Mô hình hóa môi trường - Chương 2 pdf

Bài giҧng môn hӑc MÔ HÌNH HÓA MÔI TRѬӠNG Trѭӡng Ĉҥi hӑc Cҫn Thѫ


TS. Lê Anh Tuҩn
9
Chѭѫng 2. PHÂN LOҤI VÀ TIӂN TRÌNH MÔ HÌNH
2.1 Phân loҥi mô hình
2.1.1 Mөc ÿích phân loҥi mô hình
Có nhiӅu cách phân loҥi mô hình môi trѭӡng, viӋc phân loҥi có thӇ dӵa vào ÿһc ÿiӇm tính
toán, cách mô phӓng, phѭѫng pháp vұn hành, phép so sánh hoһc dӵa vào giҧÿӏnh. ViӋc
phân loҥi mô hình nhҵm:
 ThӇ hiӋn ý tѭӣng kiӇu mô phӓng nào ÿѭӧc sӱ dөng
 Trình bày phѭѫng pháp và mӭc ÿӝ toán hӑc ӭng dөng
 BiӇu hiӋn dҥng xuҩt kӃt quҧ cӫa mô hình
 ĈӅ xuҩt loҥi dӳ liӋu nào cҫ
n ÿѭa vào ÿӇ có thông tin
 Ĉӏnh danh thành phҫn nào trong hӋ thӕng cҫn mô phӓng
2.1.2 Các nhóm mô hình
Mӝt mô hình có thӇ có các tên gӑi khác nhau, tùy theo tác giҧ, nhѭ là:
o Mô hình vұt lý (physical model)
o Mô hình toán hӑc (mathematical model)
o Mô hình sӕ (numerical model)
o Mô hình giҧi tích (analysis model)
o Mô hình xác ÿӏnh (deterministic model)
o Mô hình khái niӋm (conceptual model)
o Mô hình ngүu nhiên (stochatic model)
o Mô hình tham sӕ (parametric model)
o Mô hình әn ÿӏnh (steady-state model)
o Mô hình bҩt әn ÿӏnh (unsteady-state model)
o Mô hình dӵa vào các giҧÿӏnh sinh hóa (biochemical assumption model)
o Mô hình ÿánh giá tác ÿӝng (impact assessment model)

o Mô hình dӵ báo (forecast model)
o v.v….
Mӝt mô hình có thӇ phân loҥi theo quy mô ӭng dөng:
x Theo không gian (spatial): ӣ mӝt vùng nhӓ hay mӝt khu vӵc lӟn.
x Theo thӡi gian (temporal): ngҳn hҥn hay dài hҥn
x Theo giá trӏ mô hình (model validity): cho giӟi hҥn ÿӝ chính xác cӫa mô hình
x Theo giá trӏ cӫa dӳ liӋu (data validity): tùy theo mӭc ÿӝ và quy mô thu thұp dӳ
liӋu (ví dө lҩy mүu theo mӝt ÿiӇm ÿo cөc bӝ, hay lҩy nhiӅu mүu trong mӝt khu
vӵc lӟn).
Bài giҧng môn hӑc MÔ HÌNH HÓA MÔI TRѬӠNG Trѭӡng Ĉҥi hӑc Cҫn Thѫ


TS. Lê Anh Tuҩn
10
NӃu dӵa vào cҩu trúc, mô hình có thӇ có 3 nhóm:
 Mô hình “hӝp trҳng” (white box): là mô hình mà ngѭӡi sӱ dөng có thӇ thҩy –
hiӇu tҩt cҧ các tiӃn trình tính toán xҧy ra, quá trình trӳ dӳ liӋu, thông tin phҧn hӗi/
phҧn tiӃn. Nhóm mô hình này thѭӡng dùng các phѭѫng trình vi phân riêng
(partial differential equation) chӫÿҥo các thay ÿәi tiӃn trình vұt lý và phѭѫng
trình liên tөc (equations of continuity) cho các dòng nѭӟ
c mһt và nѭӟc trong ÿҩt.
Mô hình vұt lý và mô hình xác ÿӏnh nҵm trong nhóm mô hình “hӝp trҳng”.
 Mô hình “hӝp ÿen” (black box): là mô hình mà ngѭӡi sӱ dөng chӍ biӃt ÿҫu vào
(inputs) và ÿҫu ra (outputs) mà hoàn toàn không biӃt nhӳng gì xҧy ra bên trong
quá trình chuyӇn hoá trong mô hình. Dӳ liӋu ÿҫu vào và dӳ liӋu ÿҫu ra là nhӳng
giá trӏ mang ý nghƭa vұt lý. Thѭӡng các nhà giҧi thuұt dùng các phѭѫng trình toán
hӑc ÿѫn và phép phân tích chuӛi thӡi gian (time series) ÿӇ tҥo ra mô hình “hӝp
ÿen”. Mô hình ngүu nhiên nҵm trong nhóm này.
 Mô hình “h͡p xám” (grey box): là mô hình mà ngѭӡi sӱ dөng hiӇu ÿѭӧc mӝt
phҫn tiӃn trình xӱ lý dӳ liӋu. Mô hình tham sӕ và mô hình khái niӋm thuӝc nhóm

