Đánh giá kỹ năng dự báo mưa lớn cho khu vực miền trung va tây nguyên của một số mô hình khu vưc

ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN
---------------------

Nguyễn Thanh Tú

ĐÁNH GIÁ KỸ NĂNG DỰ BÁO MƢA LỚN CHO KHU VƢ̣C MIỀN
TRUNG VÀ TÂY NGUYÊN CỦA MỘT SỐ MƠ HÌNH KHU VỰC

LUẬN VĂN THẠC SĨ KHOA HỌC

Hà Nội – Năm 2013


ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN
---------------------

Nguyễn Thanh Tú

ĐÁNH GIÁ KỸ NĂNG DỰ BÁO MƢA LỚN CHO KHU VƢ̣C MIỀN
TRUNG VÀ TÂY NGUYÊN CỦA MỘT SỐ MƠ HÌNH KHU VỰC

Chun ngành: Khí tƣợng và Khí hậu học
Mã số: 60 440 222

LUẬN VĂN THẠC SĨ KHOA HỌC

NGƢỜI HƢỚNG DẪN KHOA HỌC:
TS. BÙI MINH TĂNG

Hà Nội – Năm 2013

2


LỜI CẢM ƠN
Trƣớc hết, tơi xin bày tỏ lịng biết ơn sâu sắc tới TS. Bùi Minh Tăng - ngƣời
đã tận tình chỉ bảo và hƣớng dẫn tơi hồn thành luận văn này.
Tôi xin cảm ơn các Thầy cô và các cán bộ trong khoa Khí tƣợng - Thủy văn Hải dƣơng học đã cung cấp cho tôi những kiến thức chuyên môn quý giá, giúp đỡ
và tạo điều kiện thuận lợi về cơ sở vật chất trong suốt thời gian tôi học tập và thực
hành ở Khoa.
Tôi xin cảm ơn các cán bộ phòng Nghiên cứu ứng dụng (Trung tâm dự báo
Khí tƣợng Thủy văn Trung Ƣơng), đặc biệt là Thạc sĩ Võ Văn Hòa và Thạc sĩ Dƣ
Đức Tiến đã tạo điều kiện, trao đổi chuyên môn cũng nhƣ có những ý kiến q báu
giúp tơi hồn thiện luận văn này.
Tơi cũng xin cảm ơn Phịng sau đại học, Trƣờng Đại học Khoa học Tự nhiên
đã tạo điều kiện cho tơi có thời gian hồn thành luận văn.
Cuối cùng, tôi xin gửi lời cảm ơn chân thành tới gia đình, ngƣời thân và bạn
bè, những ngƣời đã ln ở bên cạnh cổ vũ, động viên và tạo mọi điều kiện tốt nhất
cho tôi trong suốt thời gian học tập tại trƣờng.
Nguyễn Thanh Tú

3


MỤC LỤC
MỞ ĐẦU ....................................................................................................... 10
CHƢƠNG 1. TỔNG QUAN VỀ BÀI TỐN ĐÁNH GIÁ DỰ BÁO TRONG KHÍ
TƢỢNG VÀ CÁC CHỈ SỐ ĐÁNH GIÁ .................................................................. 12
1.1 Sự cần thiết của bài tốn đánh giá. ............................................................. 12

1.1.1 Mục đích và ý nghĩa của đánh giá dự báo .......................................... 12
1.1.2 Mơ hình đánh giá chung cho các yếu tố dƣ̣ báo thời tiết ................... 13
1.1.3 Các loại yếu tố dự báo ........................................................................ 14
1.1.4 Các điểm số dùng trong đánh giá ....................................................... 15
1.2 Tổng quan các nghiên cứu về đánh giá dự báo mƣa trong và ngoài nƣớc . 16
1.2.1 Tổng quan nhƣ̃ng nghiên cƣ́u ngoài nƣớc.......................................... 16
1.2.2 Tổng quan nhƣ̃ng nghiên cƣ́u trong nƣớc .......................................... 17
1.3 Một số phƣơng pháp đánh giá dự báo ........................................................ 19
1.3.1 Sơ đồ chung đánh giá dự báo từ mơ hình dự báo số trị ..................... 19
1.3.2 Các phƣơng pháp đánh giá ................................................................. 23
CHƢƠNG 2. PHƢƠNG PHÁP NGHIÊN CỨU VÀ TẬP SỐ LIỆU SỬ DỤNG .... 29
2.1. Đặt bài tốn ................................................................................................ 29
2.2. Mơ tả tập số liệu nghiên cứu ...................................................................... 32
2.2.1 Miề n tính toán , đô ̣ phân giải , bƣớc tích phân thời gian và tùy cho ̣n
tham số hóa vâ ̣t lý cho mô hiǹ h HRM, WRFARW, WRFNMM. ............................ 32
2.2.2 Số liệu mơ hình .................................................................................. 37
2.2.3 Số liệu quan trắc ................................................................................. 38
2.3 Phƣơng pháp đánh giá dự báo mƣa lớn ...................................................... 38
2.3.1 Phƣơng pháp đánh giá định lƣợng ..................................................... 38
2.3.2 Phƣơng pháp đánh giá theo ngƣỡng mƣa ........................................... 39
CHƢƠNG 3. KẾT QUẢ ĐÁNH GIÁ KỸ NĂNG DỰ BÁO MƢA LỚN CỦA MƠ
HÌNH HRM-gfs, WRFARW-gfs VÀ WRFNMM-gfs CHO KHU VỰC MIỀN
TRUNG VÀ TÂY NGUYÊN ................................................................................... 40

4


3.1. Kết quả đánh giá các đợt mƣa lớn từ năm 2008 đến năm 2010 cho khu vực
miền Trung và Tây Nguyên ...................................................................................... 40
3.2. Kết quả đánh giá dự báo mƣa lớn của một số trƣờng hợp điển hình cho

khu vực miền Trung và Tây Nguyên ........................................................................ 52
3.2.1. Dự báo 24h đợt mƣa từ ngày 25/7/2010 đến ngày 27/7/2010 khu vực
Trung Trung Bộ của 3 mơ hình ................................................................................. 52
3.2.2 Dự báo 24h đợt mƣa từ ngày 30/9/2010 đến ngày 5/10/2010 khu vực
Bắc Trung Bộ của 3 mơ hình ................................................................................... 55
KẾT LUẬN....................................................................................................... 60
TÀI LIỆU THAM KHẢO ................................................................................ 62
PHỤ LỤC ......................................................................................................... 65

