Mô hình hoá mưa - dòng chảy ( Phần cơ sở - Nxb ĐH Quốc Gia Hà Nội ) - Phụ lục A pot

317
phụ lục a
Biểu diễn phần mềm
Một số phần mềm biểu diễn trong môi trờng Windows sẵn có để minh hoạ một số
khái niệm đợc thảo luận trong quyển sách này. Tất cả các chơng trình có thể tải
xuống từ trang Web http://www
.es.lancs.ac.uk/beven2000.html. Cùng với bộ số liệu
mẫu và file trợ giúp Windows đa ra các thông tin chi tiết về việc sử dụng chơng
trình. Tất cả chơng trình có thể dùng miễn phí trong nghiên cứu và giảng dạy.
Chơng trình TFM (mục A.1 dới đây) minh hoạ cách sử dụng mô hình hàm
chuyển đổi, tập trung ở quy mô lu vực đợc mô tả trong chơng 4. Chơng trình
TOPMODEL (mục A.2) cùng với chơng trình phân tích địa hình số hoá DTM-
ANALYSIS (mục A.3) có thể dùng để mô hình hoá quá trình ma-dòng chảy ở quy mô
lu vực, nhng cho phép dự báo phân bố biểu thị trong dạng bản đồ dựa trên dạng của
chỉ số địa hình (xem chơng 6). Chơng trình TOPMODEL cũng có lựa chọn để chạy
mẫu Monte-Carlo với các bộ thông số khác nhau, tạo ra một file có thể dùng trực tiếp
với chơng trình GLUE (mục A.4). Chơng trình GLUE sử dụng khái niệm mô tả
trong chơng 7 để tạo ra ớc lợng trọng số độ hữu hiệu của biến dự báo và có thể xác
định độ nhạy của dự báo cho các giá trị thông số khác nhau.
A.1. TFM
TFM là chơng trình để phân tích số liệu ma dòng chảy lu vực căn cứ vào
khái niệm mô hình hàm chuyển đổi, tơng tự những gì đã dùng trong mô hình
IHACRES của Jakeman và nnk (1990,1993: Jakeman và Hornberger, 1994) và mô
hình luỹ thừa song tuyến tính của Young và Beven(1991, 1994) (xem chơng 4).
Màn hình mở của TFM có 3 phím : một để thoát khỏi phần mềm, một đa đến tuỳ
chọn Load File và một để mở file Log. File Log đợc dùng để ghi file số liệu sử dụng,
sự biến đổi số liệu bất kỳ mang ra và các kết qủa của các tuỳ chọn Model
Identification (Nhận dạng mô hình) và Parameter Estimation (ớc lợng thông số).
Số liệu đợc ghi trong format văn bản ASCII cho soạn thảo sau đó và dùng trong các
báo cáo.

Các tuỳ chọn của TFM nh sau:
A.1.1. Tuỳ chọn Load File (Tải file):
Tuỳ chọn Load File trên màn hình chính TFM hoặc tuỳ chọn New Data (Số liệu
mới) trên màn hình Plots Data (vẽ số lệu) cho phép vào tên file cho bộ số liệu đầu vào
và đầu ra để sử dụng cho phân tích. TFM yêu cầu số liệu đầu vào và đầu ra ở khoảng
thời gian cố định là sẵn có.