mô hình “hӝp xám”.
Mô hình môi trѭӡng, ÿһc biӋt là môi trѭӡng nѭӟc, thѭӡng mang ít nhiӅu ÿһc ÿiӇm cӫa
mӝt mô hình thӫy văn hӑc (hydrological model) có thӇ phân loҥi nhѭ hình 2.1 và ÿѭӧc
giҧi quyӃt theo 3 kiӇu mô tҧ:
¾ TiӃn trình cӫ
a mô hình (process); (hình 2.2)
¾ Tӹ lӋ thӡi gian và không gian (time and space scales); (hình 2.3)
¾ Kӻ thuұt giҧi toán (solution techniques); (hình 2.4)
Bài giҧng môn hӑc MÔ HÌNH HÓA MÔI TRѬӠNG Trѭӡng Ĉҥi hӑc Cҫn Thѫ


TS. Lê Anh Tuҩn
11
Hình 2.1. Phân loҥi mô hình tәng quát (theo Tim, 1995)
Hình 2.2. Phân loҥi mô hình dӵa theo mô tҧ tiӃn trình (theo Singh, 1995)
Bài giҧng môn hӑc MÔ HÌNH HÓA MÔI TRѬӠNG Trѭӡng Ĉҥi hӑc Cҫn Thѫ


TS. Lê Anh Tuҩn
12
Hình 2.3. Phân loҥi mô hình dӵa vào quy mô không gian và thӡi gian (theo Singh, 1995)
Hình 2.4. Phân loҥi mô hình dӵa vào phѭѫng pháp giҧi toán (theo Singh, 1995)
2.2 TiӃn trình vұn hành mô hình
Tҩt cҧ các phҫn mӅm mô hình thѭӡng ÿѭӧc vұn hành và thӱ nghiӋm theo mӝt tiӃn trình
tәng quát nhѭ hình 2.5 sau:
Bài giҧng môn hӑc MÔ HÌNH HÓA MÔI TRѬӠNG Trѭӡng Ĉҥi hӑc Cҫn Thѫ


TS. Lê Anh Tuҩn
13

Thu thұp dӳ liӋu và xӱ lý
(
Data collection and
p
rocessin
g)
Mô hình khái niӋm
(
Conce
p
tual model
)
Mô hình giҧi tích hoһc mô hình sӕ
(
Anal
y
tical or numerial model
)
HiӋu chӍnh
(
Calibration
)
KiӇm ÿӏnh
(
Verification
)
Tiên ÿoán hoһc Tӕi ѭu
(
Prediction or O
p

