LUẬN VĂN THẠC SĨ KHOA HỌC " ĐÁNH GIÁ SAI SỐ HỆ THỐNG DỰ BÁO MƯA CỦA MÔ HÌNH HRM CHO KHU VỰC ĐÔNG BẮC BỘ " - CHƯƠNG 3 doc

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.

- Kỹ năng dự báo.
- Chất lượng chung/mức chính xác dự báo chung;
- Những trường hợp riêng
3.2.1 Phân tích sai số hệ thống Bias
3.2.1.1 Sai số hệ thống theo chỉ tiêu thống kê
Sai số dự báo các yếu tố khí tượng của bất kỳ một hệ thống hay mô hình dự báo
nào cũng được chia ra làm 2 thành phần là sai số hệ thống và sai số ngẫu nhiên. Cũng
giống như các hệ quan trắc khí tượng, sai số hệ thống là sai số về nguyên tắc có thể
hiệu chỉnh được, còn sai số ngẫu nhiên là sai số không thể hiệu chỉnh được. Vì vậy việc
đánh giá chất lượng dự báo của mô hình trước tiên là phải xem xét sai số hệ thống.
Với một phương pháp đánh giá xác định thì sai số hệ thống gây ra bởi các nhân
tố đặc trưng của mô hình và chúng lặp đi lặp lại theo thời gian, đồng thời chúng có đặc
điểm phân bố theo không gian và thời gian.
- Để mở rộng khả năng phân tích sai số, đối với sai số hệ thống chúng tôi tính 3
chỉ tiêu Bias cho 3 loại biến:
+ Với biến liên tục ta tính sai số trung bình đại số giưa trị số mưa dự báo và trị
số quan trắc, ký hiệu là 'BIAS'. Đây là sai số hệ thống đích thực của mô hình.


74
+ Với biến rời rạc 10 cấp mưa và 2 cấp ta tính trung bình sai số hệ thống về số
trường hợp dự báo so với số trường hợp thực tế, ký hiệu là BE. Nó ám chỉ sự sai khác
về số trường hợp dự báo và số trường hợp thực tế, trong đó không tính đến số trường
hợp dự báo đúng, vì thế nó chỉ có ý nghĩa tham khảo thêm cho phân tích sai số hệ
thống, ngay cả khi BE=1.
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


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

lượng mưa đặc biệt lớn trong khi dự báo là nhỏ hơn khá nhiều.
Để tham khảo thêm về sai số hệ thống, ta dẫn ra đường cong BE
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


77
2006
2007
Hình 3.2 Chỉ tiêu BE trên biến rời rạc 10 cấp mưa , 2005, 2006, 2007
Từ chỉ tiêu BE được thể hiện bằng hình vẽ ta có thể thấy rằng trong năm 2005, 2
tháng đầu và cuối mùa: tháng 6 và tháng 10 BE khá lớn và > 1 (để dễ biểu diễn trên
hình vẽ BE được chia cho 10, như vậy BE/10 = 0,1 tương ứng với BE=1) đối với cấp
mưa < 6 trở lại. Trong khi đó các tháng còn lại thì có BE > 1 ở cấp mưa 1 và 2, các cấp
mưa sau đó BE < 1 và giảm dần nhưng vẫn ở mức khá ổn định. Đến cấp mưa > 7 thì
BE tiến nhanh đến 0. Điều này cho ta thấy rằng những tháng đầu và cuối mùa mưa, kết
quả dự báo của mô hình luôn vượt so với thực tế trong 6 cấp mưa đầu, những cấp mưa
còn lại thì gần như không dự báo được. Trong 3 tháng còn lại, chất lượng dự báo khá
tốt và ổn định, đặc biệt là ở các cấp mưa 2, 3 và 3. Cấp mưa càng lớn, kết quả dự báo
càng giảm và không sát thực tế.
Năm 2006, chất lượng dự báo được cải thiện rõ rệt, nhưng ở tháng 10 BE lại quá
lớn, đặc biệt là trong ba cấp mưa đầu, các tháng còn lại kết quả khá ổn định.

