72
CHƯƠNG 3
KẾT QUẢ TÍNH TOÁN VÀ PHÂN TÍCH DỰ BÁO MƯA MÔ HÌNH HRM
Chương 3 tập trung đánh giá sai số hệ thống (Bias) theo không gian và thời gian
của dự báo mưa mô hình HRM trong 3 năm 2005, 2006 và 2007 kết hợp với những chỉ
tiêu đánh giá khác nhằm làm rõ hơn chất lượng dự báo mưa của mô hình HRM. Cuối
cùng là việc đánh giá, so sánh khả năng dự báo mưa vừa, mưa lớn của mô hình HRM
cho khu vực Đông Bắc Bộ trong một số hình thế gây mưa chính ở khu vực này.
3.1 Các kết quả tính toán
Với bộ số liệu mưa dự báo 24h của mô hình HRM và bộ số liệu quan trắc thực
tế tương ứng, chúng tôi đã tiến hành tính toán và phân tích trên bộ số liệu đó, kết quả
thu được như dưới đây:
- Các chỉ tiêu Bias, SD, MAE, RMSE trên biến liên tục đa cấp mưa
- Phân bố độc lập mưa dự báo và quan trắc theo 10 cấp
- Các chỉ tiêu ETS, P, HK, HSS trên biến rời rạc hai cấp mưa
- Các chỉ tiêu BE/10, TS, PosP, PreP trên biến rời rạc đa cấp mưa
- Các chỉ tiêu BE/10, TS, FAR, POD trên biến rời rạc 2 cấp mưa
- Chỉ tiểu Bias thể hiện sai số theo không gian.
- Phân bố mưa thực tế và mưa dự báo của mô hình HRM theo trung bình
ngày.
- Các trường hợp mưa lớn được xét riêng.
3.2 Phân tích chất lương sản phẩm dự báo
Để đánh giá sai số hệ thống dự báo mưa của mô hình HRM, chúng tôi tập trung
đi vào phân tích những thành phần sau: 73
- Sai số hệ thống, tính biến động của sai số
dự báo theo không - thời gian.

Trục hoành thể hiện các cấp mưa được
phân cấp, trục tung là trị số của các chỉ
tiêu thống kê
2005 75
2006
2007
Hình 3.1 Chỉ tiêu BIAS trên biến liên tục: 2005, 2006, 2007
Từ hình vẽ phân bố chỉ tiêu Bias qua ba năm 2005 đến 2007, ta có thể dễ dàng thấy là:
Trong tất cả các cấp mưa thì lượng mưa dự báo của mô hình HRM phần lớn đều
cao hơn thực tế, chỉ có cấp mưa 1 (0 – 6.35 mm) BIAS <0 (điều này cũng chỉ xảy ra
trong 3 tháng giữa mùa 7, 8 và 9), lượng mưa càng lớn (cấp mưa càng lớn) thì sai số
cũng càng lớn.
Chỉ số Bias không nhạy và không có nhiều hiệu quả với 2 tháng đầu và cuối
mùa mưa là tháng 6 và tháng 10. Trong hai tháng đó, mưa mô hình dự báo có quy luật
chung là luôn cao hơn mưa thực tế ở các cấp mưa và sai số đều tăng dần cùng với cấp
mưa.
Sai số lượng mưa dự báo trong 2 năm sau 2006, 2007 đã có sự cải thiện khá rõ
nếu so với năm 2005 đặc biệt là trong các tháng 7, 8, 9 và từ cấp mưa có lượng nhỏ 76
hơn 50 mm trở lại. Từ cấp mưa với lượng nhỏ hơn 50 mm, thì lượng mưa trung bình
tháng mô hình dự báo cao hơn thực tế chỉ khoảng 5 – 20 mm.
Tháng 10 là tháng có sai số lớn nhất, Bias >0 và tăng dần, nghĩa là mô hình luôn
dự báo mưa cao hơn thực tế.
Trong 2 năm 2006 và 2007, ở cấp mưa với lượng mưa 50 – 60 mm của một số
tháng, Bias nhỏ < 0 khá lớn, điều này là do trong những tháng đó, có một số trạm có