5


DANH MỤC CÁC HÌNH VẼ
Hình 1.1 Sơ đồ chung cho đánh giá các yếu tố thời tiết ........................................... 13
Hình 1.2 Sơ đồ chung cho đánh giá mơ hình dự báo thời tiết số .............................. 20
Hình 2.1 Miền tích phân dự báo của mơ hình HRM ................................................. 34
Hình 2.2 Miền tích phân dự báo của mơ hình WRFARW ........................................ 36
Hình 2.3 Miền tích phân dự báo của mơ hình WRFNMM ....................................... 37
Hình 3.1 Lƣơ ̣ng mƣa trung bình tích lũy 24h của các năm 2008 đến 2010 bằ ng mơ
hình HRM với hạn dự báo 24h, 48h, 72h khu vƣ̣c miề n Trung và Tây Nguyên ...... 40
Hình 3.2 Lƣơ ̣ng mƣa trung bình tí ch lũy 24h của các năm 2008 đến 2010 bằ ng mơ
hình WRFARW với hạn dự báo 24h, 48h, 72h khu vƣ̣c miề n Trung và Tây Ngu .. yên
. .................................................................................................................................. 41
Hình 3.3 Lƣơ ̣ng mƣa trung bin
̀ h tích lũy 24h của các năm 2008 đến 2010 bằ ng mơ
hình WRFARW với hạn dự báo 24h, 48h, 72h khu vƣ̣c miề n Trung và Tây Nguyên . .
................................................................................................................................... 42
Hình 3.4 Các điể m số ME, MAE, RMSE và hệ số tƣơng quan của các đợt mƣa lớn
khu vực miền Trung và Tây Nguyên năm 2008 đến 2010 với hạn dự báo 24h, 48h,
72h ............................................................................................................................. 43

Hình 3.5 Chỉ số BIAS của các đợt mƣa lớn khu vực miền Trung và Tây Nguyên
năm 2008 đến 2010 với hạn dự báo 24h, 48h, 72h ................................................... 44
Hình 3.6 Chỉ số POD của các đợt mƣa lớn khu vực miền Trung và Tây Nguyên năm
2008 đến 2010 với hạn dự báo 24h, 48h, 72h ........................................................... 45
Hình 3.7 Chỉ số FAR của các đợt mƣa lớn khu vực miền Trung và Tây Nguyên năm
2008 đến 2010 với hạn dự báo 24h, 48h, 72h ........................................................... 46
Hình 3.8 Các chỉ số ME, MAE, RMSE và hệ số tƣơng quan của các đợt mƣa lớn
cho từng khu vực năm 2008 đến 2010 ...................................................................... 47
Hình 3.9 Các chỉ số BIAS, POD, FAR khu vƣ̣c Bắ c Trung Bơ ̣ năm 2008 đến 2010 ...
................................................................................................................................... 48
Hình 3.10 Các chỉ số BIAS , POD, FAR khu vƣ̣c Trung Trung Bô ̣ năm

2008 đến

2010 ........................................................................................................................... 49

6


Hình 3.11 Các chỉ số BIAS, POD, FAR khu vƣ̣c Nam Trung Bơ ̣ năm 2008 đến 201050
Hình 3.12 Các chỉ số BIAS, POD, FAR khu vƣ̣c Tây Nguyên năm 2008 đến 2010 ....
................................................................................................................................... 51
Hình 3.13 Lƣợng mƣa tích lũy 24h của quan trắc và 3 mơ hình tại khu vực Trung
Trung Bộ ngày 25/7/2010 ......................................................................................... 53
Hình 3.14 Lƣợng mƣa tích lũy 24h của quan trắc và 3 mơ hình tại khu vực Trung
Trung Bộ ngày 26/7/2010 ......................................................................................... 54
Hình 3.15 Lƣợng mƣa tích lũy 24h của quan trắc và 3 mơ hình tại khu vực Trung
Trung Bộ ngày 27/7/2010 ......................................................................................... 55
Hình 3.16 Lƣợng mƣa tích lũy 24h của quan trắc và 3 mơ hình tại khu vực Bắc
Trung Bộ ngày 30/9/2010 ......................................................................................... 56

Hình 3.17 Lƣợng mƣa tích lũy 24h của quan trắc và 3 mơ hình tại khu vực Bắc
Trung Bộ ngày 01/10/2010 ....................................................................................... 57
Hình 3.18 Lƣợng mƣa tích lũy 24h của quan trắc và 3 mơ hình tại khu vực Bắc
Trung Bộ ngày 02/10/2010 ....................................................................................... 58
Hình 3.19 Lƣợng mƣa tích lũy 24h của quan trắc và 3 mơ hình tại khu vực Bắc
Trung Bộ ngày 04/10/2010 ....................................................................................... 59

7


DANH MỤC CÁC BẢNG
Bảng 1.1 Bảng phân loa ̣i tầ n số xuấ t hiê ̣n các sƣ̣ kiê ̣n .............................................. 26
Bảng 2.1 Cấu hình động lực, vật lý và phƣơng pháp số của mơ hình HRM ............ 33
Bảng 2.2 Cấu hình động lực, vật lý và phƣơng pháp số của mơ hình WRFARW .......
................................................................................................................................... 35

8


BẢNG KÝ HIỆU CÁC CHỮ VIẾT TẮT
XTNĐ

Xoáy thuận nhiệt đới

QPF

Kiểm tra giáng thủy định lƣợng

MM5

Mơ hình qui mơ vừa của Trung tâm Nghiên cứu khí tƣợng Quốc
Gia Hoa Kỳ và Đại học bang Pennsylvania thế hệ thứ 5 (The
NCAR/PSU 5th Generation Mesoscale Model)

ME

Sai số trung bình (Mean Error)

MAE

Sai số tuyệt đối trung bình (Mean Absolute Error)

MSE

Sai sớ biǹ h phƣơng trung bin
̀ h (Mean Sqare Error)

RMSE

Sai số bình phƣơng trung bình quân phƣơng (Root Mean Sqare
Error)

r

Hệ số tƣơng quan

FBI(BS)

Tỷ số giữa vùng dự báo và vùng thám sát (Frequency Bias)

POD

Xác suất phát hiện (Probability Of Detection of Event)

FAR

Tỷ lệ phát hiện sai (False Alarm Ratio)

ETS

Điểm số thành công hợp lý

ITCZ

Dải hội tụ nhiệt đới

KKL

Khơng khí lạnh

GFS

Hệ thống dự báo tồn cầu của Hoa Kỳ (Global Forecasting
System)