318
Mâu thuẫn giữa file số liệu đầu vào và đầu ra đợc định nghĩa và đợc báo hiệu
bằng các thông báo cảnh báo. ở đâu 2 bộ số liệu có độ dài khác nhau thì độ dài đợc
tính theo số liệu file đầu vào. Giả thiết rằng cả 2 file bắt đầu cùng một thời điểm.
Việc tải đầy đủ file số liệu đầu vào và đầu ra đợc đa đến màn hình Plot Data, từ
đó các tuỳ chọn khác sẵn có để lựa chọn.
A.1.2 Tuỳ chọn Transform (Chuyển đổi).
Tuỳ chọn Transform trong màn hình Plots Data cho phép thực hiện 2 biến đổi phi
tuyến cho số liệu đầu vào tơng ứng với mô hình luỹ thừa song tuyến tính và lợng
trữ hoặc xấp xỉ chỉ số độ ẩm đất (cái sau là một đơn giản hoá của xấp xỉ IHACRES).
Các chuyển đổi này cần thiết để tạo ra một đầu vào ma hiệu quả, nó có liên hệ tuyến
tính với đầu ra nhiều hơn là với số liệu ma gốc. Mỗi loại yêu cầu một giá trị thông só
đơn (hoặc luỹ thừa trong mô hình song tuyến tính hoặc hằng số thời gian của lợng
trữ). Những thông số này dễ dàng tối u cho bộ số liệu bất kỳ bằng cách chạy lặp mô
hình.
Các tuỳ chọn khác cho phép chạy ban đầu bộ số liệu để thực hiện phân tích hoặc
file số liệu đợc rút gọn bằng cách bỏ cách quãng từng giá trị thứ n. File chuyển đổi có
thể ghi lại hoặc số liệu gốc có thể khôi phục lại.
A.1.3. Tuỳ chọn Identify (Đồng nhất)
Tuỳ chọn Identify cho phép xác định nhanh một khoảng rộng của cấu trúc mô
hình. Mô hình đợc xác định trong khoảng của giá trị thông số a, khoảng của giá trị
thông số b và khoảng thời gian trễ.
Các mô hình đợc phân khoảng trong dạng của tiêu chuẩn thông tin Young hoặc

YIC (xem hộp 4.1). Nó có thể âm hoặc dơng, chỉ ra sự phù hợp tốt giữa quan trắc và
dự báo và giá trị của thông số đợc xác định tốt. Một giá trị của hệ số
2
t
R
cũng đợc
đa ra. Nó bằng 1 khi có một sự phù hợp hoàn hảo và bằng 0 cho mô hình không tốt
hơn giả thiết một giá trị đầu ra trung bình.
Nằm trong bớc xác định mô hình là ý tởng cho rằng số liệu sẽ cho phép chỉ ra
cấu trúc mô hình là gần đúng nhất hơn là xác định một cấu trúc sẵn có. Có thể có
nhiều mô hình đa đến sự phù hợp tốt với số liệu. Mô hình đơn giản nhất đa đến giá
trị âm nhất và hàm chuyển đổi chấp nhận đợc về mặt vật lý sẽ đợc chọn.
Nhấn đúp chuột trên bất kỳ mô hình liệt kê sau đó quá trình nhận dạng điều
khiển trực tiếp đến màn hình tuỳ chọn Estimate và sẽ ớc lợng các thông số của mô
hình.
A.1.4. Tuỳ chọn Estimate (Ước lợng)
Tuỳ chọn Estimate thực hiện một ớc lợng cuối cùng các thông số của mô hình
đã chọn. Kết quả của hầu hết các ớc lợng gần nhất đợc vẽ. Hầu hết các ớc lợng
gần nhất đợc chỉ ra trên màn hình. Nếu file Log mở thì các kết quả cũng đợc ghi vào
file.
Ước lợng thông số đợc thực hiện bằng cách dùng biến phơng tiện lọc đơn giản

319
(SIRV), kỹ thuật tỏ ra là rất mạnh với sai số số liệu (xem Young 1984). Kết quả có thể
đợc xác đinh bằng cách dùng chỉ tiêu
2
t
R
hoặc YIC.
Một số tuỳ chọn khác cho phép kiểm tra đồ thị và nghiên cứu thống kê các kết

