Download miễn phí Luận văn Đánh giá sai số hệ thống dự báo mưa của mô hình HRM cho khu vực đông bắc bộ
MỤC LỤC
MỞ ĐẦU
CHƯƠNG 1. KHÁI QUÁT VỀ MÔ HÌNH HRM VÀ VẤN ĐỀ ĐÁNH GIÁ CHẤT
LƯỢNG DỰ BÁO THỜI TIẾT.1
1.1. Giới thiệu tóm tắt mô hình HRM (High resolution regional model) ở Trung
tâm dự báo KTTV Trung Ương.1
1.1.1. Khái quát về mô hình HRM.1
1.1.2. Chạy mô hình HRM với các số liệu ban đầu và số liệu biên từ ba mô hình
toàn cầu khác nhau. 2
1.2. Khái quát về bài toán đánh giá chất lượng dự báo thời tiết. 5
1.2.1 Mục đích và ý nghĩa của đánh giá dự báo.6
1.2.2 Mô hình đánh giá chung cho các yếu tố dự báo thời tiết.7
1.2.3 Các yếu tố dự báo.11
1.2.4 Các điểm số dùng trong đánh giá. 12
1.3 Mô hình đánh giá sản phẩm dự báo số trị.14
1.4. Các đặc trưng đánh giá.17
1.4.1. Độ chính xác.17
1.4.2. Kỹ năng dự báo.18
1.4.3 Độ tin cậy.18
1.4.4. Độ phân giải.18
1.4.5. Độ biến động.19
1.5. Các phương pháp đánh giá sản phẩm dự báo số.19
1.5.1. Những nguyên nhân sai số dự báo bằng mô hình số.19
1.5.2. Một số định nghĩa.20
1.5.3. Phương pháp đánh giá với biến liên tục.22
1.5.4. Phương pháp đánh giá với dự báo pha.28
CHƯƠNG 2. SỐ LIỆU VÀ PHƯƠNG PHÁP ĐÁNH GIÁ DỰ BÁO BÁO MƯA
MÔ HÌNH HRM. . .34
2.1. Số liệu.34
2.1.1 . Số liệu mưa quan trắc và thực tế.34
2.1.2. Số liệu mưa dự báo của mô hình HRM.37
2.2. Phương pháp đánh giá dự báo mưa của mô hình HRM.38
2.2.1 . Đánh giá khi xem mưa là biến liên tục.38
2.2.2. Đánh giá mưa khi phân lượng mưa ra đa cấp rời rạc.38
2.2.3. Đánh giá mưa khi phân lượng mưa ra 2 cấp một.41
2.3 Căn cứ phân loại hình thế synốp chính gây mưa khu vực Đông Bắc Bộ.43
2.3.1 . Cơ sở phân loại hình thế synốp và các tác nhân gây mưa khu vực Đông Bắc Bộ.43
2.3.2. Đặc trưng và mô phỏng các loại hình thế thời tiết gây mưa ở khu vực Đông Bắc Bộ.47
2.4. Thống kê về các ngày có mưa lớn diện rộng và các hình thế gây ra mưa lớn
diện rộng trong ba năm 2005, 2006 và 2007 ở khu vực Đông Bắc Bộ.61
CHƯƠNG 3. KẾT QUẢ TÍNH TOÁN VÀ PHÂN TÍCH DỰ BÁO MƯA MÔ
HÌNH HRM.65
3.1. Các kết quả tính toán.65
3.2. Phân tích chất lượng sản phẩm dự báo.65
3.2.1. Phân tích sai số hệ thống Bias.66
3.2.2. Về những chỉ tiêu thống kê khác.76
KẾT LUẬN .
TÀI LIỆU THAM KHẢO .
Để tải bản Đầy Đủ của tài liệu, xin Trả lời bài viết này, Mods sẽ gửi Link download cho bạn sớm nhất qua hòm tin nhắn.
Ai cần download tài liệu gì mà không tìm thấy ở đây, thì đăng yêu cầu down tại đây nhé:
Nhận download tài liệu miễn phí
Tóm tắt nội dung tài liệu:
ố khácnhau. Một dự báo hoàn hảo sẽ chỉ cho ta “dự báo trúng” và “đúng yếu”; không cho
“báo động sai” và “dự báo sai”.