9


MỞ ĐẦU
Phƣơng pháp dự báo số trị - dự báo bằng mơ hình thuỷ động lực học hiện đại

có phân giải cao áp dụng cho từng khu vực đã đƣợc sử dụng ở nhiều nƣớc trên thế
giới, đặc biệt là các nƣớc phát triển. Chất lƣợng dự báo về hiện tƣợng mƣa lớn cao
hơn hẳn các phƣơng pháp dự báo ra đời trƣớc đó và sản phẩm số của mơ hình dự
báo có thể đảm bảo các u cầu của các mơ hình dự báo thuỷ văn đối với lũ lụt, lũ
quét. Một trong những nhân tố quyết định gây nên sự hình thành và phát triển mƣa
lớn trong các hiện tƣợng thời tiết nguy hiểm nhƣ xoáy thuận nhiệt đới (XTNĐ), dải
hội tụ nhiệt đới... là đối lƣu mây tích. Các q trình đối lƣu này đóng vai trị quan
trọng trong chu trình vận chuyển năng lƣợng của khí quyển và do đó phân bố lại sự
đốt nóng khơng đồng đều trên bề mặt trái đất. Ngoài phụ thuộc vào độ hội tụ ẩm
mực thấp, đối lƣu mạnh còn phụ thuộc vào tính bất ổn định của khí quyển. Các q
trình qui mơ vừa nhƣ vậy chỉ có thể tính đƣợc bằng các mơ hình số trị.
Thêm vào đó mƣa là hiện tƣợng thời tiết khó dự báo nhất . Khơng những chỉ
khó dự báo mà việc đánh giá dự báo mƣa cũng là một việc hết sức khó khăn và
phức tạp. Trƣớc hết khó khăn nằm ngay trong bản chất trƣờng yếu tố mƣa là trƣờng
bất liên tục và không cố định cả theo thời gian lẫn không gian; nhiều đặc trƣng
thống kê có tính quy luật ở những yếu tố khí tƣợng khác , nhƣng lại khơng có ở số
liệu mƣa, làm cho việc xử lý số liệu mƣa cũng rất phức tạp . Xong dự báo mƣa lớn
lại có vai trị đặc biệt quan trọng trong phục vụ dự báo

, nhất là phục vụ phòng

chống thiên tai . Vì vậy, dƣ̣ báo và đánh giá mƣa lớn là vấn đề quan trọng cần thiết
phải nghiên cứu.
Luận văn này tập trung vào việc đánh giá kỹ năng dự báo 24h, 48h, 72h của
mƣa lớn cho miền Trung và Tây Ngun của ba mơ hình dự báo thời tiết số đang
đƣợc tiến hành chạy nghiệp vụ tại Trung tâm Dự báo Khí tƣợng Thủy văn Trung
ƣơng là mơ hình HRM-gfs, WRFARW-gfs và WRFNMM-gfs. Ngồi phần Mở đầu,
Kết luận và Tài liệu tham khảo, luận văn đƣợc bố cục cụ thể nhƣ sau:

10

Chƣơng 1. Tổng quan về bài toán đánh giá dự báo trong khí tƣợng và các chỉ
số đánh giá.
Chƣơng 2. Phƣơng pháp nghiên cứu và tập số liệu sử dụng
Chƣơng 3. Kết quả đánh giá kỹ năng dự báo mƣa lớn của mơ hình HRM-gfs,
WRFARW-gfs và WRFNMM-gfs cho khu vực miền Trung và Tây Nguyên.

11


CHƢƠNG 1. TỔNG QUAN VỀ BÀI TOÁN ĐÁNH GIÁ DỰ BÁO TRONG
KHÍ TƢỢNG VÀ CÁC CHỈ SỐ ĐÁNH GIÁ
1.1. Sự cần thiết của bài tốn đánh giá
1.1.1. Mục đích và ý nghĩa của đánh giá dự báo
Đánh giá là sự tính tốn ƣớc lƣợng mối quan hệ giữa tập số liệu dự báo và
tập giá trị quan trắc. Các hoạt động đánh giá chỉ có ích khi giúp ta đƣa ra đƣợc
những kết luận cuối cùng cho sản phẩm dự báo đƣợc đánh giá. Để đánh giá thì kết
quả dự báo phải đầy đủ và khách quan còn các quan trắc phải mơ tả chính xác
những gì có trong thực tế.
Theo Barbara Brown (2007), đánh giá chất lƣợng dự báo thời tiết bao gồm 3
mục đích chính:
a. Mục đích hành chính
Đánh giá theo mục đích hành chính là để chứng tỏ những lợi ích mà cơng tác
dự báo đem lại. Thơng tin đánh giá có nhiều ứng dụng mang tính hành chính nhƣ:
cung cấp thơng tin cho việc mua sắm các trang thiết bị hay xác định khi nào và có
nên thay đổi sản phẩm dự báo bằng một sản phẩm khác hay khơng… Đánh giá hành
chính đƣợc sử dụng để giám sát thƣờng xuyên chất lƣợng tổng thể của các dự báo
và theo dõi những thay đổi về chất lƣợng của chúng qua từng thời kỳ.
b. Mục đích khoa học

Mục đích khoa học của đánh giá chất lƣợng dự báo để nhận biết chi tiết các
ƣu điểm và nhƣợc điểm của một sản phẩm dự báo để từ đó có những hành động tích
cực nhằm cải thiện dự báo. Bên cạnh đó, đánh giá khoa học cũng cung cấp trực tiếp
các thông tin cho hƣớng nghiên cứu và phát triển dự báo.
c. Mục đích kinh tế
Vì mục đích kinh tế là vấn đề phức tạp nên giới hạn luận văn này không xem
xét đến [10].

12


1.1.2. Mơ hình đánh giá chung cho các yếu tố dự báo thời tiết

Hình 1.1 Sơ đồ chung cho đánh giá các yếu tố thời tiết
Theo tác giả Henry R. Stanski và các cộng sự (1989), hình 1.1 là mơ hình
chung nhất để đánh giá dự báo các yếu tố thời tiết và tóm tắt các kiểu quyết định
đƣợc đƣa ra trƣớc khi một phƣơng pháp đánh giá chuyên dụng đƣợc lựa chọn.

