Trong nghiên cứu khí tượng thủy văn, độ tin cậy của dữ liệu là vấn đề cơ bản, có vai trò quyết định đến các phân tích đánh giá thực trạng. Nghiên cứu này giới thiệu phương pháp mô phỏng thủy văn bằng mô hình thủy văn WEHY kết hợp với kỹ thuật chi tiết hóa kết hợp giữa động lực và thống kê (HD) nhằm cung cấp dữ liệu dòng chảy đáng tin cậy cho lưu vực sông Sài Gòn – Đồng Nai. | KHOA HỌC CÔNG NGHỆ MÔ PHỎNG DỮ LIỆU DÒNG CHẢY BẰNG MÔ HÌNH CHI TIẾT HÓA ĐỘNG LỰC KẾT HỢP VỚI THUẬT TOÁN HỌC MÁY ÁP DỤNG CHO LƯU VỰC SÔNG SÀI GÒN - ĐỒNG NAI Trịnh Quang Toàn Viện Sinh thái và Bảo vệ công trình Nguyễn Thị Ngọc Nhẫn Phòng Thí nghiệm trọng điểm Quốc gia về Động lực học sông biển Tóm tắt Trong nghiên cứu khí tượng thủy văn độ tin cậy của dữ liệu là vấn đề cơ bản có vai trò quyết định đến các phân tích đánh giá thực trạng. Nghiên cứu này giới thiệu phương pháp mô phỏng thủy văn bằng mô hình thủy văn WEHY kết hợp với kỹ thuật chi tiết hóa kết hợp giữa động lực và thống kê HD nhằm cung cấp dữ liệu dòng chảy đáng tin cậy cho lưu vực sông Sài Gòn Đồng Nai. Dữ liệu khí tượng toàn cầu bao gồm ERA-Interim ERA-20C và CFSR được sử dụng cho các điều kiện ban đầu và biên cảu mô hình chi tiết hóa động lực WRF. Số liệu chi tiết hóa động lực sẽ tiếp tục được chi tiết hóa bằng thuật toán học máy trong mô hình ANN nhằm nâng cao độ tin cậy của dữ liệu mô phỏng. Phương pháp kết hợp được kiểm định bằng việc so sánh giữa số liệu mô phỏng và số liệu thực đo thu tập từ các trạm trên lưu vực. Kết quả kiểm định cho thấy phương pháp đề xuất có độ tin cậy cao và có thể tương tự áp dụng cho các lưu vực nghiên cứu khác nhau. Từ khóa Mô hình nghiên cứu và dự báo thời tiết WRF Mô hình mạng nơ-ron nhân tạo ANN ERA-Interim ERA20C CFSR mô hình thủy văn WEHY. Summary Spatial and temporal availability and reliability of hydrological data are substantial contribution to the accuracy of watershed modeling. In this study hydrological conditions are simulated using the hydrologic model-WEHY whose data input are obtained from a hybrid downscaling technique to provide reliable and high temporal and spatial resolution hydrological data. The hybrid downscaling technique is coupled a hydro-climate and a machine learning models wherein the global atmospheric reanalysis data including ERA-Interim ERA-20C and CFSR are used for initial and boundary conditions of dynamical downscaling utilizing the .
