} # size 12{σ rSub { size 8{u} } ," "σ rSub { size 8{x} } ," "σ rSub { size 8{y} } ," "σ rSub { size 8{z} } ;} {} # r rSub { size 8{ ital "ux"} } ," "r rSub { size 8{ ital "yu"} } ," "r rSub { size 8{ ital "uz"} } ; {} # r rSub { size 8{ ital "xy"} } ," "r rSub { size 8{ ital "xz"} } ," "r rSub { size 8{ ital "yz"} } "." {} } } {}

Những đại lượng này tính tương tự theo các công thức như ở trên. Sau đó tính các đại lượng D0,D1,D2 size 12{D rSub { size 8{0} } , D rSub { size 8{1} } , D rSub { size 8{2} } } {}D3 size 12{D rSub { size 8{3} } } {} và hệ số tương quan nhiều biến R size 12{R} {}:

D 0 = 1 r xy 2 r xz 2 r yz 2 + 2r xy r xz r yz ; size 12{D rSub { size 8{0} } =1 - r rSub { size 8{ ital "xy"} } rSup { size 8{2} } - r rSub { size 8{ ital "xz"} } rSup { size 8{2} } - r rSub { size 8{ ital "yz"} } rSup { size 8{2} } +2r rSub { size 8{ ital "xy"} } r rSub { size 8{ ital "xz"} } r rSub { size 8{ ital "yz"} } ;} {}
D 1 = r xu + r yu r xz r yz + r zu r yz r xy r yz 2 r ux r yu r xy r xz r zu ; size 12{D rSub { size 8{1} } =r rSub { size 8{ ital "xu"} } +r rSub { size 8{ ital "yu"} } r rSub { size 8{ ital "xz"} } r rSub { size 8{ ital "yz"} } +r rSub { size 8{ ital "zu"} } r rSub { size 8{ ital "yz"} } r rSub { size 8{ ital "xy"} } - r rSub { size 8{ ital "yz"} } rSup { size 8{2} } r rSub { size 8{ ital "ux"} } - r rSub { size 8{ ital "yu"} } r rSub { size 8{ ital "xy"} } - r rSub { size 8{ ital "xz"} } r rSub { size 8{ ital "zu"} } ;} {}
D 2 = r xu r xz r yz + r yu + r zu r xy r xz r xy r xu r xz 2 r yu r yz r zu ; size 12{D rSub { size 8{2} } =r rSub { size 8{ ital "xu"} } r rSub { size 8{ ital "xz"} } r rSub { size 8{ ital "yz"} } +r rSub { size 8{ ital "yu"} } +r rSub { size 8{ ital "zu"} } r rSub { size 8{ ital "xy"} } r rSub { size 8{ ital "xz"} } - r rSub { size 8{ ital "xy"} } r rSub { size 8{ ital "xu"} } - r rSub { size 8{ ital "xz"} } rSup { size 8{2} } r rSub { size 8{ ital "yu"} } - r rSub { size 8{ ital "yz"} } r rSub { size 8{ ital "zu"} } ;} {}

D 3 = r xy r yz r xu r xz r xy r yu + r zu r xz r xu r yz r yu r xy 2 r zu ; size 12{D rSub { size 8{3} } =r rSub { size 8{ ital "xy"} } r rSub { size 8{ ital "yz"} } r rSub { size 8{ ital "xu"} } - r rSub { size 8{ ital "xz"} } r rSub { size 8{ ital "xy"} } r rSub { size 8{ ital "yu"} } +r rSub { size 8{ ital "zu"} } - r rSub { size 8{ ital "xz"} } r rSub { size 8{ ital "xu"} } - r rSub { size 8{ ital "yz"} } r rSub { size 8{ ital "yu"} } - r rSub { size 8{ ital "xy"} } rSup { size 8{2} } r rSub { size 8{ ital "zu"} } ;} {}

R=D1rux+D2ruy+D3ruzD0. size 12{R= sqrt { { {D rSub { size 8{1} } r rSub { size 8{ ital "ux"} } +D rSub { size 8{2} } r rSub { size 8{ ital "uy"} } +D rSub { size 8{3} } r rSub { size 8{ ital "uz"} } } over {D rSub { size 8{0} } } } } "." } {} (2.16)