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

Đến đây có thể nói rằng sai số hệ thống của HRM khá ổn định và có quy luật rõ
rệt (quan trọng ở tính quy luật, còn trị số lớn hay nhỏ không mấy quan trọng). Còn câu
hỏi đặt ra là tại sao ở các cấp mưa lớn mưa HRM > mưa thực tế mà những ngày có
mưa lớn cụ thể thì lại thấy mưa HRM < mưa thực tế? Điều đó không có gì trái với quy
luật của sai số hệ thống và sẽ được đề cập đến trong phần "Phân tích những trường hợp
riêng" ở dưới.
3.2.1.2 Sai số hệ thống phân bố theo không gian
Khi nghiên cứu về sai số hệ thống ta phải xem xét cả phân bố của chúng theo
không gian, vì nếu ta chỉ mới biết xu thế mô hình dự báo thiên cao hay thiên thấp so
với mưa thực tế có nghĩa là ta chưa nói gì đến ảnh hưởng của cơ chế hoàn lưu và địa
hình. Do đó ta chưa xác định được để hoàn thiện mô hình ta cần tác động vào đâu,
đồng thời cũng chưa biết được việc hiệu chỉnh sản phẩm mô hình ta phải tác động vào


81
cái gì và như thế nào. Đặc biệt là để sử dụng thông minh kết quả mô hình, dự báo mưa
cho những địa điểm cụ thể mà ta không biết phân bố sai số hệ thống theo không gian
thì không thể thực hiện được. Để nắm được phân bố sai số hệ thống theo không gian, ta
phải biểu diễn chúng trên bản đồ đẳng sai số cho từng cấp mưa trên từng khu vực.
Trong các hình được trình bày như ở dưới đường đỏ (liền nét) là Bias >0 - ứng
với trường hợp mưa mô hình dự báo cao hơn thực tế, đường xanh (chấm chấm) là
Bias<0 - ứng với trường hợp mưa mô hình dự báo nhỏ hơn so với thực tế. Ta thấy sai
số hệ thống có phân bố rành rọt, nói chung là mưa mô hình cao hơn mưa thực tế, chỉ
một vài vùng nhỏ có Bias<0.




82

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

toàn bộ khu vực đồng bằng. Sang tháng 9/2006, khu vực Hà Giang và nam đồng bằng
có Bias < 0 ở cấp mưa bằng 3 trở lại. Tháng 10/2006 giống năm 2005, nghĩa là Bias
luôn > 0 ở tất cả các cấp mưa.
Năm 2007: Tháng 6 khu vực có Bias < 0 vẫn tập trung ở Hà Giang và khu vực
vùng núi phía đông bắc (Móng Cái – Quảng Ninh) và xảy ra chủ yếu ở 3 cấp mưa đầu


84
tiên. Tháng 7 giống tháng 6 nhưng xảy ra đến cấp mưa thứ 5. Trong tháng 8, có hai cấp
mưa 4 và 5 các khu vực Hà Giang và Đông Bắc (Cao Bằng, Quảng Ninh, Lạng Sơn)
Có Bias âm khá lớn. Tháng 9 ngoài các khu vực như Hà Giang và Móng cái có Bias <
0, xu hướng Bias < 0 cũng mở rộng ra toàn bộ phía Đông Bắc Bộ và xảy ra ở cấp mưa
bằng 4 trở lại. Tháng 10 Bias < 0 chủ yếu ở một vài khu vực nhỏ ở phía nam đồng bằng
và xảy ra ở hai cấp mưa đầu tiên, từ các cấp mưa về sau, Bias > 0.
Như vậy, sau khi xem xét về sai số theo không gian ( cụ thể ở đây là các đường
đẳng sai Bias) chúng ta có thể dễ dàng thấy là sai số hệ thống xảy ra có tính quy luật:
- Trong tất cả các cấp mưa, Bias < 0 chỉ ở mưa cấp 5, cấp 6 trở lại, còn từ cấp 6
trở lên Bias luôn > 0.
- Khu vực Hà Giang và Móng Cái, Quảng Ninh là hai nơi có tần suất Bias < 0
nhiều nhất, tiếp theo đó là khu vực đồng bằng ven biển và vùng núi phía Bắc.
- Theo tháng, trong tháng đầu tiên Bias < 0 chủ yếu ở Hà Giang và Móng Cái,
sau đó trong tháng 7, 8 và 9 khu vực có Bias < 0 mở rộng lần lượt dần ra phía các tỉnh
ven biển và trong tháng 8, 9 thì mở rộng ra ở khu vực nam đồng bằng. Đến tháng 10 thì
Bias luôn > 0.
3.2.2 Về những chỉ tiêu thống kê khác
3.2.2.1 Về chỉ tiêu TS
a) Chỉ tiêu TS đa cấp
Chỉ tiêu TS biểu thị độ chính xác dự báo trong từng cấp mưa, thường được gọi
là độ chính xác tương đối (relative accuracy). Chỉ số TS xác định sự phù hợp giữa vùng
mưa dự báo và vùng mưa quan trắc. Khi TS=1 có nghĩa dự báo mưa là hoàn hảo, vùng

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

tháng 10 thường bị dị thường như vậy.