78
Năm 2007 cho thấy BE ổn định, không còn những trường hợp đặc biệt như hai
năm trước nhưng kết quả dự báo lại không tốt bằng hai năm trước do BE < 1 nhiều,
điều này cho thấy rằng mô hình đã bỏ qua, không dự báo được một số đợt mưa kể cả
những tháng giữa mùa mưa.
Khi xem xét chỉ tiêu sai số tuyệt đối trung bình (MAE) có thể thấy rằng trong 3
– 4 cấp mưa đầu tiên, giá trị của MAE rất ổn định, ngoài ra đường thể hiện MAE giữa
các tháng khá trùng khít nhau, từ cấp mưa 4 – 5 trở đi, MAE của các tháng đều có sự
biến động và tăng mạnh. Các đường biểu diễn MAE của các tháng từ những cấp mưa
này đều không gần sát nhau nữa, điều này cho thấy đối với các cấp mưa lớn, độ lớn
trung bình của sai số có sự khác biệt rất rõ qua từng tháng. Ngoài ra để đánh giá độ tin
cậy của mô hình, xem xét đồng thời hai chỉ số ME (sai số hệ thống) và MAE, ta thấy
rằng chúng rất sát nhau. Điều này cho ta biết rằng có thể dùng chỉ số Bias để hiệu
chỉnh sản phẩm dự báo một cách đáng tin cậy. Chỉ tiêu RMSE cũng hoàn toàn phù
hợp với MAE và độ biến động SD (độ biến động SD được trình bày ở phần phụ lục).
79
MAE 2005
RMSE 2005
MAE 2006
RMSE 2006 80
MAE 2007
RMSE 2007
Hình 3.3 Các chỉ tiêu MAE và RMSE trong 3 năm 2005, 2006 và 2007