13


Tất cả các phƣơng pháp đánh giá đều đƣợc bắt đầu từ việc tập hợp các tập số
liệu quan trắc và dự báo. Sau đó bƣớc tiếp theo là xử lý các tập số liệu.
Khi mục đích đánh giá đƣợc thiết lập, một tập mẫu có thể đƣợc phân loại để
đáp ứng mục đích đã định sẵn. “Phân loại ngoại bộ” nghĩa là đánh giá theo nguyên
tắc lựa chọn một cách độc lập các yếu tố cần đánh giá. Phân loại ngoại bộ có thể
đƣợc thực hiện ở bất cứ thời điểm nào trong q trình trƣớc các tính tốn thống kê
đánh giá thực sự và có thể thực hiện cho cả mục đích hành chính và mục đích khoa
học.
“Phân loại nội bộ” có nguyên tắc phân loại đƣợc xác định theo mục đích

đánh giá và sử dụng chính yếu tố đang đƣợc đánh giá. Có hai cách để thực hiện
phân loại nội bộ với kiểu đánh giá cho mỗi cách này là khác nhau.
“Phân loại theo quan trắc” nghĩa là phân loại theo giá trị của các yếu tố khí
tƣợng quan trắc đƣợc. Sau đó, các đại lƣợng đánh giá có thể đƣợc tính tốn cho
từng nhóm giá trị quan trắc và giá trị thống kê đƣợc tạo thành này gọi là giá trị “có
điều kiện đối với quan trắc”.
“Phân loại theo dự báo” nghĩa là phân loại theo giá trị của các yếu tố thời
tiết đƣợc dự báo. Tƣơng tự nhƣ trên, các con số thống kê đƣợc tính tốn theo cách
phân loại này đƣợc gọi là các giá trị “có điều kiện đối với dự báo”.
Việc lựa chọn kiểu phân loại phụ thuộc vào yêu cầu đánh giá và nhiều khi sẽ
cần phải sử dụng cả hai cách phân loại trên để đƣa ra một câu trả lời hoàn chỉnh.
1.1.3. Các loại yếu tố dự báo
Dựa theo các mục đích đánh giá ngƣời ta chia ra thành hai dạng dự báo là:
dự báo các đại lƣợng liên tục và dự báo pha.
“Yếu tố dự báo liên tục” là các yếu tố đƣợc dự báo tại một giá trị riêng hoặc
trong một khoảng giá trị dự báo. Trong số các yếu tố thời tiết thì nhiệt độ và gió hay
đƣợc dự báo theo cách này.
“Yếu tố dự báo pha” là các yếu tố dự báo có thể xảy ra hoặc không xảy ra.

14


Một vài yếu tố có thể đƣợc dự báo pha hoặc dự báo liên tục, việc lựa chọn
chủ yếu phụ thuộc vào yêu cầu của ngƣời sử dụng trong quá trình dự báo.
1.1.4. Các điểm số dùng trong đánh giá
Các điểm số dùng trong đánh giá đƣợc minh họa theo từng cặp ở phía dƣới
hình 1.1 cho ta thấy đƣợc mối quan hệ giữa chúng.
Các điểm số liệt kê trên hình 1.1 gồm 3 loại: Các điểm số tuyến tính, các
điểm số toàn phƣơng (bậc hai) và các điểm số kỹ năng.
Điểm số toàn phƣơng đƣa ra trọng số của các sai số theo bình phƣơng của

chúng trong khi đó điểm số tuyến tính cho trọng số sai số có giá trị bậc nhất. Vì vậy
điểm số tồn phƣơng thƣờng đƣa ra trọng số sai số lớn hơn là điểm số tuyến tính và
điểm số này rất hữu dụng trong các trƣờng hợp các sai số lớn thực sự nghiêm trọng
hơn so với các sai số nhỏ.
Điểm số kỹ năng đƣợc xây dựng để đánh giá mối quan hệ giữa các dự báo và
một giá trị chuẩn nào đó. Giá trị chuẩn đƣợc chọn lựa để mô tả một dự báo không
kỹ năng. Ba tiêu chuẩn đƣợc sử dụng để so sánh là: chuẩn ngẫu nhiên, chuẩn quán
tính và chuẩn khí hậu. Chuẩn ngẫu nhiên mơ tả sự phỏng đốn thuần túy và không
yêu cầu hiểu biết tri thức, chuẩn quán tính là một dự báo xác định và yêu cầu các
hiểu biết về điều kiện thời tiết ban đầu và chuẩn khí hậu là một dự báo thời tiết
trung bình trong khoảng thời gian dài và cần phải có sự hiểu biết về lịch sử của thời
tiết. Điểm số kỹ năng đƣợc biểu diễn trong công thức sau:
SS 

SC  ST
PS  ST

trong đó SC là điểm số có đƣợc từ dự báo, ST là điểm số đạt đƣợc từ dự báo chuẩn
và PS là điểm số từ dự báo hồn hảo. Các điểm số kỹ năng có thể thu đƣợc từ việc
sử dụng bất kỳ một trong các điểm số tổng hợp. Điểm số kỹ năng phổ biến nhất dựa
trên nền tảng của điểm Brier (điểm kỹ năng Brier), điểm RP (điểm kỹ năng RP), các
giá trị của bảng ngẫu nhiên (điểm Heidke) và sai số trung bình tuyệt đối. Tiêu chuẩn
thƣờng đƣợc sử dụng nhất là chuẩn khí hậu cịn điểm Heidke lại thƣờng đƣợc kết

15


hợp với chuẩn ngẫu nhiên. Khơng có điểm kỹ năng cơ bản nào là quan trọng hơn,
chúng bình đẳng nhƣ nhau và đều biểu hiện đặc tính của kỹ năng.
1.2. Tổng quan các nghiên cứu về đánh giá dự báo mƣa trong và ngoài nƣớc