timisation
)
Hình 2.5. TiӃn trình cӫa mӝt mô hình
2.2.1 Thu thұp dӳ liӋu
Tҩt cҧ các mô hình muӕn vұn hành ÿѭӧc ÿӅu phҧi có nguӗn dӳ liӋu ban ÿҫu và các ÿiӅu
kiӋn cҫn thiӃt (ÿiӅu kiӋn biên và ÿiӅu kiӋn ban ÿҫu). Các dӳ liӋu thѭӡng bao gӗm sӕ liӋu
ÿӏa hình (cao ÿӝ, ÿӝ dӕc,…) , các kích thѭӟc lѭu vӵc cҫn tính toán (chiӅu dài, chiӅu rӝng,
diӋn tích,…) , các diӉn biӃn vӅ khí tѭӧng (mѭa, bӕc hѫi, bӭc x
ҥ, vұn tӕc và hѭӟng
gió,…), nguӗn ô nhiӉm (nhà máy, khu dân cѭ, ruӝng vѭӡn, hҫm mӓ, khu công nghiӋp…),
các biӃn sӕ môi trѭӡng (pH, nhiӋt ÿӝ, ÿӝ mһn, ÿӝ ÿөc, nhu cҫu oxy sinh hóa, các chҩt phú
dѭӥng, vi khuҭn,…), các thông sӕ liên quan, … tѭѫng ӭng vӟi chuӛi thӡi gian xuҩt hiӋn
hoһc không gian xuҩt phát.
2.2.2 Mô hình khái niӋm
Mô hình khái niӋm là mӝt dҥng ý tѭӣng hoá nhҵm tӕi giҧn nhӳng yӃu tӕ phӭc tҥp ngoài
thӵc tӃӣ dҥng mӝt lѭu ÿӗ hoһc sѫÿӗ. Trong ÿó các mNJi tên ÿѭӧc sӱ dөng ÿӇ chӍ các mӕi
Bài giҧng môn hӑc MÔ HÌNH HÓA MÔI TRѬӠNG Trѭӡng Ĉҥi hӑc Cҫn Thѫ


TS. Lê Anh Tuҩn
14
Thҭm thҩu và
Bӕc thoát hѫi
Mѭa
Bӕc hѫi
Bӕc thoát hѫi
Chҧy tràn mһt
Nѭӟc ngҫm
Ҭm ÿӝ
trong ÿҩt

Tѭѫng tác giӳa
cây trӗng và
sӵ hҥ thҩp mӵc
nѭӟc mһt
Sӵ chҧy lүn
Chұm
Rҩt chұm
Nhanh
Sông
quan hӋ hoһc chiӅu hѭӟng diӉn biӃn. Các lӡi ghi chú bên cách các hình ҧnh ÿӇ thuyӃt
minh thêm tính chҩt cӫa sӵ vұt hoһc quá trình hoһc các thông sӕ cӫa mô hình. Hình 2.6 là
mӝt ví dө vӅ mô hình khái niӋm cӫa Beater (1989) ÿӇ diӉn tҧ chuyӇn vұn cӫa nѭӟc trong
mô hình quan hӋ mѭa – dòng chҧy.
Trong mô hình khái niӋm phҧi bҳt ÿҫu tӯ các dӳ liӋ
u nhұp vào, các diӉn biӃn bên trong
mô hình và các thông tin xuҩt ra tӯ mô hình. Mӝt hình khái niӋm phҧi thӇ hiӋn tính ÿѫn
giҧn ÿӇ tҥo cho nhӳng ngѭӡi không phҧi là chuyên gia vӅ mô hình có thӇ hiӇu mөc tiêu
cӫa bài toán mô hình.

Hình 2.6. Mô hình khái niӋm diӉn ta quan hӋ mѭa – dòng chҧy (Beater, 1989)
Mӝt sӕѭu ÿiӇm, thӃ mҥnh và tính hӳu hiӋu cӫa mô hình khái niӋm:
x Mô hình khái niӋm có thӇÿѭӧc hình thành mһt dҫu ngѭӡi tҥo ra nó có thӇ chѭa
hiӇu hӃt tҩt cҧ các hiӋn tѭӧng phӭc tҥp trong thӵc tӃ.
x Có thӇÿѫn giҧn hóa tính bҩt nhҩt cӫa các thông sӕ thành tính ÿӗng nhҩt.
Bài giҧng môn hӑc MÔ HÌNH HÓA MÔI TRѬӠNG Trѭӡng Ĉҥi hӑc Cҫn Thѫ


TS. Lê Anh Tuҩn
15
x Có thӇ giҧm thiӇu ÿѭӧc sӕ liӋu yêu cҫu.