Hình 3.4 Các chỉ tiêu MAE và RMSE trong 3 năm 2005, 2006 và 2007
Do số lượng hình vẽ rất nhiều nên chúng tôi chỉ lấy một số hình vẽ phân bố sai
số theo không gian 6 cấp mưa đầu của tháng 6/2005, những tháng sau đó sẽ chỉ trình
bày phân tích, hình vẽ sẽ được lưu ở phần phụ lục. 83
Trong tháng 6/2005, đối với cấp mưa 1 ta dễ dàng nhận thấy có sự đan xen giữa
các khu vực có Bias < 0 và các khu vực có Bias > 0. Hai khu vực có Bias < 0 lớn nhất
là Hà Giang và Quảng Ninh, nhưng đến các cấp mưa tiếp theo, từ cấp 2 đến cấp 4 thì
khu vực Hà Giang là có Bias < 0, ngoài ra khu Tây Bắc cũng bắt đầu có Bias<0 từ cấp
mưa thứ 2 trở đi. Các cấp mưa tiếp theo Bias luôn > 0. Tính theo trung bình tháng
6/2005 thì chỉ có Hà Giang là có Bias < 0 với chênh lệch lượng mưa dự báo thấp hơn
so với thực tế khoảng 20 – 25 mm.
Tháng 7/2005, khu vực có Bias < 0 nhiều nhất lại chủ yếu tập trung ở các tỉnh
ven biển từ Hải Phòng đến Quảng Ninh, riêng Hà Giang chỉ có ở cấp mưa 3 và 6 là
Bias < 0. Từ cấp mưa 7 trở đi, Bias > 0. Tháng 8/ 2005, Bias < 0 vẫn duy trì ở các tỉnh
ven biển và mở rộng ra phía đồng bằng ven biển và cũng chỉ xảy ra ở các cấp mưa nhỏ
hơn cấp 5. Tháng 9/2005, khu vực có Bias < 0 tiếp tục mở rộng về phía nam đồng
bằng, đặc biệt là các tỉnh ven biển Thái Bình, Nam Định ở các cấp mưa 2 và 3. Tháng
10/2005 Bias > 0 ở tất cả các cấp mưa.
Đến tháng 6/2006, về cơ bản khu vực Hà Giang vẫn có Bias < 0 nhưng chỉ ở
trong 3 cấp mưa đầu tiên. Đến tháng 7/2006, ở 3 cấp mưa đầu tiên khu vực Hà Giang
vẫn có bias < 0. Từ cấp mưa 2 trở lên, khu vực ven biển, đặc biệt là khu vực Móng Cái
(Quảng Ninh) Bias < 0. Sang cấp mưa 4, 5, Bias < 0 ở hầu hết các tỉnh vùng núi phía
Bắc và vùng núi Đông Bắc. Từ cấp mưa 6 thì Bias > 0. Trong tháng 8/2006, khu vực
các tỉnh ven biển Bắc Bộ tiếp tục có Bias âm, đồng thời đến cấp mưa 4 thì mở rộng ra
85
mưa dự báo trùng với vùng mưa quan trắc. Đặc tính của chỉ số này là nó rất nhạy với
các dự báo sự xuất hiện mưa đúng, nhưng nó không quan tâm tới các trường hợp không
dự báo được sự xuất hiện của hiện tượng và số lần dự báo sai. Chỉ số này không nói lên
nguồn gốc của sai số dự báo. Trong các mùa khác nhau, chỉ số này bị ảnh hưởng bởi
tần suất khí hậu của hiện tượng.
Hình dưới cho ta thấy ở mưa cấp 1 là cấp có tần suất mưa lớn nhất thì TS cũng
lớn nhất, còn ở các cấp mưa có tần suất nhỏ thì TS cũng thường nhỏ.
Trong các hình vẽ, màu vàng được ký
hiệu là tháng 6, màu hồng là tháng 7,
màu xanh lục là tháng 8, màu đỏ là
tháng 9, màu xanh lam là tháng 10.
Đường trung các tháng là đường màu
xanh lục liền nét. Trục hoành thể hiện
các cấp mưa được phân cấp, trục tung là
trị số của các chỉ tiêu thống kê
2005 86
2006
2007
Hình 3.5 Chỉ tiêu TS cho 10 cấp mưa ba năm 2005, 2006 và 2007
b) Chỉ tiêu TS của các cấp mưa phân đôi
Hình dưới là chỉ tiêu TS của các cấp mưa phân đôi (hai cấp liên tiếp). Ta thấy
với cách phân đôi này mức chính xác tương đối được cải thiện đáng kể. Một lần nữa ta
lại thấy đường cong TS của tháng 10 cứ như bị tách ra khỏi tập hợp. Điều này gợi cho
ta suy nghĩ là tháng 10 là tháng chuyển tiếp giữa mùa mưa và mùa khô, do đó TS của

hiệu là tháng 6, màu hồng là tháng 7, màu
xanh lục là tháng 8, màu đỏ là tháng 9,
màu xanh lam là tháng 10. Đường trung
các tháng là đường màu xanh lục liền nét.
Trục hoành thể hiện các cấp mưa được
phân cấp, trục tung là trị số của các chỉ
tiêu thống kê
2005 89
2006
2007
Hình 3.7 Xác suất hậu nghiệm – POSP cho toàn bộ 10 cấp mưa ba năm 2005, 2006 và
2007
Từ các hình vẽ biểu diễn giá trị Posp qua ba năm 2005, 2006 và 2007 ta thấy
rằng chỉ ở cấp mưa đầu tiên Posp có giá trị tốt, đến cấp mưa thứ 2 Posp đã có sự giảm
đột ngột trong cả 3 năm đánh giá, và từ cấp mưa thứ 2 trở đi, giá trị trung bình của
Posp đều nhỏ hơn 0.1. Nếu xét riêng cho từng năm thì thấy là trong năm 2005, ở tất cả
các tháng Posp khá ổn định, tháng 6 và tháng 10 có Posp thấp nhất và chúng = 0 từ cấp
mưa thứ 5 trở đi. Năm 2006 Posp có sự trồi sụt ổn định, cứ một cấp mưa Posp = 0 thì ở
cấp mưa sau Posp = 0.1, tuy nhiên năm 2006 cũng là năm có Posp kém nhất khi Posp
chỉ cho giá trị đến cấp mưa thứ 7. Sang năm 2007, tuy Posp vẫn có giá trị thấp nhưng
vẫn có giá trị tham khảo trên toàn bộ 10 cấp mưa, đặc biệt trong tháng 10 từ cấp mưa 6
trở lại, Posp cho giá trị khá tốt so với 2 năm trước đó. 90
Xác suất nhận biết PreP cho chúng ta thấy được khả năng mà mô hình có thể
nhận biết/ dự báo được khả năng xuất hiện một hiện tượng thời tiết nào đó hay không,