1.2.1. Tổng quan những nghiên cứu ngoài nước
M. Goeber, S. F. Milton, C.A. Wilson đã nghiên cƣ́u và đƣa ra nhận định
rằ ng qua GTS có thể thấ y các quan trắ c giáng thủy có sẵn thiế u tin
́ h đa ̣i diê ̣n . Trong
năm 1995, WGNE đã khởi xƣớng viê ̣c kiể m tra các QPF (kiể m tra giáng thủy đinh
̣
lƣơ ̣ng) từ các mơ hình NWP (mơ hình dự báo thời tiết số) với các quan trắ c giáng
thủy chất lƣợng cao ở các khu vực khác nhau trên thế giới. Các kết quả đầu tiên của
nghiên cƣ́u này thu đƣợc cho Úc, Đức và Mỹ (McBride và Ebert (2000), Ebert và
các cộng sự (2002)). Ở đây, các dự báo lƣợng giá ng thủy ngày tích lũy lên đến 3
ngày, các mơ hình sớ dự báo thời tiết đã đƣơ ̣c kiể m chƣ́ng ở Vƣơng quốc Anh cho
hơn một năm (các mẫu hơi khác nhau giữa các mơ hình do các vấn đề truyền dẫn).
Các sớ liê ̣u mơ hình đƣơ ̣c downsacle hoă ̣c upscale đến mô ̣t đô ̣ phân giải

chung

96*96 km2. Các dự báo đƣợc so sánh với các tích lũy upscale hàng ngày thu đƣơ ̣c tƣ̀
các quan trắc radar chất lƣợng đã đƣợc giám sát và hiệu chuẩn

(Harrison và các

cô ̣ng sƣ̣ (2000)) ở quần đảo Anh và các vùng biển lân cận. Ngoài ra , Masayuki
Hirai, Takuya Sakashita cũng đã tiế n hành các QPF ở Nhâ ̣t Bản năm 2002 [13, 14].
A. Papadopoulos và P . Katsafados đã sƣ̉ du ̣ng các quan trắ c bề mă ̣t tƣ̀ hơn
900 trạm thông thƣờng để xác minh và so sánh những dự báo phân loại của trƣờng
gió 10 m, trƣờng nhiê ̣t đơ ̣ không khí 2 m, trƣờng áp suất mực nƣớc biển 3 giờ và
trƣờng lƣợng mƣa tích lũy 6 giờ. Việc đánh giá các hê ̣ thố ng dựa trên việc so sánh
điểm - điểm giữa các biến số mơ hình đƣợc tạo ra và các quan trắ c bề mă ̣t có liên
quan. Do đó, một thủ tục đánh giá đã đƣợc phát triển dựa trên ƣớc tính của các kỹ
thuâ ̣t đánh giá khách quan truyền thống nhƣ bias, RMSE… cho các yế u tố dƣ̣ báo

liên tục và rời rạc. Kết quả sơ bộ cho thấy rằng các lỗi mơ hình đƣợc đánh giá cao
phụ thuộc vào chu kỳ ngày đêm, phụ thuộc vào mùa, phụ thuộc vào thời gian dự
báo và vị trí các trạm đặc biệt là trên các khu vực có điều kiện địa lý phức tạp [18].

16


Trong nghiên cƣ́u của mình , N. Tartaglione1, S. Mariani, C. Accadia, A.
Speranza và M . Casaioli đã đánh giá lƣợng mƣa mơ hình với giáng thủy quan trắ c
đƣơ ̣c bởi mạng lƣới thùng đo mƣa dày đặc trên đảo Síp. Áp dụng phƣơng pháp
kiể m nghiê ̣m là phân tích diê ̣n tích mƣa tiế p giáp (CRA). Tác động vào các kết quả
CRA, khi xem xét các mảng khác nhau của loại kiểm nghiệm và miền con khác
nhau của các chỉ số (tƣơng quan và sai số quân phƣơng ) đƣợc sử dụng để so sánh .
Kết quả cho thấy cần chú ý khi thƣ̉ nghiê ̣m lƣợng mƣa mơ hình trên một miền nhỏ
hơn so với mơ hình [20,21].
Theo Beth EbertB, phƣơng pháp đinh
̣ hƣớng đớ i tƣơ ̣ng đánh giá

(dƣ̣a trên

thƣ̣c thể ) CRA đánh giá các đă ̣c tính của các dƣ̣ báo không gian cho các thƣ̣c thể nơi
một thực thể là bất cứ điều gì có thể đƣợc xác định bởi một đƣờng viền khép kín.
Một số ví dụ về các thực thể hoặc các gio ̣t nƣớc là những khu vực mƣa tiếp giáp
(phƣơng pháp này đƣợc đặt tên CRA), khu vƣ̣c triể n vo ̣ng đối lƣu và áp suất thấp
cực tiểu. Đối với mỗi thực thể có thể đƣợc xác định trong dự báo và các quan trắ c ,
đánh giá CRA sử dụng các kỹ thuật mơ hình phù hợp để xác định sai sớ vị trí cũng
nhƣ các sai số trong diê ̣n tić h , cƣờng đô ̣ trun g bin
̀ h và tố i đa , dạng phân bố khơng
gian. Tổng sai sớ có thể đƣợc phân tí ch thành các thành phần do sai sớ vị trí, lƣợng
và dạng phân bố khơng gian . Điề u này rấ t hữu ích cho các nhà phát triển mơ hình,

những ngƣời cần thơng tin đó để cải thiện các mơ hình dự báo thời tiết số. Ngoài ra,
các thực thể đánh giá chính bả n thân chúng có thể đƣợc phân loại là "hit", "miss"…
theo cách mà chúng ở gần vị trí dự báo đến vị trí quan sát nhƣ thế nào và cƣờng độ
tối đa đƣợc đại diện bởi dự báo tố t nhƣ thế nào. Đánh giá sự kiện này có thể hữu ích
cho việc giám sát thực hiện dự báo [11, 12].
1.2.2. Tổng quan những nghiên cứu trong nước
Bài toán đánh giá dự báo trong khí tƣợng và các chỉ số đánh giá của các mơ
hình số trị ở Việt Nam đến nay đã có nhiều cơng trình đƣợc cơng bố nhƣ cơng trình
của TS. Hồng Đức Cƣờng và các cộng sự (2008), đã dùng các chỉ sớ sai sớ trung
bình ME, sai số bình phƣơng trung bình RMSE và sai số trung bình tuyê ̣t đố i MAE