x DӉ dàng cho ngѭӡi xem hiӇu cách thu thұp sӕ liӋu, thông tin sӳ dөng mӝt cách
nhanh chóng và ít tӕn kém.
x Mô hình khái niӋm là mӝt công cө kӻ thuұt cho các lұp trình viên hiӇu vҩn ÿӅ phҧi
giҧi quyӃt mà không cҫn phҧi là mӝt chuyên gia môi trѭӡng.
x Mô hình khái niӋ
m tҥo thuұn lӧi cho viӋc diӉn giҧi trong thuyӃt minh, biӇu bҧng,
ÿӅ thӏ.
x Có thӇ tҥo ra mӝt giao tiӃp vӟi cѫ sӣ dӳ liӋu và hӋ thӕng thông tin ÿӏa lý (GIS).
Tuy nhiên, mô hình khái niӋm vүn có nhӳng nhѭӧc ÿiӇm và giӟi hҥn:
o Mô hình khái niӋm là mӝt khái quát nhân tҥo và phi vұt lý qua các tӕi giҧn nên có
thӇ không ÿѭa ra hӃt nhӳng quan hӋ tѭѫng tác giӳa các ÿӕi tѭӧng.
o Nh
ӳng ngѭӡi thiӃu kinh nghiӋm có thӇ tҥo ra các giҧ thiӃt phi thӵc tӃ hoһc quá
ÿѫn giҧn.
o Mô hình khái niӋm mang tính tәng quá nên ÿôi khi bӓ sót các phѭѫng án vұn
hành.
o Mô hình khái quát thѭӡng không thӇ thӇ hiӋn cách ÿiӅu chӍnh sai sӕ hoһc ngoҥi
suy trong trѭӡng hӧp thiӃu dӳ liӋu.
o Khi cҫn bә sung mô hình hoһc tái cҩu trúc mô hình có thӇ tҥo ra mӝt tình trҥng
quá gò bó thông sӕ.
2.2.3 Mô hình giҧi tích hoһc mô hình sӕ
Mӝt bài toán trong mô hình thѭӡng ÿѭӧc biӇu thӏ sӵ hiӋn diӋn cӫa các thông sӕ và biӃn
sӕ. Thông sӕ (parameter) là nhӳng hӋ sӕ gia trӑng, không có thӭ nguyên. BiӃn sӕ
(variable) là các ÿҥi lѭӧng vұt lý có ý nghƭa, thѭӡng có thӭ nguyên.
Mô hình giҧi tích (hoһc mô hình sӕ) thӵc chҩt là mӝt loҥt các thuұt toán ÿѭӧc viӃt ÿӇ giҧi
quyӃt các quan hӋ giӳa các thông sӕ và biӃn sӕ trong mô hình và cho ra kӃt quҧ dѭӟ
i
dҥng sӕ hoһc ÿӗ thӏ. Ĉây là phҫn cӕt lõi, quan trӑng nhҩt và là phҫn phӭc tҥp nhҩt trong
tiӃn trình thӵc hiӋn mô hình hóa.
2.2.4 HiӋu chӍnh mô hình

HiӋu chӍnh (calibration) là tiӃn trình mà trong ÿó các thông sӕ và biӃn sӕ cӫa mô hình
ÿѭӧc ÿiӅu chӍnh ÿӇ kӃt quҧ ra cӫa mô hình phù hӧp vӟi thӵc tӃ quan sát ÿѭӧc. Do khi
phát triӇn mô hình, chúng ta phҧi tӕi giҧn các hiӋn tѭӧng vұt lý trong tӵ nhiên ÿӇ thuұn
lӧi cho ngѭӡi làm thұt toán. ĈiӅu này khiӃn các sӕ liӋu nhұp vào mô hình có nhӳng giá trӏ
không hoàn toàn chҳc chҳn và kӃt quҧ ra sӁ sai biӋt v
ӟi thӵc tӃ. HiӋu chӍnh là công viӋc
nhҵm rút ngҳn các khoҧng cách sai biӋt bҵng cách ÿѭa ra các thông sӕÿiӅu chӍnh gӑi là
thông sӕ mô hình (model parameters).
2.2.5 KiӇm nghiӋm mô hình
KiӇm nghiӋm mô hình là bѭӟc tiӃp sau công viӋc HiӋu chӍnh mô hình nhҵm kiӇm tra các
thông sӕ mô hình ÿѭa ra có phù hӧp vӟi các diӉn biӃn cӫa thӵc tӃ hay không.
Bài giҧng môn hӑc MÔ HÌNH HÓA MÔI TRѬӠNG Trѭӡng Ĉҥi hӑc Cҫn Thѫ


