Nhóm nghiên cứu xây dựng phần mềm có khả năng hỗ trợ cho các dự báo viên trong quá trình tác nghiệp dự báo phục vụ vận hành liên hồ chứa và đáp ứng các yêu cầu ngày càng cao của xã hội dưới sự phát triển không ngừng của hệ thống hồ chứa thủy điện trên sông Sê San. Đây có thể là một công cụ hiệu quả phục vụ tốt cho công tác dự báo nghiệp vụ trong tương lai. | BÀI BÁO KHOA HỌC ỨNG DỤNG MÔ HÌNH THỐNG KÊ DỰ BÁO DÒNG CHẢY THÁNG PHỤC VỤ QUY TRÌNH VẬN HÀNH LIÊN HỒ CHỨA SÔNG SÊ SAN TRONG MÙA CẠN Trần Hồng Thái1, Phùng Tiến Dũng2, Đoàn Văn Hải2, Đoàn Quang Trí3, Dương Quốc Hùng1 Tóm tắt: Trong Quy trình vận hành liên hồ chứa (QTVHLHC) sông Sê San quy định trách nhiệm của Trung tâm KTTV quốc gia phải thực hiện dự báo hạn dài (tháng) mùa cạn đối với các vị trí thủy văn khống chế trên lưu vực sông Sê San cung cấp cho các cơ quan chức năng để phục vụ QTVHLHC. Nhóm nghiên cứu ứng dụng mô hình thống kê Hồi quy đa biến để xây dựng phần mềm dự báo đặc trưng dòng chảy tháng trên sông Sê San. Số liệu đưa vào dùng để hiệu chỉnh mô hình từ 1990 2010 và kết quả kiểm định năm 2011 - 2014 cho kết quả khá tốt. Từ những kết quả đó nhóm nghiên cứu xây dựng phần mềm có khả năng hỗ trợ cho các dự báo viên trong quá trình tác nghiệp dự báo phục vụ VHLHC và đáp ứng các yêu cầu ngày càng cao của xã hội dưới sự phát triển không ngừng của hệ thống hồ chứa thủy điện trên sông Sê San. Đây có thể là một công cụ hiệu quả phục vụ tốt cho công tác dự báo nghiệp vụ trong tương lai. Từ khóa: Đặc trưng dòng chảy tháng, Sông Sê San, Mô hình hồi qui bội, Công nghệ dự báo hạn dài. Ban Biên tập nhận bài: 15/3/2017 1. Mở đầu Hiện nay nhóm phương pháp thống kê và hồi quy được sử dụng trong dự báo thủy văn hạn vừa, hạn dài khá phổ biến phổ biến trên thế giới và cả ở nước ta. Mô hình thống kê dự báo dòng chảy mùa được phát triển trên cơ sở mối quan hệ trong quá khứ của dòng chảy và dự báo khí hậu. Các phương pháp thống kê để dự báo dòng chảy theo mùa đã được phát triển nhiều thập kỷ trước vì sự̣ tương quan đáng kể giữa lượng mưa trong tương lai hoặc dòng chảy và chỉ số khí hậu [1, 2, 3], tiếp tục được phát triển gần đây. Phương pháp Bayesian Joint Probability (BJP), kết hợp giữa chỉ số khí hậu và dòng chảy quá khứ để dự báo dòng chảy mùa trước đã được phát triển và thử nghiệm ở nhiều địa điểm ở Úc [4, 5, 6]. Một vài phương pháp trong dự báo dòng chảy theo mùa đã