87
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
2006
2007
Hình 3. 6 Chỉ tiêu TS với cấp mưa phân đôi 2005, 2006, 2007
3.2.2.2 Về chỉ tiêu độ chính xác dự báo P%


88
Để xem xét độ chính xác dự báo của mô hình, ngoài độ chính xác tương đối TS
ra, chúng tôi còn tính các chỉ tiêu cho 10 cấp mưa gồm PosP, PreP, và P% cho toàn bộ
các cấp mưa dự báo (được xem như chất lượng dự báo của mô hình/hệ thống dự báo).
Đối với các cấp mưa phân đôi (2 cấp) các chỉ tiêu đã tính gồm FAR, POD, HK, HSS và
P%.
Khi xét đến toàn bộ các cấp mưa dự báo, đầu tiên ta xem xét chỉ số “xác suất
hậu nghiệm” - POSP, xác suất hậu nghiệm cho chúng ta cái nhìn tổng quan về chất
lượng dự báo đúng/sai của mô hình, với khoảng giá trị từ 0 – 1, xác suất hậu nghiệm
tốt nhất khi có giá trị bằng 1.
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


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,

PreP cũng có giá trị trong khoảng (0 – 1), giá trị hoàn hảo của PreP = 1 xảy ra khi mô
hình dự báo được tất cả những hiện tượng xảy ra.
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


91
2006 2007
Hình 3.8 Xác suất nhận biết - PreP cho toàn bộ 10 cấp mưa ba năm 2005, 2006 và
2007
Nhìn vào hình vẽ biểu thị các giá trị của PreP qua các năm cũng dễ dàng thấy
được rằng mô hình có khả năng nhận biết khá tốt đối với những cấp mưa nhỏ (3 cấp
mưa đầu), cấp mưa càng nhỏ thì mô hình nhận biết càng tốt, càng cấp mưa lớn PreP
càng nhỏ hay nói cách khác khả năng nhận biết các đợt mưa lớn của mô hình còn gặp
nhiều hạn chế.
Khi xét đến chỉ tiêu FAR, ta dễ dàng thấy là đối với chỉ tiêu FAR, phần trăm
“báo động sai” là khá lớn. Trong năm 2005, tháng 7 và tháng 9 FAR xấp xỉ 0.6 – 0.7,
còn tháng 8 FAR xấp xỉ 0.8 – 0.9; tháng 10 FAR > 0.9 và đến cấp mưa thứ 3 trở đi thì
FAR không còn giá trị tham khảo nữa. Năm 2006, tháng 7, 8 và 9 có FAR khá ổn định
từ cấp mưa < 50 mm trở lại, từ cấp mưa > 60 mm trở lên, FAR tăng khá nhanh; riêng 2
tháng 6 và tháng 10 FAR khá cao, tuy nhiên tháng 10 FAR còn có giá trị tham khảo

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

skill – vô kỹ năng” ở cấp mưa 10 trở đi. Tháng 7 và tháng 9 POD khá ổn định và ít
biến đổi, tháng 8 POD không ổn định, Tháng 6 và tháng 10 POD nhỏ nhất, tuy nhiên
tháng 10 tình trạng vô kỹ năng của POD được cải thiện dần từ năm 2005 cho đến năm
2007.


94
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
2006
2007
Hình 3.10 Chỉ tiêu POP cho các cấp mưa phân đôi 2005, 2006, 2007


95
Khi xét chỉ tiêu P% với các cấp mưa phân đôi, ta thấy chất lượng cao hơn rõ rệt:
chất lượng chung luôn > 60%. Độ chính xác của các tháng 6, 7, 8 và 9 nói chung tương
đối ổn định. Tháng 9 là tháng cho kết quả tốt nhất với P từ cấp mưa thứ 2 trở đi luôn
lớn hơn 80% trong cả 3 năm. Mặc dù tháng 10 có P > 90% nhưng không thể so sánh
với tháng 9 được bởi vì tháng 10 là tháng cuối mùa mưa, mô hình dự báo trúng nhiều
pha không mưa hơn là pha có mưa nên làm cho chỉ tiêu này luôn cao hơn so với các
tháng giữa mùa mưa còn lại. Với cách phân lớp đa cấp trên cơ sở phân đôi liên tiếp có
nhược điểm là ở các cấp mưa lớn, như cấp mưa > 50mm, số trường hợp sẽ rất nhỏ so

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.