quả:
* Plot model (Đồ thị mô hình) đa ra một đồ thị đầu ra dự báo và quan trắc cùng
với đồ thị của chuỗi sai số quan trắc. Chuỗi thời gian mô hình hoá có thể ghi vào file.
* Plot TF (Đồ thị TF) đa ra một đồ thị của hàm chuyển đổi cho mô hình lựa chọn.
Điều này có thể kiểm tra để đảm bảo rằng hàm chuyển đổi mô hình thờng là dơng
và không chỉ ra dáng điệu dao động hoặc sự không ổn định đáng kể bất kỳ nào. Hàm
chuyển đổi có thể ghi vào file.
* Composite (Tổ hợp) đa ra một đồ thị tổ hợp của số liệu, độ phù hợp của mô hình
và hàm chuyển đổi. Điều này có thể in ra nh một báo cáo tóm tắt của phân tích. Hàm
chuyển đổi có thể ghi vào file.
* Validate (Kiểm chứng) cho phép màn hình kiểm tra một lần nữa với bộ số liệu
mới. Tuỳ chọn Validate có thể chỉ chọn sau khi tuỳ chọn Estimate đã thực hiện và mô
hình là có khả năng. Có thể sử dụng theo 2 cách phụ thuộc vào việc liệu sẵn có cả đầu
vào và đầu ra. Nếu cả 2 là sẵn có, mô hình đợc đánh giá trong dạng của phù hợp với
số liệu mới cho thời kỳ kiểm chứng trong dạng giá trị
2
t
R
. Nếu chỉ có sẵn số liệu đầu
vào thì mô hình có thể dùng để dự báo số liệu dòng chảy bị thiếu.
* Để sử dụng tuỳ chọn Validate điền đầy đủ các trờng tên fle (đầy đủ cả đờng
dẫn và phần mổ rộng yêu cầu) và chọn Calculate. Ngay khi một đầu ra mới đợc mô
phỏng số liệu có thể đợc ghi vào file.
A.2. TOPMODEL
Chơng trình này đợc coi nh là phiên bản thể hiện của TOPMODEL trong
Windows và đợc phát triển từ phiên bản đã dùng để giảng dạy trong các bài giảng về
khoa học môi trờng ở Đại học Tổng hợp Lancaster. Từ năm 1974 đã có nhiều phơng
án phát triển TOPMODEL ở Leeds và các nơi khác nhng cha có một phiên bản cuối
cùng. Đây hoàn toàn là có chủ tâm. TOPMODEL không dự định là một phần mềm mô
hình nh truyền thống mà là một tập hợp các khái niệm có thể dùng thích hợp ở bất

kỳ đâu. Nó cho phép ngời dùng có thể thay đổi với các giả thiết về sự phù hợp (xem
thảo luận về các giớí hạn trong Beven 1995 hoặc Beven 1997). Phiên bản này của
chuơng trình sẽ là thích hợp nhất cho lu vực có lớp đất nông và địa hình bằng phẳng,
không trải qua thời kỳ khô hạn quá dài. Thêm nữa diện tích phân bố sẽ đợc kiểm tra
lại xem điều gì thực sự xảy ra trong lu vực (ít nhất là định tính).
Mô hình cung cấp ở đây có sự thận trọng là không có diễn toán tối u hoá tự động.
Điều này có 2 lý do. Thứ nhất, ngời dùng đợc khuyến khích nhìn toàn cảnh đầu ra
từ mô hình và suy nghĩ về mô hình làm việc nh thế nào. Đây là điều có khả năng,
một phần, bằng thực tế là các kết quả có thể ánh xạ trở lại vào không gian và ngời
dùng nhìn thấy đợc toàn cảnh không gian đúng đắn của chúng. Theo cách này có thể
cho rằng đây không là mô hình tốt để biểu hiện cho lu vực thực tế (nhng bằng suy