Nếu R0,80 size 12{R >= 0,"80"} {} thì lập phương trình dự báo dưới dạng:

uuˉ=D1D0σuσx(xxˉ)+D2D0σuσy(yyˉ)+D3D0σuσz(zzˉ) size 12{u - { bar {u}}= { {D rSub { size 8{1} } } over {D rSub { size 8{0} } } } { {σ rSub { size 8{u} } } over {σ rSub { size 8{x} } } } \( x - { bar {x}} \) + { {D rSub { size 8{2} } } over {D rSub { size 8{0} } } } { {σ rSub { size 8{u} } } over {σ rSub { size 8{y} } } } \( y - { bar {y}} \) + { {D rSub { size 8{3} } } over {D rSub { size 8{0} } } } { {σ rSub { size 8{u} } } over {σ rSub { size 8{z} } } } \( z - { bar {z}} \) } {}. (2.17)

Phải nhận xét rằng nếu tăng thêm số biến thì tăng mạnh các công việc tính toán. Vì vậy khi lập các phương trình dự báo trong đa số trường hợp người ta giới hạn ở hai hoặc ba biến. Hiện nay với sự trợ giúp của máy tính người ta có thể nghiên cứu các phương trình dự báo với số biến không hạn chế. Mọi thủ tục tính toán trong những trường hợp như vậy được thực hiện nhờ các chùm chương trình máy tính được xây dựng sẵn, thí dụ các phần mềm STATGRAPH, SPSS... Tại bộ môn Hải dương học Trường Đại học Khoa học Tự nhiên một chương trình chuyên dụng phục vụ tính toán tương quan và hồi quy nhiều biến cũng đã được xây dựng.

2.5. ĐÁNH GIÁ CHẤT LƯỢNG CỦA CÁC PHƯƠNG PHÁP DỰ BÁO VÀ ĐỘ TIN CẬY CỦA CÁC DỰ BÁO THỦY VĂN BIỂN

Mỗi phương pháp dự báo có thể được sử dụng trong công tác thực tiễn chỉ khi sai số có thể có của nó không vượt quá một giá trị cho phép. Vì vậy phải đặc biệt chú ý vấn đề xác định độ chính xác của phương pháp, hay nói cách khác, đánh giá chất lượng của dự báo. Muốn vậy phải lập các dự báo kiểm tra.

2.5.1. Biên độ nhiều năm và biên độ tính toán

Trong thực tế công tác dự báo thủy văn và khí tượng chúng ta thường gặp những chuỗi quan trắc ngắn. Chúng ta ít có những chuỗi quan trắc dài để xây dựng các phương pháp dự báo dài hạn. Vì vậy trong những trường hợp ấy có thể được phép dùng những chuỗi quan trắc gồm 25-30 số liệu (thành phần) quan trắc. Cũng có thể dùng những chuỗi quan trắc dài khoảng 10 thành phần; nhưng điều này chỉ có thể chấp nhận được khi người ta đã có khái niệm rõ ràng về mối phụ thuộc dự báo khi phân tích hiện tượng. Chuỗi quan trắc lúc này không dùng để chứng minh thêm về mối liên hệ giữa các yếu tố mà chỉ để xác lập mối phụ thuộc định lượng giữa hàm và đối số.

Khi phép phân tích vật lý về các hiện tượng còn đòi hỏi những dẫn chứng thống kê thì không được dùng những chuỗi quan trắc ngắn hơn 25 thành phần. Nếu không, những mối liên hệ nhận được không dùng được để dự báo.

Đối với trường hợp những dự báo ngắn hạn, người ta dễ tìm được những chuỗi quan trắc dài, gồm nhiều thành phần hơn. Để xây dựng các mối liên hệ dự báo trong thực tế các chuỗi gồm khoảng 50 thành phần là tạm đủ.

Trước khi đi đến vấn đề đánh giá các phương pháp dự báo cần phải định nghĩa một số khái niệm dùng trong việc đánh giá các phương pháp dự báo và các dự báo.