Dao động của con số thống kê được tính toán từ các yếu tố trong bảng liên hợp
để mô tả mặt nào đó của dự báo. Chúng ta sẽ minh họa các con số thống kê này bằng
các ví dụ. Giả thiết, trong một năm, số ngày mưa theo dự báo và quan trắc được cho
trong bảng liên hợp dưới đây:
Bảng 1.4: Phân bố mưa dựa vào bảng tổng hợp đánh giá
Quan trắc
Pha Có Không Tổng
Có 82 38 120
Không 23 222 245 Dự báo
Tổng 105 260 365
Con số thống kê tuyệt đối có thể được tính toán từ bảng liên hợp có/không và
được biểu diễn bởi các điểm số cho dưới đây.
1.5.4.1 Phần trăm đúng (Percent correct - PC)
Điểm số PC được tính bằng tỷ số giữa tổng số lần dự báo đúng trên tổng số lần
dự báo.
38
1002211
T
NN
PC (1.21)
Giá trị của PC nằm trong khoảng 0 ≤ PC ≤ 1. PC = 1, nghĩa là dự báo hoàn hảo.
Từ bảng 3.2 ta có: %83100
365
22282
PC , nghĩa là dự báo chính xác 83%
so với tổng số trường hợp dự báo.
1.5.4.2 Tỷ lệ báo sai (False alarm ratio)
Điểm số FAR được tính bằng tỷ số giữa số trường hợp dự báo có nhưng trên
thực tế lại không xảy ra so với tổng số trường hợp dự báo có.
2111
21
NN
N
FAR
(1.22)
Giá trị của FAR nằm trong khoảng 0 ≤ FAR ≤ 1. Giá trị hoàn hảo của FAR là
bằng 0 khi mô hình dự báo là hoàn hảo.
Điểm số FAR rất nhạy đối với “báo động sai” nhưng không nhạy đối với “dự
báo sai”. Và điểm số này không quyết định trực tiếp đến chất lượng dự báo.
Ví dụ lấy từ bảng 3.2: 32.0
3882
38
FAR , nghĩa là 1/3 trường hợp dự báo là
mưa nhưng thực tế quan trắc lại không như vậy.
1.5.4.3 Xác suất phát hiện hiện tượng (Probability of Detection of Event)
Điểm số POD được tính bằng tỷ số giữa “thành công” với tổng số lần quan trắc
thấy xuất hiện sự kiện. Điều đó có nghĩa là dự báo đúng bao nhiêu phần trăm so với
thực tế.
2111
11
NN
N
POD
(1.23)
39
Giá trị POD nằm trong khoảng 0 ≤ POD ≤ 1. Trong trường hợp POD = 1 thì mô
hình dự báo là hoàn hảo.
Ta lưu ý một điều rằng, điểm số POD rất nhạy đối với “dự báo trúng”, không
nhạy đối với “báo động sai”. Có thể giả định tăng thêm dự báo “có” để làm tăng tỷ lệ
dự báo đúng, và dĩ nhiên tỷ lệ dự báo sai sẽ thấp đi. Điểm số này thường được dùng kết
hợp với điểm số FAR.
Từ bảng 3.2 ta có: 78.0
282
82
POD , nghĩa là khoảng 3/4 trường hợp quan
trắc thấy mưa được dự báo chính xác.
1.5.4.4 Độ lệch (Bias)
Độ lệch ở đây được ký hiệu là BE để phân biệt với độ lệch ở biến liên tục ký
hiệu là BIAS, được tính bằng tổng số trường hợp dự báo có xuất hiện sự kiện trên tổng
số trường hợp quan trắc có xuất hiện sự kiện:
BE = (N11+N12)/(N11+N21 ) (1.24)
BE có giá trị biến thiên từ 0 đến ∞. Dự báo là hoàn hảo khi điểm số BE bằng 1.
Thông thường hệ thống dự báo có xu hướng dự báo thấp (BE<1) hay dự báo
vượt quá (BE>1). Độ lệch không xác định mức độ tương quan giữa dự báo và quan
trắc, nó chỉ xác định dựa trên mối tương quan về mặt tần suất.
Ví dụ về điểm số này, BE =(82+38)/(82+23) , nghĩa là dự báo mưa có xảy ra lớn
hơn so với thực tế.
1.5.4.5 Điểm số báo hiệu (Threat Score)
40
Điểm số TS là tỷ số giữa “dự báo trúng” với miền giao bởi dự báo “có” và quan
trắc “có”. Điểm số được tính bởi công thức sau:
211211
11
NNN
N
TS
(1.25)
Giá trị TS nằm trong khoảng 0 ≤ TS ≤ 1. TS nói lên mức độ trùng khít giữa
vùng dự báo và vùng quan trắc. TS = 1 có nghĩa là dự báo là hoàn hảo, vùng được dự
báo trùng khít với vùng thám sát. Ưu điểm của TS so với FAR và POD là ở chỗ nó
chịu ảnh hưởng bởi cả “báo động sai” và “dự báo sai”.