320
nghĩ về tại sao cải tiến tính đại biểu theo một con đờng đơn giản quan hệ nào đấy).
Điều này là lý do tại sao bản chất phân bố của dự báo mô hình kết hợp với cấu trúc
đơn giản là rất quan trọng. Sử dụng nó nh một sự bổ sung để hiểu biết trớc khi
dùng nó nh một công cụ dự báo.
Thứ hai chúng tôi không tin rằng có một bộ giá trị thông số tối u ngay cả với một
mô hình tiết kiệm thông số nh TOPMODEL và không muốn khuyến khích thực hành
tối u hoá tự động. ở Lancaster chúng tôi đang dùng phơng pháp GLUE (xem
chơng 7) để thực hiện các hiệu chỉnh /phân tích độ nhạy/ ớc lợng độ bất định, dựa
trên hàng ngàn lần chạy. Phiên bản TOPMODEL này cung cấp một lựa chọn cho đầu
ra của kết quả mô phỏng Monte-Carlo để dùng sau đó với phần mềm GLUE tơng
thích (xem mục A.5).
Mỗi lu vực áp dụng yêu cầu một file Project. File này chỉ có 4 dòng nh sau:
1.Mô tả văn bản áp dụng
2.Tên file số liệu lu vực
3.Tên file số liệu thuỷ văn đầu vào
4.Tên file bản đồ chỉ số địa hình (có thể bỏ trống những dòng cho nó phải có)
Một ví dụ file Project và file số liệu liên kết cũng đợc cung cấp

3 tuỳ chọn sau đây sẵn có trong chơng trình:
A.2.1. Tuỳ chọn Hydrograph Prediction (Dự báo thuỷ đồ)
Tuỳ chọn Hydrograph Prediction cho phép chạy mô hình và hiển thị thuỷ đồ. Giá
trị thông số có thể thay đổi trên màn hình và mô hình đợc chạy lại. Sau mỗi lần chạy
chỉ số sự phù hợp tốt nhất đợc đa ra để đánh giá.
Nếu không phải tất cả các thời kỳ mô phỏng có thể hiển thị một lần thì thuỷ đồ có
thể đợc quét xuôi và ngợc bằng cách dùng các phím mũi tên.
Nếu file bản đồ chỉ số địa hình (Topographic Index Map) sẵn có thì một phím map
đợc biển thị cho phép hiện lên mô phỏng dự báo hoặc nh một tóm tắt trên tất cả các
bớc thời gian hoặc chuyển động.
A.2.2 Tuỳ chọn Sensitivily Analysis (Phân tích độ nhạy)
Màn hình này cho phép khảo sát độ nhạy của hàm mục tiêu khi thay đổi một hay
nhiều thông số. Một lần chạy đầu tiên đợc làm với bộ giá trị hiện thời của thông số.
Sau đó mỗi thông số đợc thay đổi trong khoảng của nó, khi giữ nguyên giá trị của các
thông số khác. Kết quả đợc hiển thị nh một đồ thị con. Giá trị thông số hiện thời bất
kỳ hoặc giá trị lớn nhất và nhỏ nhất trong phạm vi của nó đều có thể thay đổi trên
màn hình.
A.2.3. Tuỳ chọn Monte-Carlo Analysis (Phân tích Monte-Carlo)
Trong tuỳ chọn này một số lớn lần chạy có thể làm (giới hạn chỉ bởi khả năng lu
trữ của file kết quả) bằng cách dùng mẫu ngẫu nhiên đồng nhất của các thông số đã
chọn để phân tích. Giá trị các thông số khác đợc giữ nguyên ở giá trị hiện thời. Hộp

321
kiểm tra đợc dùng để chọn biến và hàm mục tiêu và đợc ghi cho mỗi lần chạy.
File kết quả tạo ra sẽ tơng thích với phần mềm GLUE
A.3 Phân tích DTM
Chơng trình phân tích DTM đợc dùng để rút ra một phân bố của giá trị
ln(a/tgB) từ lới raster đều của cao trình cho lu vực hay lu vực con bất kỳ bằng cách
dùng thuật toán dòng chảy đa hớng của Quinn và nnk (1995). Đầu ra của chơng
trình là một toán đồ phân bố của các gía trị ln(a/gB) và file bản đồ của các giá trị này