Sai số tuyệt đối của dự báo là hiệu đại số giữa giá trị dự báo và giá trị quan trắc (giá trị thực). Thí dụ, người ta dự tính được là mực nước cao hơn mốc 20cm, nhưng thực tế quan trắc thấy mực nước thấp hơn mốc 15cm. Trong trường hợp này sai số của dự báo bằng

20(15)=35cm size 12{"20" - \( - "15" \) ="35" "cm"} {}.

Tuy nhiên sai số tuyệt đối không phải luôn luôn là đại lượng đặc trưng: nó chưa chỉ ra được dự báo như vậy là tốt hay kém. Nếu chúng ta biết được rằng phạm vi dao động của mực nước tại nơi dự báo có thể đạt tới 2m, thì sai số dự báo 35cm sẽ là không lớn lắm so với quy mô dao động này. Thật vậy, trong thí dụ này sai số dự báo chỉ bằng 17 % (35cm/200cm) của phạm vi dao động mực nước có thể có. Như vậy sai số dự báo so sánh với phạm vi dao động của hiện tượng dự báo sẽ là một đại lượng đặc trưng hơn.

Sai số dự báo được biểu thị bằng phần trăm của biên độ dao động của yếu tố dự báo gọi là sai số tương đối của dự báo.

Tùy thuộc vào hiện tượng dự báo và thời gian báo trước (thời hạn) của dự báo, người ta có thể dùng biên độ nhiều năm hay biên độ tính toán để tính sai số tương đối và đánh giá các dự báo.

Biên độ nhiều năm (biên độ tự nhiên) là hiệu giữa các giá trị lớn nhất và nhỏ nhất của một hiện tượng xác định theo chuỗi quan trắc trong vòng nhiều năm quan trắc. Thí dụ, nếu mực nước trung bình tháng của biển được dự báo thì biên độ nhiều năm sẽ là hiệu giữa các mực nước trung bình tháng lớn nhất và nhỏ nhất có được trong chuỗi số liệu mực nước trung bình tháng đó qua nhiều năm quan trắc.

Biên độ tính toán là hiệu giữa các giá trị lớn nhất và nhỏ nhất mà hiện tượng dự báo có được trong thời gian tác dụng của dự báo. Ta sẽ tìm hiểu sự khác nhau của biên độ tính toán và biên độ nhiều năm thông qua các thí dụ. Giả sử cần dự báo mực nước trung bình tháng ở một cảng biển. Được biết, trong biến trình nhiều năm, mực nước tại cảng đó dao động rất lớn: biên độ nhiều năm đạt vài mét. Nhưng chúng ta cũng biết được sự biến đổi mực nước từ tháng này sang tháng khác tiếp sau chỉ bằng khoảng vài cm. Như thế thì dùng biên độ nhiều năm để đánh giá các dự báo sẽ không phù hợp trong trường hợp này.

Để đánh giá đúng những dự báo ấy cần dùng biên độ tính toán; nó là hiệu các thay đổi mực nước trung bình tháng tại cảng đó từ tháng trước sang tháng sau qua chuỗi số liệu mực nước những năm trước đây.

Giả sử cần dự báo sóng ở một vùng biển sau 12 giờ. Tại vùng biển này thường quan sát thấy sóng từ cấp 0 đến cấp 9. Tuy vậy không nên dùng biên độ này, tại vì qua phân tích các tài liệu quan trắc người ta biết được rằng tại vùng đang xét qua 12 giờ sóng không bao giờ biến đổi nhiều hơn 6 cấp. Như vậy khi làm dự báo trước 12 giờ cần phải dùng biên độ tính toán là 6 cấp thay vì biên độ 9 cấp.

Biên độ tính toán được xác định bằng cách tính các hiệu số giữa các giá trị mà hiện tượng dự báo có được qua một khoảng thời gian bằng thời gian báo trước của dự báo. Khi tính người ta thu được những hiệu số mang dấu dương và những hiệu số mang dấu âm trong biến trình của hiện tượng. Biên độ tính toán chính là tổng các giá trị tuyệt đối (không kể dấu dương hay dấu âm) của các hiệu số dương và hiệu số âm có trị tuyệt đối lớn nhất.