17


để đánh giá thử nghiệm dự báo mƣa lớn ở Việt Nam bằng mơ hình MM5. Kế t quả
thu đƣơ ̣c là: Trong số các sơ đồ tham số hóa vật lý của mơ hình số trị khu vực , có lẽ
sơ đồ tham số hóa đối lƣu có độ nhạy lớn nhất đối với dự báo mƣa . Các tác giả nhận
thấ y mƣa dự báo của mơ hình MM 5 tƣơng đối khác nhau ở cả hai miền tính khi sử
dụng các sơ đồ tham số hóa đối lƣu khác nhau. Sự khác biệt trong dự báo mƣa thể
hiện trong cả diện mƣa và lƣợng mƣa. Các chỉ số RMSE, ME, MAE và hệ số tƣơng
quan giữa lƣợng mƣa thực tế và lƣợng mƣa dự báo bằng mô hình MM5 với các sơ
đồ tham số hóa đối lƣu khác nhau: Kuo, Grell và Betts Miller thì trong cả 3 đối
tƣợng lƣợng mƣa so sánh thì mơ hình MM5 với sơ đồ tham số hóa đối lƣu Kuo cho
kết quả khả quan nhất. Trong đó sơ đồ đối lƣu Kuo và Betts Miller thƣờng dự báo
mƣa lớn hơn so với thực tế (ME có giá trị dƣơng) và sơ đồ đối lƣu Grell dự báo
lƣợng mƣa nhỏ hơn so với thực tế (ME có giá trị âm). Hệ số tƣơng quan giữa lƣợng
mƣa thực tế và lƣợng mƣa dự báo đạt 0.3 - 0.4 và là khá cao đối với một yếu tố có
sự biến động tƣơng đối lớn nhƣ lƣợng mƣa [3].
Trầ n Quang Năng (2009), qua kết quả phân tích đánh giá đầy đủ, khách quan
các chỉ tiêu cho khu vực Đông Bắc Bộ trong 5 tháng mùa mƣa (tháng 6, 7, 8, 9,10)

của 3 năm số liệu 2005, 2006, 2007 và so sánh dự báo của mơ hình ứng với từng
hình thế thời tiết cụ thể. Nói chung mơ hình HRM cho dự báo lƣợng mƣa thƣờng
cao hơn lƣợng mƣa thực tế đo đƣợc. Các chỉ tiêu đánh giá theo biến liên tục cũng
nhƣ theo biến cấp định lƣợng đều biến thiên đúng quy luật, không biểu hiện tình
trạng bất quy luật, tất cả chứng tỏ tính ổn định của các mơ đun tính mƣa trong mơ
hình HRM. Sai số hệ thống phân bố theo khơng gian có quy luật, chất lƣợng dự báo
mơ hình tốt hơn ngẫu nhiên [7].
Các tác giả Trần Tân Tiến và Nguyễn Thị Thanh (2011) đã sử dụng số liệu
vệ tinh MODIS để đồng hóa trƣờng ban đầu cho mơ hình WRF bằng phƣơng pháp
3DVAR để dự báo mƣa lớn khu vực Trung Trung Bộ trong hai mùa mƣa 2007,
2008. Để đánh giá khả năng dự báo có và khơng có mƣa, đồng thời đánh giá khả
năng dự báo mƣa lớn của mơ hình, các tác giả đã chọn các ngƣỡng mƣa từ nhỏ đến
lớn, cụ thể các ngƣỡng mƣa 1, 5, 15, 20, 30, 50, 100, 150 và 200mm/ngày. Thông

18


qua đánh giá các điểm số FBI, CSI và POD với các hạn dự báo 06-30h và 30-54h
cho các đợt mƣa lớn khu vực miền Trung năm 2007, 2008 với cả hai trƣờng hợp
khơng (GFS) và có đồng hố số liệu (3DV), các tác giả đã nhận thấy việc đồng hóa
đã tăng độ chính xác dự báo mƣa lớn [8].
Phạm Thị Tuyết Mây (2012), xét chung cho toàn chuỗi số liệu thấy mơ hình
HRM cho dự báo lƣợng mƣa thiên cao, cịn mơ hình MM5 dự báo mƣa thiên thấp.
Cả hai mơ hình đều cho các giá trị độ lệch trung bình giữa dự báo và quan trắc lúc
âm lúc dƣơng (lúc dự báo thấp hơn thám sát, lúc lại dự báo cao hơn thám sát). Hệ số
tƣơng quan của HRM ổn định hơn trong các mùa so với MM5. Kết hợp giữa các chỉ
số có thể thấy mơ hình HRM có tính ổn định và mức độ tin cậy cao hơn so với mơ
hình MM5. Ở cả hai mơ hình, dự báo mƣa ở các ngƣỡng mƣa thấp cho kết quả
chính xác (độ tin cậy cao hơn) so với các ngƣỡng mƣa lớn [5].
1.3. Một số phƣơng pháp đánh giá dự báo

1.3.1. Sơ đồ chung đánh giá dự báo từ mơ hình dự báo số trị
1.3.1.1. Những ngun nhân gây ra sai số dự báo bằng mơ hình số
Mơ hình dự báo thời tiết số cho ra kết quả các sản phẩm dự báo từ việc phân
tích các phƣơng trình mơ tả những q trình vật lý xảy ra trong khí quyển bằng máy
tính. Những kết quả này khơng phải là một dự báo hồn hảo bởi nó khơng thể mơ tả
hết đƣợc những thay đổi trong khí quyển. Những nguyên nhân gây ra sai số dự báo
của mô hình dự báo số trị bao gồm:
- Những hiểu biết của chúng ta về các cơng thức tốn học và vật lý còn chƣa đầy đủ.
- Ảnh hƣởng của địa hình lên kết quả dự báo (thƣờng khơng đƣợc mơ hình mơ tả
hồn chỉnh).
- Những hiểu biết về điều kiện ban đầu còn hạn chế bởi chúng ta chỉ lấy một số
lƣợng hạn chế các điểm trong không gian để tính tốn.

19


- Chúng ta phải điều chỉnh và đơn giản hóa các phƣơng trình tốn học trong mơ
hình để rút ngắn thời gian tính tốn nhằm đƣa ra đƣợc các sản phẩm dự báo kịp
thời.
- Vẫn còn tồn tại các sai số trong q trình hồn tất tính tốn…
1.3.1.2. Ngun tắc chung để đánh giá sản phẩm dự báo số trị

Hình 1.2 Sơ đồ chung cho đánh giá mơ hình dự báo thời tiết số
Hình 1.2 mơ tả một ngun tắc chung cho việc đánh giá sản phẩm dự báo số
trị. Đánh giá đƣợc bắt đầu với một tập số liệu bao gồm cả số liệu dự báo và số liệu
quan trắc. Bộ số liệu này phải đƣợc sắp xếp đối xứng với nhau theo không gian và
thời gian. Theo quy mô không gian, số liệu quan trắc sẽ đƣợc phân tích về lƣới của

