Hiệu chỉnh sản phẩm dự báo từ mô hình GMS và mô hình IFS bằng phương pháp MOS và lọc Kalman - Bản tin KHCN&HTQT Quý III năm 2019

Đăng ngày: 18-09-2019 | Lượt xem: 52
Sử dụng phương pháp MOS và lọc Kalman là một trong những mục tiêu xây dựng hướng dẫn thời tiết cho các thành phần (nhiệt độ, mưa, thời tiết) thuộc dự án JICA của Nhật Bản nhằm tăng cường năng lực dự báo thời tiết và cảnh báo sớm mưa, lũ. Sử dụng hai phương pháp thống kê MOS và lọc Kalman để hiệu chỉnh nhiệt độ tối cao (Tmax) và nhiệt độ tối thấp (Tmin) từ sản phầm đầu ra của mô hình GSM/IFS. Kết quả cho thấy, nhìn chung, giá trị sau khi hiệu chỉnh là khá tốt và có thể ứng dụng phương pháp này vào dự báo nghiệp vụ trong

Mục tiêu ban đầu đề ra là xây dựng phương trình hồi quy từ bộ dữ liệu quan trắc (Obs) và GPV (giá trị điểm lưới) 2 tháng trước đó, sau đó áp dụng phương trình cho tháng tiếp theo. Với 2 nguồn số liệu chính bao gồm:

- Số liệu quan trắc Tmax/Tmin từ 22 trạm trên khu vực Bắc Trung Bộ trong khoảng thời gian 2 tháng quá khứ. Tiến hành trích xuất số liệu Tmax/Tmin và chuyển đổi chúng thành từng tệp CSV.

- Thu thập giá trị bề mặt của GSM/IFS trong 2 tháng quá khứ gồm: Tsfc (nhiệt độ), Usfc (gió vĩ hướng), Vsfc (Gió kinh hướng), Fsfc (Hướng gió), Hsfc (Độ ẩm), Rain06 (Mưa tích lũy 6h) với hạn dự báo 3 ngày. Đối với mô hình GSM, giá trị xuất ra 3h/lần dưới dạng lưới 0.250x0.250. Đối với mô hình IFS, giá trị xuất ra 6h/lần dưới dạng lưới 0.50x0.50. Tiến hành trích xuất dữ liệu GPV của điểm gần nhất với từng trạm.

Từ bộ số liệu 2 tháng trong quá khứ, tìm mối tương quan giữa Obs và giá trị dự báo GPV. Nhận thấy, Tsfc và Obs có mối tương quan tốt nhất so với các yếu tố dự báo còn lại. Chính vì vậy, tác giả sử dụng Tsfc như một công cụ dự báo ứng dụng phương pháp MOS và lọc Kalman và sử dụng phương pháp đánh giá bằng các chỉ số thống kê là sai số trung bình (ME), sai số quân phương (RMSE).

Phương pháp MOS là phương pháp xây dựng phương trình hồi quy tuyến tính giữa số liệu quan trắc và giá trị mô hình GSM/IFS, kết quả tìm được phương trình hồi quy, sau đó áp dụng phương pháp cho tháng tiếp theo. Sau đây là kết quả đánh giá khi sử dụng phương pháp MOS để hiệu chỉnh Tmax và Tmin trong giai đoạn tháng 5 - 6/2019 cho trạm Vinh. Nhìn chung, giá trị hiệu chỉnh theo MOS và dự báo từ GSM đều nắm bắt được những biến động tăng giảm của giá trị Tmax và Tmin quan trắc.

Đối với Tmax, giá trị MOS gần với quan trắc hơn so với giá trị dự báo từ GSM. Khi đánh giá cả 2 chuỗi giá trị này so với quan trắc, ME đều có giá trị âm (-1) và (-3.3), cho thấy, giá trị quan trắc có xu hướng cao hơn so với giá trị dự báo và hiệu chỉnh. Các chỉ số sai số ME và RMSE khi đánh giá trên giá trị MOS đều bé hơn nhiều so với giá trị từ GSM. Chứng tỏ, hiệu chỉnh Tmax bằng phương pháp MOS cho kết quả tốt hơn so với dự báo từ mô hình GSM.