92
đến tận cấp mưa bằng 5. Năm 2007, chỉ còn tháng 7 và tháng 9 là là có FAR ổn định,
tháng 8 FAR lại khá cao, điều đáng chú ý ở đây là hai tháng 6 và 10, FAR đã cải thiện
rõ rệt và không còn tình trạng “no skill – vô kỹ năng” nữa. Tóm lại khi xét đến chỉ tiêu
FAR ta có thể thấy được những vấn đề sau:
Chỉ số FAR trong tất cả các tháng và ở tất cả các cấp mưa đều có giá trị khá lớn,
điều này cho thấy là phần trăm “báo động sai” là khá nhiều.
Tháng 7 và tháng 9 có FAR ổn định nhất và chất lượng nhất so với các tháng
còn lại, tháng 6 và tháng 10 có FAR rất cao.
Càng về sau, chất lượng dự báo ở tháng 6 và tháng 10 càng tăng lên, chỉ số FAR
tháng 10 năm 2007 được cải thiện khá nhiều và không còn xảy ra tình trạng “no skill –
vô kỹ năng” như trong năm 2005 nữa. Từ đó ta thấy rằng mô hình HRM liên tục được
cải tiến và đem lại những hiệu quả rõ rệt.
Trong các hình vẽ, màu vàng được ký
hiệu là tháng 6, màu hồng là tháng 7,
màu xanh lục là tháng 8, màu đỏ là
tháng 9, màu xanh lam là tháng 10.
Đường trung các tháng là đường màu
xanh lục liền nét. Trục hoành thể hiện
các cấp mưa được phân cấp, trục tung là
trị số của các chỉ tiêu thống kê
2005 93
2006
2007
Hình 3.9 Chỉ tiêu FAR cho các cấp mưa phân đôi 2005, 2006, 2007
Đối với chỉ tiêu POD, chỉ tiêu POD càng ở những cấp mưa nhỏ thì càng tốt, xác
suất dự báo đúng càng cao, ở những cấp mưa lớn, POD giảm mạnh và tiến dần về “no

với số trường hợp ở các cấp mưa nhỏ hơn, làm cho P% tăng lên đáng kể, vì vậy độ
chính xác cao tới trên 80 – 90% là không đáng tin cậy. Song dù cho chúng có nhược
điểm như vậy, nhưng vẫn cho chúng ta một nhận thức trực giác là chất lượng mô hình
tuy chưa cao, nhưng ổn định, có thể khai thác sử dụng trong thực tế.
Trong các hình vẽ, màu vàng được ký
hiệu là tháng 6, màu hồng là tháng 7, màu
xanh lục là tháng 8, màu đỏ là tháng 9,
màu xanh lam là tháng 10. Đường trung
các tháng là đường màu xanh lục liền nét.
Trục hoành thể hiện các cấp mưa được
phân cấp, trục tung là trị số của các chỉ
tiêu thống kê

2005 96

2006

2007
Hình 3.11 Chỉ tiêu P% cho các cấp mưa phân đôi 2005, 2006, 2007
Để tự tin vào sự ổn định của chất lượng dự báo, ta có thể tham khảo các chỉ tiêu
HSS ở các hình dưới đây. Trong cả 3 năm, chúng đều có phân bố gần giống TS và đều
> 0 ở tất cả các cấp mưa, nghĩa là kết quả dự báo của mô hình tốt hơn dự báo ngẫu
nhiên. Mặt khác, HSS có giá trị thấp chủ yếu ở hai tháng đầu và cuối mùa mưa (tháng
6 và tháng 10), Còn trong 3 tháng còn lại HSS đều cho kết quả khá tốt, đặc biệt là trong
5 cấp mưa đầu tiên. Tháng 9 là tháng mà HSS đạt kết quả tốt nhất.