TS. Lê Anh Tuҩn
16
Chuӛi sӕ liӋu theo thӡi gian
Chuӛi sӕ liӋu dùng
ÿӇ chҥy và HiӋu
chӍnh mô hình
Chuӛi sӕ liӋu
dùng ÿӇ kiӇm
nghiӋm mô hình
Mô hình
Ví dө trong khҧo sát diӉn biӃn trong quan hӋ mѭa – dòng chҧy trong nhiӅu năm, ngѭӡi ta
cҳt chuӛi sӕ liӋu quan trҳc ra thành 2 ÿoҥn: ÿoҥn sӕ liӋu dài ban ÿҫu dùng ÿӇ chҥy mô
hình và HiӋu chӍnh mô hình. Ĉoҥn sӕ liӋu thӭ hai sau ngҳn hѫn dùng làm kiӇm nghiӋm
kӃt quҧ mô hình cho ÿoҥn trѭӟc (hình 2.7).
Hình 2.7 Minh hӑa viӋc phân ÿoҥn chuӛi sӕ liӋu theo thӡi gian
ÿӇ HiӋu chӍnh và thӱ

nghiӋm khi chҥy mô hình
2.2.6 Tiên ÿoán hoһc tӕi ѭu
Thông thѭӡng mô hình ÿѭӧc sӱ dөng cho mөc tiêu tiên ÿoán các diӉn biӃn các biӃn sӕ
trong tѭѫng lai hoһc tӕi ѭu hóa viӋc chӑn lӵa.
Trong tiên ÿoán, nhѭ các mô hình vӅ khí hұu hoһc mô hình lan truyӅn ô nhiӉm, các thuұt
toán ngoҥi suy (extrapolation) ÿѭӧc sӱ dөng ÿӇ kéo dài kӃt quҧӣÿҫu ra. Trong bài toán
lӵa chӑn tӕi ѭu, các giá trӏ cӵc trӏӣÿҫu ra ÿѭӧc chӑn cho quyӃt ÿӏnh.
2.3 Tiêu chuҭn chӑn lӵa mô hình
2.3.1 Khái niӋm
Trong suӕt vài thұp niên qua, nhiӅu mô hình khác nhau ÿã ÿѭӧc phát triӇn trên thӃ giӟi.
Thông thѭӡng mӛi mô hình thѭӡng có các thӃ mҥnh riêng và các nhѭӧc ÿiӇm nhҩt ÿӏnh.
Khó có thӇ có mӝt mô hình chuҭn mӵc nào cho tҩt cҧ các trѭӡng hӧp thӵc tӃ. ĈiӅu này
thѭӡng gây sӵ bӕi rӕi cho ngѭӡi sӱ dөng khi phҧi lӵa chӑn mô hình phù hӧp cho mình.
Khái niӋm mô hình tӕt nhҩt thѭӡng ÿѭӧc hiӇu mӝt cách t
ѭѫng ÿӕi. VӅ nguyên tҳc, mô
hình càng phӭc tҥp, dӳ liӋu nhұp vào càng nhiӅu thì kӃt quҧ thӇ hiӋn mô hình càng cao
(hình 2.8).
Bài giҧng môn hӑc MÔ HÌNH HÓA MÔI TRѬӠNG Trѭӡng Ĉҥi hӑc Cҫn Thѫ


TS. Lê Anh Tuҩn
17
Hình 2.8 BiӇu ÿӗ minh hӑa quan hӋ giӳa ÿӝ phӭc tҥp cӫa mô hình, mӭc ÿòi hӓi cӫa dӳ
liӋu và khҧ năng thӇ hiӋn kӃt quҧ tiên ÿoán cӫa mô hình (Grayson and Bloschl, 2000)
2.3.2 Mô hình "tӕt nhҩt"
x Các phѭѫng pháp mөc tiêu tәng thӇÿӇ chӑn mô hình “tӕt nhҩt” thұt ra chѭa ÿѭӧc
phát triӇn, do vұy viӋc chӑn mô hình cNJng là mӝt phҫn “nghӋ thuұt” cӫa ngѭӡi
nghiên cӭu mô hình (Woolhiser and Brakensiek, 1982).
x Mô hình “tӕt nhҩt” tùy thuӝc vào cách hiӇu tiêu chuҭn nào là “tӕt nhҩt”. ĈiӅu này
tùy thuӝc vào mӭc chính xác cӫa yêu cҫu khoҧng thӡi gian quan trҳc, ví dө thӡi