có thể dùng làm đầu vào bản đồ của chơng trình TOPMODEL.
Có 3 tuỳ chọn trong chơng trình
A.3.1.Tuỳ chọn Topographic Index Distribution Calculation (Tính toán
phân bố chỉ số địa hình)
Tuỳ chọn Topographic Index Ditribution Calculation là phiên bản đơn giản nhất
của thuật toán trong đó chỗ lõm hoặc hố trong ma trận cao trình đợc xác định,
không cố gắng khởi tạo đờng dẫn dòng chảy liên tục đến cửa ra lu vực. Chỗ lõm
đợc loại trừ bằng cách thay đổi số liệu cao trình khi dùng tuỳ chọn Automatic Sink
Removal (Loại trừ lõm tự động), sử dụng trung bình liên tiếp của các cao trình xung
quanh để phân đều các điểm lõm. Điều này là đơn giản nhng lợi dụng đợc các sông
suối nhỏ mà lới cao trình không thể quyết định đờng dẫn dòng chảy liên tục.
Tuỳ chọn này cũng yêu cầu chỉ số cao trình của các điểm bên trong lu vực mới
đợc sử dụng, tất cả các giá trị khác trên ma trận đợc gán cho giá trị lớn hơn 9999.0
(m). Tuỳ chọn Cachment Identification (đồng nhất lu vực) có thể dùng để cắt ra các
ảnh điểm (pixel) riêng biệt bằng thuật toán Hill-Climbing-Trèo dốc.
Ghi nhớ rằng số liệu cao trình sẽ có độ phân giải 50 m hoặc tốt hơn. Cũng lu ý
rằng phân bố rút ra giá trị ln(a/tgB) phụ thuộc vào độ phân giải số liệu các cao trình
sử dụng và trên các quy tắc riêng cho điện tích ngợc dốc đóng góp và phân chia với
sông nhỏ hơn kích cỡ lới. Các phân bố khác có thể đa đến các giá trị thông số hiệu
quả khác nhau cho lu vực đa ra.
A.3.2. Tuỳ chọn Automatic Sink Removal (Loại trừ lõm tự động)
Tuỳ chọn này có thể sử dụng để sửa chữa tự động các chỗ lõm hoặc hố trong
một cao trình trớc khi chạy tuỳ chọn Topographic Index Distribution Calculation.
Chơng trình sẽ xác định một hố bất kỳ (giá trị xung quanh có cao trình bằng hoặc cao
hơn) và cố gắng sửa chữa chúng bằng trung bình các cao trình xung quanh. Sau mỗi
lần chạy qua tất cả các chỗ lõm xác định đợc, chơng trình sẽ có thể kiểm tra để xem
còn có chỗ lõm nào còn tồn tại.
Lu ý rằng thuật toán không xác định trực tiếp một lu vực bên trong lớn nào
trong bản đồ cao trình. Dù sao các lu vực nh vậy thờng đa đến một hố cục bộ. Do
đó bằng phép lặp qua chơng trình nó sẽ có thẻ sửa chữa các điểm đó.

ở cuối của tuỳ chọn một số liệu cao trình mới có thể ghi vào file. File đầu ra có
format chính xác nh file đầu vào. File phân tách xác dịnh tất cả các hố đã sửa chữa