Bảng 2.2. Thí dụ xác định biên độ tính toán

Ngày tháng Nhiệt độ quan trắc
Hiệu nhiệt độ
sau 1 ngày sau 2 ngày
6/10 26,2
7 26,4 0,2
8 26,1 -0,3 -0,1
9 26,2 0,1 -0,2
10 25,5 -0,7 -0,6
11 25,2 -0,3 -1,0
12 23,0 -2,2 -2,5
13 21,2 -1,8 -4,0
14 19,8 -1,4 -3,2
15 21,2 0,4 0,0
16 21,7 0,5 1,9
17 22,4 0,7 1,2
18 22,4 0,0 0,7

Bảng 2.2 là thí dụ về tính biên độ tính toán đối với trường hợp dự báo nhiệt độ nước biển với thời gian báo trước của dự báo là một ngày và hai ngày. Theo bảng 2.2 ta thấy trong hơn chục ngày quan trắc nhiệt độ cao nhất bằng 26,4, nhiệt độ thấp nhất bằng 19,8 và biên độ dao động bằng 6,6°. Nếu xét sự biến đổi của nhiệt độ qua một ngày thấy rằng mức giảm nhiệt độ nhanh nhất sau một ngày xảy ra vào các ngày 11 và 12 là -2,2°, còn mức tăng nhiệt độ nhanh nhất xảy ra giữa ngày 16 và 17 là 0,7°. Vào ngày phát ra dự báo, nếu lập luận rằng ngày mai nhiệt độ có thể thấp hơn hôm nay 2,2° và ngày mai cũng có thể nhiệt độ cao hơn hôm nay 0,7°, vậy có khả năng là nhiệt độ ngày mai dao động trong quy mô 2,2+0,7=2,9 size 12{2,2+0,7=2,9} {}°. Và biên độ 2,9° được dùng làm biên độ tính toán để đánh giá dự báo nhiệt độ với thời gian báo trước một ngày sẽ chặt chẽ hơn so với biên độ 6,6°. Tương tự tính toán và lập luận như vậy ta có biên độ tính toán đối với trường hợp thời gian báo trước của dự báo là 2 ngày bằng 5,9°.

2.5.2. Đường cong độ đảm bảo của phương pháp dự báo

Trước khi dùng một phương pháp dự báo nào đó vào thực tế người ta phải biết được tính hiệu quả của phương pháp dự báo đó. Nói cách khác, người dùng dự báo cần phải biết có thể tin tưởng đến mức nào vào dự báo khi tiến hành những dự định sản xuất, kinh tế cụ thể, những sai số nào có thể gặp phải và xác suất của những sai số ấy.

Trong thực hành dự báo thủy văn biển, để đánh giá hiệu quả của một phương pháp dự báo mới được xây dựng, người ta hay so sánh chất lượng của dự báo phương pháp với dự báo khí hậu hoặc với một phương pháp dự báo nào đó đã sử dụng trước đó.

Người ta gọi là dự báo khí hậu một kiểu dự báo trong đó người dự báo gán giá trị trung bình nhiều năm của hiện tượng dự báo làm giá trị của hiện tượng đó vào lúc muốn dự báo. Nếu như các dự báo khí hậu sẽ có sai số nhỏ hơn các dự báo theo phương pháp được đề xuất, thì việc dùng phương pháp đó là vô nghĩa cả về mặt ứng dụng thực tế lẫn về mặt tốn kém do tổ chức dự báo.

Để làm sáng tỏ các câu hỏi trên đây, trước khi đem một phương pháp dự báo vào sử dụng người ta có thể dựng và so sánh các đường cong độ đảm bảo của dự báo phương pháp với dự báo khí hậu (đường cong độ đảm bảo tự nhiên) hoặc với dự báo theo một phương pháp trước đây.

Theo phương pháp dự báo, ta dự báo thử cho hiện tượng đối với quãng thời gian đã qua. Thí dụ ta thực hiện 100 dự báo nhiệt độ trung bình tháng tại một trạm nào đó. Sau đó so sánh các giá trị nhiệt độ dự báo và các giá trị thực quan trắc được và tìm sai số tuyệt đối.