20

số liệu dự báo hoặc số liệu dự báo phải đƣợc nội suy theo không gian về các điểm
quan trắc. Tuy nhiên, cách thứ nhất ít đƣợc làm hơn vì có những ý kiến cho rằng khi
tập số liệu quan trắc đƣợc nội suy về điểm lƣới thì nó đã khơng cịn mang tính
khách quan vốn có nhƣ trƣớc khi nội suy. Vì vậy, điều quan trọng trong đánh giá
mơ hình là phải ln ghi nhớ cần kiểm tra lại số liệu quan trắc khi đánh giá kết quả.
Để đánh giá một sản phẩm mơ hình số có hiệu quả thì cần phải xác định
đƣợc rõ mục đích đánh giá trƣớc khi thiết lập hệ thống đánh giá. “Đánh giá hành
chính” trả lời câu hỏi về các xu hƣớng trong kỹ năng và độ chính xác của mơ hình.
Nó thƣờng đƣợc sử dụng để so sánh độ chính xác của hai mơ hình khác nhau.
“Đánh giá khoa học” trả lời các câu hỏi về sự thay đổi theo không gian và
thời gian trong sự biểu diễn của mơ hình để cung cấp thơng tin có thể phản hồi lại
cho các nhà phát triển mơ hình cải tiến mơ hình hay cho các dự báo viên để thay đổi
xu hƣớng dự báo.
“Phân loại ngoại bộ” nghĩa là phân chia tập số liệu đánh giá theo mùa hoặc
theo thời gian chạy của mơ hình hoặc theo quy luật chọn lựa khác độc lập với các
thông số đang đƣợc đánh giá. Phân loại theo mùa là cách sử dụng phổ biến để phát
hiện sự khác nhau trong đặc trƣng giữa các mùa.
Phân loại theo khơng gian có thể đƣợc làm vì mục đích quản lý hành chính
hoặc vì mục đích khoa học. Phân loại theo khơng gian đƣợc tiến hành theo mục
đích hành chính để thấy đƣợc sự khác biệt trong độ chính xác trên các khu vực của
mơ hình tƣơng ứng với các khu vực quản lý hành chính của đất nƣớc. Khi tiến hành
phân loại khơng gian theo mục đích khoa học, các khu vực có quy mơ dƣới lƣới
đƣợc ƣu tiên lựa chọn để phản ánh các chế độ khí hậu khác nhau nhƣ các khu vực
có đồi núi, các vùng khuất gió của núi, bờ biển…
1.3.1.3. Các thuộc tính của một dự báo
Một đánh giá đơn lẻ không thể cho ta biết đƣợc thông tin đầy đủ về chất
lƣợng của sản phẩm. Tất cả đều cung cấp thông tin về một hoặc một số thuộc tính
của sản phẩm dự báo. Do đó, một hệ thống đánh giá sẽ bao gồm cả việc tính tốn

21


các đại lƣợng đƣợc chọn khác nhau để mô tả các thuộc tính thích hợp phục vụ cho
mục đích đánh giá.
a) Độ chính xác là thuật ngữ chung chỉ ra mức độ chính xác, phù hợp giữa thời tiết
dự báo và thời tiết thực đƣợc thể hiện qua các quan trắc. Sự khác nhau giữa một giá
trị quan trắc và một giá trị dự báo đƣợc gọi là sai số. Sự khác nhau này càng nhỏ thì
sai số sẽ càng nhỏ và độ chính xác sẽ càng cao.
Đơi khi độ chính xác cũng đƣợc biểu hiện thơng qua các thuộc tính khác của
dự báo nhƣ độ tin cậy, độ phân giải hay độ không chắc chắn.
b) Kỹ năng dự báo hay độ chính xác tƣơng đối đƣợc định nghĩa nhƣ độ chính xác
của một dự báo tƣơng đối so với độ chính xác của một sản phẩm dự báo chuẩn.
Theo tiêu chuẩn chung, các dự báo chuẩn nhƣ chuẩn khí hậu, dự báo quán tính, dự
báo ngẫu nhiên đƣợc coi là khơng có kỹ năng. Ý nghĩa của điểm kỹ năng là ở chỗ,
chúng sẽ cho ta thấy sự khác biệt về độ chính xác giữa các dự báo khác nhau.
c) Độ tin cậy là sự phù hợp trung bình giữa các giá trị dự báo và các giá trị quan
trắc. Nếu tất cả các trƣờng hợp dự báo đƣợc xem xét khi đó độ tin cậy trên tồn bộ
giống nhƣ thiên hƣớng (bias – là mức độ phù hợp giữa trung bình quan trắc và trung
bình dự báo). Nếu các trƣờng hợp dự báo đƣợc phân chia thành các khoảng khác
nhau hoặc theo các phân hạng thì độ tin cậy giống nhƣ độ lệch có điều kiện. Thơng
thƣờng độ tin cậy đƣợc cải tiến nhờ Bias nhƣng sau khi cải tiến làm độ tin cậy của
các dự báo tƣơng đƣơng tăng lên thì chính Bias lại sẽ bị khử đi.
d) Độ phân giải là khả năng mà dự báo có thể phân chia hoặc phân tích một tập mẫu
thành các phần nhỏ với phân bố tần suất khác nhau. Độ phân giải liên quan đến độ
lệch chuẩn hay phƣơng sai của các quan trắc đƣợc phân nhóm theo dự báo. Độ phân
giải cũng phụ thuộc vào kinh nghiệm và trình độ của dự báo viên. Trong các mơ
hình dự báo số trị, độ phân giải thƣờng đƣợc ngầm hiểu theo không gian.
e) Độ nhọn là xu hƣớng của dự báo có thể dự báo đƣợc các giá trị cực trị. Độ nhọn
là một thuộc tính của dự báo, tƣơng tự nhƣ độ phân giải, một dự báo có thể có thuộc

tính này ngay cả khi nó sai (trong trƣờng hợp này nó có thể là kém tin cậy).