322
và thay đổi cao trình cũng có thể đợc ghi vào.
A.3.3.Tuỳ chọn Cachment Identification (Đồng nhất lu vực)
Tính toán chỉ số địa hình yêu cầu tất cả các cao trình bên ngoài lu vực đợc gán
nhãn giá trị 9999.0 hoặc lớn hơn. Tuỳ chọn này lấy file số liệu cao trình raster và đồng
nhất diện tích lu vực thu vào một điểm xác định. Thuật toán làm việc bằng sự liên
kết tất cả các điểm là ngợc dốc liên tục của cửa ra lu vực. ở mỗi lần lặp thuật toán
tìm kiếm các điểm kế cận những điểm đợc đồng nhất nh là trong lu vực có cao
trình lớn hơn giá trị ngỡng xác định. Giá trị 0 có thể chọn là giá trị ngỡng (nghĩa là
các điểm lân cận có cao trình bằng nó sẽ đợc thêm vào lu vực). Nhng điều này có
thể gây ra vấn đề là trong một số mảng cao trình chứa các giải bằng phẳng mở rộng ra
xung quanh lu vực phân chia. Nếu điềù này xẩy ra thì phép nội suy cao trình gốc sẽ
đợc cải tiến hoặc độ phân giải của ma trận cao trình sẽ phải giảm.
A.4. GLUE.
Gói phần mềm GLUE cung cấp công cụ cho phân tích độ nhạy và ớc lợng độ bất
định bằng cách dùng mô phỏng Monte-Carlo. Điểm khởi đầu cho quan điểm của
GLUE là thay thế t tởng bộ thông số tối u bằng khái niệm tơng đơng của cấu
trúc mô hình và bộ thông số với ngụ ý rằng chỉ có khả năng đánh giá thực hiện có liên
quan trong khoảng các mô hình có khả năng, hoặc định tính hoặc định lợng, trong
dạng của độ hữu hiệu nào đấy. Lu ý rằng độ hữu hiệu đợc dùng ở đây theo nghĩa
rộng hơn hàm hữu hiệu của lý thuyết ớc lợng thống kê. Nhng hàm hữu hiệu cũng
có thể dùng bên trong GLUE. Cũng lu ý rằng một giải thích mờ của độ hữu hiệu
cũng có thể sử dụng.
Dự báo các thể hiện Monte-Carlo khi đó đợc trọng số hoá bởi độ hữu hiệu để xác
định giới hạn dự báo của các biến yêu cầu. Nh vậy, các thể hiện của bộ thông số này
mà thực hiện tốt trong việc đánh giá đợc đa ra bởi trọng số lớn nhất trong dự báo.
Không có giả thiết phân bố đợc làm trong việc xác định giới hạn dự báo Chúng chỉ

dựa trên mẫu sẵn có của dự báo. Có các tiện ích trong phần mềm để biến đổi độ hữu
hiệu (ví dụ bằng cách nâng lên luỹ thừa để làm cho bề mặt phản ứng thông số nhọn
hơn hoặc bằng cách thay đổi ngỡng chấp nhận đợc). Bộ thông số với độ hữu hiệu
dới ngỡng khi đó đợc coi là không hành vi và có giá trị độ hữu hiệu bằng 0.
Phơng pháp GLUE tập trung sự chú ý vào bản chất chủ quan của đánh giá mô
hình (ví dụ chọn độ hữu hiệu, chọn giá trị ngỡng) nhng yêu cầu các yếu tố này đợc
định nghĩa rõ ràng và do dó đợc mở để xem xét và chứng minh.
Sự tơng tác giữa các thông số và sự phi tuyến trong phản ứng mô hình (nó có thể
cực kỳ phức tạp và tiềm tàng ngay cả khi hỗn độn) đợc giải ẩn trong phơng pháp
GLUE. Về bản chất phản ứng phi tuyến của một bộ thông số của một mô hình riêng
đợc tóm tắt bằng giá trị hữu hiệu liên hợp, nghĩa là thực hiện của thể hiện mô hình
riêng đó trong việc tái tạo lại các quan trắc. Nh vậy phân tích tập trung vào bộ thông
số hơn là dáng điệu của từng thông số riêng biệt và tơng tác của chúng (mặc dù một
số phơng tiện đợc cung cấp trong tuỳ chọn Sensitivity Plot (đồ thị độ nhạy) để khảo

323
sát độ nhạy cho các thông số riêng biệt). Sai số trong số liệu đầu vào và số liệu quan
trắc cũng đợc thực hiện một cách ẩn. Nh vậy độ hữu hiệu phản chiếu khả năng của
mô hình riêng để dự báo một chuỗi riêng (có thể không là sai số tự do) đa đến một bộ
đầu vào riêng (có thể không có sai số tự do). Nh thế có một giả thiết ẩn rằng trong dự
báo cấu trúc sai số tơng tự trong nghĩa mở rộng với những cấu trúc này trong thời
kỳ đánh giá.
Giới hạn chính của phơng pháp GLUE là phụ thuộc vào mô phỏng Monte-Carlo.
Cho các mô hình phức tạp cần nhiều thời gian cho mỗi lần chạy, nó sẽ không có khả
năng để khảo sát đầy đủ bề mặt phản ứng thông số bậc cao. Dù sao, các thực nghiệm
gợi ý rằng giới hạn trên của thực hiện mô hình thờng đợc xác định tốt bởi giới hạn
các thể hiện mô hình và rằng khoảng dự báo là chấp nhận đợc trong sự so sánh với
quan trắc.
Các tuỳ chọn sẵn có trong chơng trình nh sau
A.4.1.Dotty Plots (Đồ thị điểm)