ÿoҥn lҩy mүu nѭӟc theo giӡ, ngày, tháng hoһc mùa. M
һc khác, chuҭn “tӕt nhҩt”
còn tùy theo mӭc ÿӝ dày mһt cӫa kích thѭӟc không gian mүu. Khoҧng cách càng
nhӓ thì mӭc chính xác càng cao.
x Theo tác giҧ Woolhiser và Brakensiek (1982) viӋc chӑn mô hình “tӕt nhҩt” tùy
thuӝc vào ÿӝ lӟn vӅ kích thѭӟc tӵ nhiên cӫa bài toán và sӵ phӭc tҥp trong thay
ÿәi các biӃn sӕ. Do vұy, ÿһc ÿiӇm cӫa mô hình phҧi tѭѫng thích vӟi yêu cҫu cӫa
bài toán.
Bài giҧng môn hӑc MÔ HÌNH HÓA MÔI TRѬӠNG Trѭӡng Ĉҥi hӑc Cҫn Thѫ


TS. Lê Anh Tuҩn
18
2.3.3 Chӑn mô hình theo cҩu trúc và giá trӏ vào/ra
NhiӅu nhà nghiên cӭu vӅ mô hình ÿã ÿӅ xuҩt viӋc chӑn lӵa mô hình phҧi dӵa vào cҩu trúc
cӫa mô hình và giá trӏ cӫa dӳ liӋu ӣÿҫu vào và ÿҫu ra. Các lӵa chӑn này bao gӗm:
x S͹ khái quát hóa cͯa các ti͇n trình chͯ y͇u: Mô hình phҧi phҧn ánh “ý tѭӣng”
ÿúng theo thӵc tӃ lên quan ÿӃn các tiӃn trình chính (Popov, 1968). Sѫÿӗ khái quát
phҧi thӇ hiӋn ÿѭӧc các bӝ phұn cҩu thành mô hình diӉn biӃn theo mӝt tiӃn trình
mang tính lý thuy
Ӄt chӭ không ÿѫn thuҫn chӍ là các kӃt nӕi ÿѫn giҧn.
x Mͱc ÿ͡ chính xác cho vi͏c tiên ÿoán, d͹ báo: ÿӝ chính xác cӫa viӋc tiên toán ӣ
kӃt quҧÿҫu ra rҩt quan trӑng. Mô hình phҧi ÿѭӧc kiӇm nghiӋm bҵng mӝt phѭѫng
cách nào ÿó sao cho sai sӕ thӕng kê và nhӳng yӃu tӕ không chҳc chҳn cӫa mô
hình ÿҥt ÿѭӧc mӝt chҩt lѭӧng nhҩt ÿӏnh. Mô hình phҧi tӕi thiӇu hóa th
Ӄ xu hѭӟng
và biӃn sai sӕ phҧi xem là nhӓ hѫn các tính toán khác. ĈiӅu này cNJng thӇ hiӋn tính
chính xác cӫa dӳ liӋu nhұp vào. Tuy nhiên, mӭc chính xác cӫa dӳ liӋu nhұp vào
quan trӑng hѫn là mӭc chính xác cӫa dӵ báo do mô hình tҥo ra (Hillel, 1986).
x Tính ÿ˯n gi̫n cͯa mô hình: Mô hình cҫn ÿѭӧc tӕi giҧn nhҵm giҧm bӟt các biӃn sӕ