Tiếp theo ta lập bảng phân bố sai số theo độ lớn của sai số. Thí dụ trong 100 dự báo nói trên ta có bảng phân bố sai số như sau:

Sai số (°C): 0 1 2 3 4 5 6 7
Số lần dự báo (%): 10 25 20 15 10 5 5 10

Bảng phân bố sai số này cho biết trong tổng số dự báo có bao nhiêu dự báo với sai số là 0°, bao nhiêu dự báo với sai số là 1°...

Nếu lấy tổng tích luỹ của sai số theo các giới hạn của sai số ta có bảng phân bố tích luỹ sai số như sau:

Sai số đến (°C): 0 1 2 3 4 5 6 7
Số lần dự báo (%): 10 35 55 70 80 85 90 100

Bảng phân bố sai số này cho biết trong tổng số dự báo có bao nhiêu dự báo với sai số bằng 0°C, bao nhiêu dự báo với sai số nhỏ hơn 1°C... Từ bảng phân bố sai số tích luỹ người ta xây dựng đường cong tích phân độ đảm bảo của phương pháp dự báo (hình 2.3). Từ đồ thị đường cong độ đảm bảo ta dễ dàng đọc độ đảm bảo của phương pháp dự báo với sai số bất kỳ. Thí dụ nếu người dùng dự báo đòi hỏi những dự báo với sai số nhỏ hơn 1° thì trong thí dụ này chúng ta có 35 % số dự báo đáp ứng yêu cầu. Ta nó rằng độ đảm bảo của phương pháp dự báo trong trường hợp này bằng 35%. Nếu ngưòi sử dụng dự báo cho phép sai số đến 3° thì phương pháp đảm bảo 70 % số dự báo thoả mãn yêu cầu...

Muốn biết tính hiệu quả của phương pháp dự báo cần phải so sánh độ đảm bảo của phương pháp dự báo với độ đảm của dự báo khí hậu (độ đảm bảo tự nhiên). Đường cong độ đảm bảo của dự báo khí hậu cũng dựng theo cách tương tự như khi xây dựng đường cong độ đảm bảo của phương pháp. Trong dự báo khí hậu, giá trị dự báo chính là chuẩn của hiện tượng, còn sai số dự báo chính là chênh lệch (dị thường) của trị số thực so với chuẩn.

Giả sử đường cong độ đảm bảo của dự báo khí hậu nằm ở phía trái của đường cong độ đảm bảo phương pháp (hình 2.3). Trong trường hợp này nếu ta giới hạn ở sai số nhỏ hơn 3° thì thấy rằng phương pháp dự báo đang xét cho độ đảm bảo 70%, còn phương pháp khí hậu chỉ cho độ đảm bảo 38%. Ta nói rằng phương pháp đang xét có hiệu quả hơn so với dự báo khí hậu. Hiệu số giữa các độ đảm bảo trong trường hợp này bằng 32% chính là hiệu quả của phương pháp dự báo ta đề xuất.

Các đường cong tích phân độ đảm bảo

Khi muốn so sánh chất lượng các phương pháp dự báo với nhau người ta cũng xây dựng các đường cong độ đảm bảo của các phương pháp đó và đánh giá hiệu quả của phương pháp theo cách tương tự.

2.5.3. Sai số cho phép và các phương pháp xác định

Các khoa học khí tượng thủy văn ngày nay chưa có khả năng lập các dự báo chính xác. Không phụ thuộc vào chất lượng công việc của người dự báo, không bao giờ tránh khỏi những sai số trong các dự báo. Vì vậy khi đánh giá chất lượng các dự báo cụ thể cần phải lấy một giá trị nào đó làm sai số cho phép, nghĩa là với sai số đó dự báo có thể được coi là đúng.

Rõ ràng là sai số cho phép càng lớn thì số dự báo đúng càng nhiều và công việc của người dự báo được đánh giá càng cao hơn. Do đó vấn đề giá trị của sai số cho phép mang tính chất cơ sở. Giá trị đó được lựa chọn không những để phản ánh trạng thái hiện tại của khoa học mà còn phải dựa theo các đặc điểm biến thiên của hiện tượng cần dự báo, tính phức tạp của hiện tượng cần dự báo.