Màn hình Dotty Plots cung cấp đồ thị của độ hữu hiệu bất kỳ hoặc biến dự báo
tơng phản với giá trị của mỗi thông số riêng biệt. Một điểm đợc vẽ cho một lần chạy
Monte-Carlo trong file số liệu đầu vào. Do đó đồ thị điểm là phép chiếu của tất cả các
mẫu Monte-Carlo vào các trục thông số đơn. Vì vậy chúng đợc giải thích với sự thận
trọng vì chúng có thể che dấu một số cấu trúc trong bề mặt phản ứng thông số N-
chiều. Độ hữu hiệu hoặc các biến đã chọn có thể thay đổi hoặc chuyển đổi bằng cách
chọn từ các tuỳ chọn trên dòng menu.
A.4.2. Sensitivity Plot (Đồ thị độ nhạy)
Màn hình này cung cấp đồ thị phân bố luỹ tích của nhóm giá trị thông số theo
phân cấp của mỗi lần chạy Monte-Carlo cho độ hữu hiệu hoặc của biến dự báo đa ra.
Sự khác nhau mạnh mẽ giữa các phân bố luỹ tích của độ hữu hiệu hoặc biến dự báo
đa ra chỉ ra độ nhạy của thông số đó. Việc vẽ phân bố sẽ kết thúc cùng với việc chỉ ra
một thiếu sót của độ nhạy. Độ hữu hiệu hoặc biến đã chọn có thể thay đổi hoặc chuyển
đổi bằng cách chọn từ các tuỳ chọn trên dòng menu.
A.4.3. Uncertainty Plots (Đồ thị tính bất định)
Màn hình này cung cấp đồ thị của toán đồ và phân bố luỹ tích của biến dự báo
đợc trọng số hoá bởi độ hữu hiệu đã chọn. Các điểm phân vị mẫu (5% và 95%) đã chỉ
ra trên đồ thị phân bố luỹ tích. Cả độ hữu hiệu và biến có thể thay đổi bằng tuỳ chọn
trên dòng menu.
A.4.4. List Simulation (Danh sách mô phỏng)
Tuỳ chọn này cung cấp đầu ra của đỉnh (hoặc đáy) của 20 mô phỏng phân cấp theo
độ hữu hiệu hoặc biến dự báo.
A.4.5. Transforming Likelihood Measures (Chuyển đổi độ hữu hiệu)
Tuỳ chọn này cung cấp một số tuỳ chọn chuyển đổi bao gồm áp dụng một giới hạn

324
ngỡng thấp hơn, tăng độ hữu hiệu lên luỹ thừa, lấy hàm mũ của độ hữu hiệu nhân
với một hệ số, lấy log của độ hữu hiệu. Độ hữu hiệu mới nhận đợc bằng cách này có
thể lu trữ hoặc soạn thảo.
A.4.6. Combining Likelihood Measures (Kết hợp độ hữu hiệu)

Cần kết hợp các độ hữu hiệu khác nhau bắt nguồn từ số các tình huống khác nhau
bao gồm kết hợp các độ hữu hiệu cho các dạng đánh giá mô hình khác nhau (ví dụ một
độ hữu hiệu tính cho dự báo lu lợng, một độ hữu hiệu tính cho dự báo mực nớc
ngầm hoặc mức độ ẩm của đất), hoặc cập nhật độ hữu hiệu hiện có với một độ hữu
hiệu mới đợc tính cho dự báo theo một tập hợp quan trắc mới. Có 4 dạng khác nhau
của toán tử tổ hợp đợc phép dùng trong phần mềm GLUE: Đó là phép nhân Bayes,
tăng trọng số, liên kết mờ và giao nhau mờ (hộp 7.2).