CHƯƠNG 2 HOÀN THIỆN VÀ PHÁT TRIỂN CÁC MÔ HÌNH THỦY LỰC
3.3. Nghiên cứu ứng dụng phương pháp lọc Kalman để hiệu chỉnh dự báo lũ
Lọc Kalman đã được nghiên cứu và ứng dụng trong bài toán hiệu chỉnh sau mô hình từ hơn 20 năm trở lại đây tại nhiều trung tâm dự báo quốc tế. Tại Việt Nam, lọc Kalman cũng đã bắt đầu được nghiên cứu cho bài toán dự báo thủy văn từ năm 1990.
Lọc Kalman được phát triển vào những năm 1960 bởi nhà thống kê R. E.
Kalman là một công cụ được sử dụng khá phổ biến trong thống kê toán học và lý thuyết hiệu chỉnh. Về cơ bản, lọc Kalman được dựa trên lý thuyết xác suất và đặc trưng của các biến ngẫu nhiên tuân theo phân bố Gauss (hay còn gọi là các nhiễu trắng-white noise). Mục đích của lọc Kalman là cực tiểu hóa sự biến thiên của một vectơ trạng thái bằng cách sử dụng phép toán đệ quy cổ điển: ước lượng trạng thái mới từ ước lượng trước đó bằng cách cộng thêm một số hạng hiệu chỉnh tỷ lệ với sai số dự báo. Cụ thể, ta xét sự tiến triển của một vectơ trạng thái X theo thời gian như sau:
) ( ) ( ) ( ) ( ) 1
(t At X t b t t
X + = + +ω (3.3.1)
Trong đó X chính là vectơ trạng thái mà chúng ta dự định sẽ ước lượng, A(t) là ma trận dịch chuyển đối xứng đã được biết của quá trình, b(t) là ma trận điều khiển (như là nhập lượng của hệ thống) và ω(t) là nhiễu quá trình ngẫu nhiên có
phân bố Gauss và ma trận hiệp biến đã biết rω(t). Nhiễu ngẫu nhiên ω(t) là độc lập với vectơ trạng thái X(t).
Chương trình tính toán lọc Kalman được gọi trong môđun chính: môđun KalmanRun. Môđun này có nhiệm vụ mô phỏng các bước tính toán Kalman dưới dạng ngôn ngữ máy tính.
3.3.2. Ứng dụng Lọc Kalman cho mô hình MARINE, IMECH-1D và IMECH- HYDROLOGY, mô hình 5 ngày
1. Ứng dụng lọc KALMAN cho MARINE
Phương pháp lọc Kalman có thể ứng dụng tại các bước khác nhau trong một mô hình nhằm hiệu chỉnh sai số giữa mô phỏng tính toán và thực tế thấp nhất như:
ứng dụng Kalman hiệu chỉnh số liệu đầu vào mô hình (model input), hiệu chỉnh trạng thái trong mô hình (in model) và hiệu chỉnh hậu mô hình (model output ).
Hai hướng tiếp cận đầu khá phức tạp, mô hình MARINE đã lựa chọn phương thức ứng dụng KALMAN xử lý hậu mô hình là phương thức đơn giản nhất để thử nghiệm trong nghiệp vụ. Mô hình MARINE sau khi vận hành thực hiện kết xuất lưu lượng tại 5 vị trí dự báo: Mường Tè, Lai Châu, Quỳnh Nhai, Tạ Bú và Hòa Bình.
Môđun lọc Kalman được kích hoạt đồng hóa số liệu sau đó đưa ra kết quả tính toán dự báo dòng chảy tại 5 vị trí này.
Quá trình thực đo và dự báo lưu lượng đến hồ Hòa Bình từ 12-20/VII/2008
0 2000 4000 6000 8000 10000 12000 14000
12/07/08 13/07/08 13/07/08 14/07/08 14/07/08 15/07/08 15/07/08 16/07/08 16/07/08 17/07/08 17/07/08 18/07/08 18/07/08 19/07/08 19/07/08 20/07/08
HB thực đo HB Tính toán_KalMan_HRM
HB Tính toán_KalMan_BOLAM HB Tính toán_KalMan_ETA
Quá trình thực đo và dự báo lưu lượng đến hồ Hòa Bình từ19-27/VII/2008
2000 3000 4000 5000 6000 7000 8000 9000 10000 11000
19/07/2008 20/07/2008 20/07/2008 21/07/2008 21/07/2008 22/07/2008 22/07/2008 23/07/2008 23/07/2008 24/07/2008 24/07/2008 25/07/2008 25/07/2008 26/07/2008 26/07/2008 27/07/2008
HB thực đo HB Tính toán_Kalman-HRM
HB Tính toán_Kalman-BOLAM HB Tính toán_Kalman-ETA
Hình 3.11. Quá trình thực đo và dự báo lưu lượng đến hồ Hòa Bình từ 12-20/VII/2008 có
hiệu chỉnh theo lọc Kalman
Hình 3.12. Quá trình thực đo và dự báo lưu lượng đến hồ Hòa Bình từ 19-27/VII/2008
có hiệu chỉnh theo lọc Kalman 2. Ứng dụng lọc KALMAN cho IMECH-1D
Cách thức ứng dụng lọc KALMAN cho IMECH-1D được thực hiện giống trong mô hình MARINE tức là xử lý hậu mô hình tại các vị trí Hà Nội, Sơn Tây, Phả Lại.
Hình 3.13. Quá trình thực đo và dự báo có sử dụng lọc KALMAN tại Hà Nội
3. Ứng dụng lọc KALMAN cho Imech_Hydrology
Sau đây là một số kết quả dự báo bằng Imech_Hydrology trên sông Đà có sử dụng lọc KALMAN
Đường quá trình dự báo lưu lượng tại Lai Châu ngày 01/07/2008 (12h)
1350 1550 1750 1950 2150 2350 2550 2750
1 6 11 16 21 26 31 36
Thời gian (h)
Lưu lượng (m3/s)
Thực đo trước Thực đo sau Dự báo Dự báo có hiệu chỉnh kalman
Đường quá trình dự báo lưu lượng tại Bản Củng ngày 01/07/2008 (12h)
3100 3105 3110 3115 3120 3125 3130 3135 3140
1 6 11 16 21 26 31 36
Thời gian (h)
Lưu lượng (m3/s)
Thực đo trước Thực đo sau Dự báo
Dự báo có hiệu chỉnh kalman
Hình 3.14. Đường so sánh dự báo và thực đo
lưu lượng tại Lai Châu ngày 1/7/2008 Hình 3.15. Đường so sánh dự báo và thực đo lưu lượng tại Bản Củng ngày 1/7/2008 4. Ứng dụng phần mềm hiệu chỉnh lọc Kalman vào công nghệ dự báo lũ 5 ngày (F5D) trên hệ thống sông Hồng
Phần mềm hiệu chỉnh lọc Kalman đã được tích hợp vào công nghệ dự báo lũ 5 ngày với nhiệm vụ chính là đồng hóa dữ liệu trong mô hình tại 12 điểm ứng với 12 vị trí trên các lưu vực sông Đà, Thao, Lô.
Hình 3.16. Quá trình thực đo và dự báo mực nước có hiệu chỉnh Kalman trạm Nậm Giàng (dự báo 5 ngày)
Nhận xét: Các kết quả dự báo theo các mô hình MARINE, IMECH-1D, IMECG-HYDROLOGY, Mô hình 5 ngày được hiệu chỉnh bằng Lọc Kalman cho thấy phù hợp với thực đo hơn rất nhiều (Các hình 3.13, 3.14,..3.16)