Một trong những cách chọn sai số cho phép của dự báo là dựa theo biên độ nhiều năm hay biên độ tự nhiên trong biến thiên hiện tượng. Người ta lấy sai số cho phép bằng 20% của biên độ nhiều năm của hiện tượng dự báo. Biên độ nhiều năm của hiện tượng nào đó được xác định bằng hiệu giữa giá trị cực đại và cực tiểu của hiện tượng đó quan trắc thấy qua nhiều năm. Trong chuỗi quan trắc dài hiệu này tính theo các giá trị lớn nhất và nhỏ nhất có mặt trong chuỗi. Đôi khi cách tính biên độ tự nhiên trên đây biểu lộ nhược điểm. Nếu lấy biên độ tự nhiên theo một chuỗi quan trắc kéo dài trong một khoảng thời gian nào đó ta được một giá trị của biên độ tự nhiên. Nhưng có thể gặp những trường hợp nếu ta lấy chuỗi quan trắc dài hơn thì nhận được một biên độ tự nhiên khác, lớn hơn hẳn so với biên độ nhận được trước đó. Như vậy xảy ra tình huống phương pháp dự báo vẫn không thay đổi mà "tự nhiên" hiệu quả dự báo tăng lên rất nhiều. Để tránh những sai lầm như vậy, khi xác định biên độ nhiều năm phải dựng đồ thị tần suất lặp lại của những giá trị khác nhau của hiện tượng trong cả chuỗi quan trắc dài. Nếu những giá trị lớn nhất và nhỏ nhất thuộc vào những giới hạn biến đổi có tần suất lặp lại rất nhỏ (chỉ một, hai lần trong toàn chuỗi quan trắc), thì không nên dùng chúng để tính biên độ nhiều năm mà dùng những giới hạn biến đổi liền bên cạnh có tần suất lặp lại lớn hơn.

Phương pháp khác để chọn sai số cho phép là dùng độ lệch bình phương trung bình của hiện tượng so với chuẩn - giá trị σ size 12{σ} {}.

Độ lệch bình phương trung bình tính theo công thức sau

σ=i=1n(ZiZˉ)2n1 size 12{σ= sqrt { { { Sum cSub { size 8{i=1} } cSup { size 8{n} } { \( Z rSub { size 8{i} } - { bar {Z}} \) rSup { size 8{2} } } } over {n - 1} } } } {},

trong đó Zi size 12{Z rSub { size 8{i} } - {}} {} giá trị quan trắc của hiện tượng; Zˉ size 12{ { bar {Z}} - {}} {} giá trị trung bình của hiện tượng theo toàn chuỗi quan trắc; n size 12{n - {}} {} số thành phần của chuỗi quan trắc.

Sau khi tính được độ lệch bình phương trung bình người ta chọn sai số cho phép bằng 0,674σ size 12{0,"674"σ} {}.

Sai số cho phép có giá trị quyết định trong việc xác định tính hiệu quả của phương pháp dự báo và đánh giá các dự báo phục vụ. Để dễ so sánh các phương pháp dự báo khác nhau người ta tính hiệu quả của phương pháp căn cứ vào một sai số cho phép thống nhất.

Trong khi dự báo thử cho chuỗi quan trắc cũng như dự báo phục vụ, dự báo được coi là đúng nếu sai số của dự báo bằng hoặc nhỏ hơn sai số cho phép. Những dự báo có sai số lớn hơn sai số cho phép coi như dự báo sai. Như vậy có thể có định nghĩa mới về độ đảm bảo và hiệu quả của phương pháp dự báo. Độ đảm bảo của phương pháp là tỷ số bằng phần trăm giữa số dự báo đúng và tổng số các dự báo. Hiệu quả của phương pháp là hiệu giữa độ đảm bảo của phương pháp và độ đảm bảo tự nhiên.

Đánh giá:
0 dựa trên 0 đánh giá

Tuyển tập sử dụng module này

Nội dung cùng tác giả
 
Nội dung tương tự