và thông sӕÿӇ mô tҧ các tiӃn trình. Càng ít các thông sӕÿӇÿiӅu chӍnh thì càng dӉ
cho ngѭӡi sӱ
dөng. Mô hình cNJng cҫn tҥo sӵ dӉ dàng cho viӋc nhұp dӳ liӋu, hiӇu
rõ các biӃn sӕ và kӃt quҧ ra có thӇ giҧi thích ÿѭӧc. Mô hình nên tránh sӵ thô kӋch,
rѭӡm rà, làm viӋc xӱ lý trӣ nên khó khăn, phӭc tҥp và sai sӕ lӟn (Tim, 1995).
x Xem xét vi͏c thành l̵p các thông s͙: Ĉây là mӝt xem xét quan trӑng trong viӋc
phát triӇn các mô hình khái niӋm sӱ dөng các thông sӕÿѭӧc thành lұp bҵng các
kӻ thuұt tӕi ѭu hóa. N
Ӄu các giá trӏ tӕi ѭu cӫa thông sӕ có ÿӝ nhҥy cao theo thӡi
kǤ ghi nhұn, hoһc nӃu các thông sӕ có sӵ biӃn ÿӝng lӟn giӳa các lѭu vӵc tѭѫng tӵ,
mô hình có nhiӅu khҧ năng thiӃu hiӋn thӵc. ViӋc xem xét sӵ thành lұp các thông
sӕ cNJng hàm ý rҵng các nhà nghiên cӭu vӅ mô hình khác nhau nên dӵa theo viӋc
xem xét các giá trӏ thông sӕ tӯ viӋc quan trҳc thӵc tӃ hoһc tӯ viӋ
c thӵc hành HiӋu
chӍnh.
x Ĉ͡ nh̩y cͯa k͇t qu̫ÿ͇n s͹ thay ÿ͝i giá tr͓ thông s͙: Mô hình quá nhҥy nhҥy cҧm
sӁ dүn ÿӃn cҫn nhiӅu giá trӏ nhұp vào, ÿiӅu này gây khó khăn khi ÿo ÿҥc.
x Các gi̫ÿ͓nh (assumption): Mô hình nên chӭa ít các giҧÿӏnh. Ngѭӡi sӱ dөng mô
hình nên hiӇu rҵng các ÿһt ra nhiӅu giҧÿӏnh chӯng nào thì tҥo nên viӋc giӟi hҥn
sӱ dөng mô hình và làm các thông sӕ nh
ҥy cҧm hѫn (Hughes et al., 1993).
x Ti͉m năng cho vi͏c c̫i ti͇n mô hình: Mô hình cҫn ÿѭӧc cҩu trúc sao cho viӋc cҧi
tiӃn mô hình dӉ dàng khi có các thông tin mӟi hoһc có các thӫ tөc bә sung.
Bài giҧng môn hӑc MÔ HÌNH HÓA MÔI TRѬӠNG Trѭӡng Ĉҥi hӑc Cҫn Thѫ


TS. Lê Anh Tuҩn
19
2.3.4 Chӑn mô hình theo vҩn ÿӅ thӵc tӃ
ViӋc chӑn lӵa mô hình theo vҩn ÿӅ thӵc tӃ cҫn ÿѭӧc cân nhҳc trong các trѭӡng hӧp:

x Ĉi͉u ki͏n t͹ nhiên cͯa mô hình: mô hình phҧi ÿáp ӭng các vҩn ÿӅ thӵc tӃ phҧi
giҧi quyӃt. Ví dө nhѭ các ÿҫu ra mong muӕn có thӇ là lѭu lѭӧng ÿӍnh, hoһc nӗng
ÿӝ chҩt ô nhiӉm, v.v. theo bѭӟc tính là giӡ, ngày, tuҫn, … cho mөc ÿích thiӃt kӃ
hoһc vұ
n hành. Ĉây là mӝt xem xét quan trӑng và bao gӗm các câu hӓi cho các
tiӃn trình chӫ yӃu thӇ hiӋn trong mô hình và ÿiӅu kiӋn ÿӇ mô hình có giá trӏ.
x Ch͕n mô hình tr͕n gói hay là mô hình theo yêu c̯u: Mô hình trӑn gói (là mô hình
ÿѭӧc thiӃt kӃ cho tәng thӇ các trѭӡng hӧp) thѭӡng dӉ sӱ dөng nhѭng thiӃu tính
mӅm dҿo và bӏ hҥn chӃ sӱ dөng. Loҥi mô hình trӑn gói thѭӡng ÿѭӧc sӱ dөng khi
gһp các tình huӕng ít có h
ѫn sӕ tình huӕng dӵ kiӃn ban ÿҫu mà ngѭӡi phát triӇn
mô hình nghƭ ra.
Mô hình theo yêu cҫu là nhӳng mô hình mà ta có thӇÿһt hàng cho nhӳng ngѭӡi
chuyên phát triӇn mô hình làm riêng cho cho mӝt trѭӡng hӧp nào ÿó. Loҥi mô
hình này sӁ giúp ta giҧi quyӃt ÿúng vҩn ÿӅ thӵc tӃ cҫn thiӃt nhѭng thѭӡng tӕn kém
và mҩt nhiӅu thӡi gian.
x Bài toán liên quan ÿ͇n giá tr͓ quy͇t ÿ͓nh: khi tính toán khҧ năng tài chính và tài
nguyên, cNJng nhѭ dҥng tính tәn th
ҩt tiӅm năng vӅ sinh mҥng, thiӋt hҥi tài sҧn ӭng
vӟi mӝt tҫn suҩt xuҩt hiӋn nào ÿó.
x Kh̫ năng khung thͥi gian: tùy thuӝc và thӡi hҥn chót phҧi hoàn tҩt dӵ án, kӇ cҧ
thӡi gian (và chi phí) ÿӇ thu thұp các thông tin nhұp vào.
x Các thi͇t b͓ tính toán: phҫn cӭng máy tính và các loҥi mô hình và ÿӝ phӭc tҥp cӫa
mô hình (nhѭ mô hình phҧi liên kӃt vӟi các mô hình khác, liên kӃt vӟi GIS, ngôn
ng
ӳ máy tính,…).
x Ͱng dͭng trong t˱˯ng lai cͯa ph̯n xṷt mô hình: dӵ kiӃn cho các lҫn sӱ dөng
sau.
x Tính t͝ng hͫp cͯa mô hình: xem xét khҧ năng mô hình có thӇ giҧi quyӃt nhiӅu
mөc tiêu, có tҫm ӭng rӝng và dӵ kiӃn các khҧ năng sӱ dөng vӅ sau.