Ví dụ với số liệu lấy từ bảng 3.2 ta có: 57.0
382382
82
TS , nghĩa là hơn
một nửa trường hợp mưa (dự báo và/hay quan trắc) được dự báo chính xác.
Như vậy, chương 1 đã khái quát lên những nội dung chủ yếu trong các bài toán
đánh giá nói chung cũng như những bài đoán đánh giá cho các sản phẩm của mô hình
dự báo thời tiết số nói riêng. Trên cơ sở những lý thuyết đó, chương hai sẽ đề cập đến
các vấn đề về số liệu và đánh giá dự báo mưa cho mô hình số HRM một cách chi tiết.
41
CHƯƠNG 2
SỐ LIỆU VÀ PHƯƠNG PHÁP ĐÁNH GIÁ DỰ BÁO MƯA MÔ HÌNH
HRM
Chương 2 giới thiệu về bộ số liệu thực tế và dự báo của mô hình HRM, phương
pháp đánh giá chất lượng dự báo mưa của mô hình HRM, trong đó chú trọng đến sai số
hệ thống; đồng thời giới thiệu cơ sở khoa học của việc thống kê các hình thế synôp gây
mưa ở Bắc Bộ, phục vụ cho việc phân tích các kết quả đánh giá sai số.
2.1 Số liệu
2.1.1 Số liệu mưa quan trắc và thực tế
2.1.1.1 Khu vực đánh giá và trạm đo mưa trong khu vực
Để tiến hành đánh giá sai số hệ thống mưa của mô hình HRM, chúng tui tiến
hành đánh giá cho khu vực phía Đông Bắc Bộ trong 5 tháng mùa mưa từ tháng 6 đến
tháng 10 trong vòng 3 năm gần đây nhất: 2005, 2006, 2007. Việc chỉ chọn khu vực
Đông Bắc Bộ để đánh giá vì khu vực phía Đông Bắc Bộ có mật độ trạm khí tượng dày
nhất, đủ đáp ứng tiêu chuẩn của tổ chức khí tượng thế giới (WTO) quy định về mật độ
trạm, trong khi khu vực phía Tây chủ yếu là vùng núi nên mật độ trạm thưa thớt hơn rất
nhiều.
Vị trí địa lý khu vực Đông Bắc Bộ bao gồm ba khu vực nhỏ hơn: khu vực Việt
Bắc, khu vực Đông Bắc và Đồng Bằng Bắc Bộ. Hình dưới là diện tích khu vực được
tiến hành đánh giá.
42
104 104.5 105 105.5 106 106.5 107 107.5 108
20
20.5
21
21.5
22
22.5
23
Hình 2.1 Khu vực địa lý phía Đông Bắc Bộ
2.1.1.2 Số liệu mưa quan trắc và xử lý số liệu mưa
Trong chương này, các tập số liệu được đưa vào kiểm tra, đánh giá là số liệu
mưa quan trắc thực tế của 51 trạm Khí tượng (thuộc khu vực Đông Bắc Bộ) phát báo
hàng ngày ở Trung tâm dự báo Khí tượng thủy văn Trung Ương và sản phẩm dự báo
24h của các tháng từ 6 – 10, các năm 2005, 2006, 2007 từ mô hình HRM chạy nghiệp
vụ hàng ngày. Tuy nhiên, có khoảng mười trạm: Bắc Mê, Bắc Quang, Hàm Yên, Tam
Đảo, Định Hóa, Bảo Lạc, Trùng Khánh, Bắc Sơn, Đình lập, Uông Bí, Hiệp Hòa, Ba Vì,
Cúc Phương đến tận năm 2008 mới phát báo số liệu nghiệp vụ nên chúng tui thu thập
số liệu của những trạm này từ Trung Tâm Tư Liệu KTTV. Số liệu mưa dự báo của mô
hình HRM được lấy là số liệu mưa tích lũy dự báo thời hạn 24 giờ từ phiên bản có độ
phân giải 14 km . Số liệu này đã được mô hình nội suy về vị trí các trạm quan trắc cho
trước. Việc tổ chức số liệu được thể hiện ở các file dữ liệu lưu, trong đó các file đều có
cột “số thứ tự trạm”, kinh độ và vĩ độ trạm, các ngày trong tháng.
Sau khi phân tích mật độ trạm khí tượng đo mưa trên khu vực Đông Bắc Bộ
theo phương pháp chung, chúng tui rút ra được một số nhận xét sau:
43
Mật độ trạm cho toàn khu vực vào khoảng 513 km2/1 t...