22


f) Độ không chắc chắn là sự dao động của các giá trị quan trắc trong tập mẫu đánh
giá và không phụ thuộc vào giá trị dự báo. Đối với các biến đƣợc dự báo theo pha
thì độ biến động là 1 nếu sự kiện xảy ra và 0 nếu sự kiện không xảy ra. Đại lƣợng
này liên quan đến độ “khó” của dự báo. Độ biến động càng lớn nghĩa là sẽ có những
dao động lớn với nhiều tần số khác nhau trong yếu tố dự báo đƣợc đánh giá và việc
dự báo sẽ khó khăn hơn. Độ biến động của từng tập số liệu rất khác nhau. Do đó,
việc so sánh giữa các con số đánh giá thống kê của tập số liệu là hết sức mạo hiểm
vì chúng thƣờng rất nhạy với độ biến động [10].
1.3.2. Các phương pháp đánh giá
1.3.2.1. Phương pháp đánh giá với biến liên tục
a) Phƣơng pháp toán đồ tụ điểm
Toán đồ tụ điểm đƣợc xem là công cụ đánh giá đơn giản nhất. Phƣơng pháp
này thƣờng đƣợc dùng để đánh giá các biến liên tục nhƣ nhiệt độ và gió. Nó thƣờng
bao gồm tất cả các giá trị quan trắc và dự báo đƣợc chấm lên cùng một đồ thị. Trục
tung và trục hồnh có cùng một tỷ lệ. Trong mỗi đồ thị cịn có đƣờng hồi quy và
đƣờng 45o. Đƣờng 45o thƣờng đƣợc vẽ ra để thuận tiện cho việc đánh giá trên đồ
thị. Nếu dự báo là hồn hảo thì đƣờng hồi quy sẽ trùng khít với đƣờng 45o. Vị trí
tƣơng đối giữa hai đƣờng này biểu thị độ tin cậy.
b) Các chỉ số đánh giá
Trong các công thức dƣới đây, Fi và Oi tƣơng ứng là giá trị mô hình và giá trị
quan trắc của biến nào đó (lƣợng mƣa), i = 1, 2, …, N, N là dung lƣợng mẫu.
- Sai số trung bình ME

ME 

1 N
 (Fi  Oi )
N i1

(1.1)

Giá trị của ME nằm trong khoảng (-∞, +∞). ME cho biết xu hƣớng lệch trung
bình của giá trị dự báo so với giá trị quan trắc nhƣng không phản ánh độ lớn của sai

23


số. ME dƣơng cho biết giá trị dự báo vƣợt q giá trị quan trắc và ngƣợc lại. Mơ
hình đƣợc xem là “hồn hảo” (khơng thiên lệch về phía nào) nếu ME = 0.
- Sai số tuyệt đối trung bình MAE

MAE 

1 N
 Fi Oi
N i 1

(1.2)

Giá trị MAE nằm trong khoảng (0,+∞). MAE biểu thị độ lớn trung bình của
sai số mơ hình nhƣng khơng nói lên xu hƣớng lệch của giá trị dự báo và quan trắc.
Khi MAE = 0, giá trị của mơ hình hồn tồn trùng khớp với giá trị quan trắc, mơ
hình đƣợc xem là “lý tƣởng”. Thông thƣờng MAE đƣợc sử dụng cùng với ME để
đánh giá độ tin cậy. Chẳng hạn, nếu MAE của sản phẩm khác biệt hẳn so với ME
thì việc hiệu chỉnh là hết sức mạo hiểm. Trong trƣờng hợp ngƣợc lại, khi MAE và

ME tƣơng đối “sát” với nhau thì có thể dùng ME để hiệu chỉnh sản phẩm dự báo
một cách đáng tin cậy.
- Sai số bình phƣơng trung bình MSE

MSE 

1 N
2
 (Fi  O i )
N i 1

(1.3)

MSE là trung bình của tổng bình phƣơng của hiệu giữa các giá trị mơ hình và
quan trắc, phản ánh mức độ dao động của sai số. Mơ hình là “lí tƣởng” nếu MSE =
0.
- Sai số bình phƣơng trung bình quân phƣơng RMSE

RMSE 

1 N
2
 (Fi  O i )
N i1

(1.4)

Sai số bình phƣơng trung bình quân phƣơng là một trong những đại lƣợng cơ
bản và thƣờng đƣợc sử dụng phổ biến cho việc đánh giá kết quả của mơ hình dự báo
số trị. Ngƣời ta thƣờng hay sử dụng đại lƣợng sai số bình phƣơng trung bình quân

phƣơng (RMSE) biểu thị độ lớn trung bình của sai số. RMSE rất nhạy với những

24


giá trị sai số lớn. Do đó nếu RMSE càng gần MAE sai số mơ hình càng ổn định và
có thể thực hiện việc hiệu chỉnh sản phẩm mơ hình. Giống nhƣ MAE, RMSE không
chỉ ra độ lệch giữa giá trị dự báo và giá trị quan trắc. Giá trị của RMSE nằm trong
khoảng (0,+ ∞). Khi so sánh MAE và RMSE ta thấy: RMSE ≥ MAE. Còn RMSE =
MAE khi và chỉ khi tất cả các sai số có độ lớn nhƣ nhau: RMSE = MAE =0.
- Hệ số tƣơng quan r
N

r

 ( F  F )(O  O)
i

i 1

i

N

 ( F  F )  (O  O)
i 1

(1.5)

N

2

i

i 1

2

i

Hệ số tƣơng quan cho phép đánh giá mối quan hệ tuyến tính giữa tập giá trị
dự báo và tập giá trị quan trắc. Giá trị của nó biến thiên trong khoảng -1 đến 1, giá
trị hoàn hảo bằng 1. Giá trị tuyệt đối của hệ số tƣơng quan càng lớn thì mối quan hệ
tuyến tính giữa hai biến càng chặt chẽ. Hệ số tƣơng quan dƣơng phản ánh mối quan
hệ cùng chiều (đồng biến), hệ số tƣơng quan âm biểu thị mối quan hệ ngƣợc chiều
(nghịch biến) giữa dự báo và quan trắc.
1.3.2.2. Phương pháp đánh giá với dự báo pha
Trƣờng hợp đơn giản nhất của các biến phân hạng là biến nhị phân (chỉ có
hai giá trị), áp dụng trong đánh giá mô phỏng, dự báo hiện tƣợng (chỉ có hai cấp hay
hai pha), ví dụ mƣa có xuất hiện hay khơng... Trong trƣờng hợp này ngƣời ta
thƣờng sử dụng bảng phân loại nhƣ mô tả trong bảng 1.1, trong đó N=A+B+C+D là
dung lƣợng mẫu. Bảng 1.1 chỉ ra các tần suất dự báo và quan trắc có và khơng. Có
tất cả bốn cách kết hợp giữa dự báo (có hoặc khơng) và quan trắc (có hoặc khơng),
ta gọi đó là phân bố chung.
Phân bố chung bao gồm:
- Tỷ lệ dự báo trúng (hit): đối tƣợng đƣợc dự báo là xảy ra và thực tế đã xảy ra.
- Dự báo sai (miss): đối tƣợng đƣợc dự báo là không xảy ra nhƣng thực tế lại xảy ra.

25