x Cách truy c̵p mô hình, tài li͏u h˱ͣng d̳n và d͹ phòng (back-up): khi trang bӏ
mô hình cҫn xem xét nhà cung cҩp có tҥo các dӉ dàng cho ngѭӡi sӱ dөng cách
truy c
ұp, các hӛ trӧ, huҩn luyӋn bѭӟc hѭӟng dүn, trҧ lӡi các gút mҳc (help desk),
có công cө lѭu dӳ liӋu dӵ phòng, …
x Kh̫ năng ngu͛n nhân l͹c: nên xem nguӗn nhân lӵc khi trang bӏ mô hình tính
toán, huҩn luyӋn các nhân viên sӱ dөng chѭa có kinh nghiӋm.
Bài giҧng môn hӑc MÔ HÌNH HÓA MÔI TRѬӠNG Trѭӡng Ĉҥi hӑc Cҫn Thѫ


TS. Lê Anh Tuҩn
20
x Cách th͋ hi͏n mô hình: nhѭÿӝ chính xác cӫa kӃt quҧ, tính әn ÿӏnh, ÿӝ nhҥy, cách
thӇ hiӋn ÿӗ thӏӣ phҫn xuҩt.
x Tính thân thi͏n cho ng˱ͥi s͵ dͭng (user friendliness): xem xét mô hình có dӉ
dàng giúp ngѭӡi sӱ dөng cách nhұp liӋu, chӑn lӵa kiӅu xuҩt kӃt quҧ, giao diӋn
ngѭӡi sӱ
dөng, các kiӇu ÿӗ thӏ, bҧng kӃt quҧ thӕng kê,…
x Xem xét quy mô: xem coi quy mô không gian mà mô hình sӱ dөng có tѭѫng thích
vӟi viӋc khái niӋm và cҩu trúc cӫa vҩn ÿӅ không.
2.3.5 Ĉánh giá lҥi viӋc chӑn lӵa
Mӝt khi ÿã lӵa chӑn mô hình, ngѭӡi sӱ dөng cҫn phҧi ÿánh giá lҥi viӋc chӑn lӵa cӫa mình
bҵng cách trҧ lӡi các câu hӓi sau:
x Các thông tin mà mô hình cung cҩp có thӵc sӵ theo yêu cҫu cӫa bài toán không?
x Các ÿһc trѭng vұt lý thӇ hiӋn qua các thông sӕ cӫa mô hình có thӵc sӵÿáp ӭng
viӋc ӭng dөng trong thӵc tӃ không?
x Các phѭѫng trình sӱ dөng trong cҩu trúc mô hình có ÿúng vӟi thuұt toán hi
Ӌn ÿҥi
phù hӧp vӟi dӳ liӋu và thiӃt bӏ máy tính không?
x Các kӃt quҧ mà mô hình cung ӭng có chҩt lѭӧng tӕt tѭѫng xӭng vӟi chi phí theo

mӝt thӡi gian ÿһc thù nào không?