Đới với Tmin, khi đánh giá cả 2 chuỗi giá này so với quan trắc, ME đều có giá trị âm (-0.48) và (-0.024), cho thấy, giá trị quan trắc có xu hướng lớn hơn so với giá trị dự báo và hiệu chỉnh. Các chỉ số sai số ME và RMSE khi đánh giá trên giá trị MOS đều lớn hơn so với giá trị từ GSM. Chứng tỏ, hiệu chỉnh Tmin bằng phương pháp MOS cho kết quả kém hơn so với dự báo từ mô hình GSM.

Kết quả dự báo Tmax trạm Vinh trên chuỗi số liệu tháng 5 -6/2019  với quan trắc (đường màu đen), hướng dẫn MOS (đường màu đỏ) và GPV từ mô hình GSM (đường màu xanh) (Nguồn: Sản phẩm từ đài Khí tượng Thủy văn Bắc Trung Bộ)

Kết quả dự báo Tmin trạm Vinh trên chuỗi số liệu tháng 5 - 6/2019  với quan trắc (đường màu đen), hướng dẫn MOS (đường màu đỏ) và GPV từ mô hình GSM (đường màu xanh) (Nguồn: Sản phẩm từ đài Khí tượng Thủy văn Bắc Trung Bộ)

Phương pháp lọc Kalman là kỹ thuật cập nhật liên tiếp các hệ số của phương trình hướng dẫn dựa trên mối quan hệ giữa kết quả dự báo và quan trắc. Sau đây là một kết quả đánh giá khác khi sử dụng phương pháp lọc Kalman để hiệu chỉnh Tmax và Tmin trong giai đoạn tháng 5 - 6/2019 cho trạm Vinh. Nhìn chung, giá trị hiệu chỉnh theo hướng dẫn Kalman và dự báo từ GSM đều nắm bắt được những biến động tăng giảm của giá trị Tmax và Tmin. Khi đánh giá cả 2 chuỗi giá trị này so với quan trắc, ME đều có giá trị âm, như vậy giá trị quan trắc có xu hướng lớn hơn so với giá trị dự báo. Các chỉ số sai số ME và RMSE khi đánh giá trên giá trị Kalman đối với Tmax và Tmin đều bé hơn nhiều so với giá trị từ GSM. Chứng tỏ, hiệu chỉnh Tmax và Tmin bằng phương pháp lọc Kalman cho kết quả tốt hơn nhiều so với dự báo từ mô hình GSM.

Kết quả dự báo Tmax trạm Vinh trên chuỗi số liệu tháng 5 - 6/2019  với quan trắc (đường màu đen), hướng dẫn Kalman (đường màu đỏ) và GPV từ mô hình GSM (đường màu xanh) (Nguồn: Sản phẩm từ đài Khí tượng Thủy văn Bắc Trung Bộ)

Kết quả dự báo Tmin trạm Vinh trên chuỗi số liệu tháng 5 - 6/2019  với quan trắc (đường màu đen), hướng dẫn Kalman (đường màu đỏ) và GPV từ mô hình GSM (đường màu xanh) (Nguồn: Sản phẩm từ đài Khí tượng Thủy văn Bắc Trung Bộ)

Khi sử dụng 2 phương pháp MOS và lọc Kalman để hiệu chỉnh Tmax và Tmin, nhận thấy, các chỉ số đánh giá sai số khi hiệu chỉnh bằng phương pháp lọc Kalman đều cho kết quả tốt hơn so với phương pháp MOS. Bên cạnh đó, giá trị hiệu chỉnh bằng phương pháp lọc Kalman cho kết quả khá sát so với quan trắc trong giai đoạn suốt 2 tháng. Tuy nhiên, giá trị hiệu chỉnh bằng phương pháp MOS lại cho kết quả tốt ở những thời gian đầu trong giai đoạn 2 tháng hiệu chỉnh. 

Như vậy, có thể thấy, kết quả hiệu chỉnh sản phẩm dự báo từ mô hình GMS/IFS bằng phương pháp MOS và lọc Kalman là khá tốt và có thể ứng dụng phương pháp này vào dự báo nghiệp vụ trong tương lai. Trong đó, phương pháp lọc Kalman cho kết quả tốt hơn so với phương pháp MOS.

Cn Hoàng Thị Thu Hương; Th.s Trần Quỳnh Trang;

Phòng Dự báo KTTV, Đài KTTV khu vực Bắc Trung Bộ

Vụ KHQT (Tổng hợp)

  Ý kiến bạn đọc

Tin tức liên quan: