BỘ KHOA HỌC VÀ CÔNG NGHỆ
HỆ THỐNG THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ

Lọc theo danh mục
  • Năm xuất bản
    Xem thêm
  • Lĩnh vực
liên kết website
Lượt truy cập
 Lượt truy cập :  21,935,059
  • Công bố khoa học và công nghệ Việt Nam

Kỹ thuật thuỷ lợi

Bùi Đình Lập(1), Trần Hồng Thái, Phạm Thị Hương Lan

Phát triển mô hình thủy văn tham số phân bố MARINE trong bài toán dự báo lũ, áp dụng thí điểm cho lưu vực sông Nậm Mu

Development of the distributed hydrological model MARINE in flood forecasting problem, pilot application for Nam Mu river basin

Khí tượng thủy văn

2021

723

47-57

2525-2208

Phát triển, Mô hình thủy văn, Tham số, Phân bố MARINE, Dự báo lũ, Áp dụng thí điểm

Multiobjective optimization, Distributed hydrological model, Parameter estimation

Bài toán dự báo lũ phục vụ công tác giảm nhẹ thiên tai và quản lý rủi ro nguồn nước là nhiệm vụ đang ngày càng trở lên cấp thiết do tài nguyên nước Việt Nam đang ngày càng khan hiếm, trong khi các công cụ, mô hình tính toán và công nghệ dự báo lũ ở nước ta còn nhiều hạn chế. Nghiên cứu này sẽ trình bày các kết quả đạt được trong phát triển công cụ mô hình toán thủy văn thông số phân bố hiện đại Marine để giải bài toán dự báo lũ. Các kết quả đạt được khi triển khai áp dụng thí điểm cho lưu vực sông Nậm Mu, với tập số liệu 19 năm đã cho thấy, mô hình Marine sau khi được phát triển mới đã cho kết quả mô phỏng khá tốt, hệ thống đã mô phỏng đường quá trình lũ, sai số đỉnh lũ và thời gian xuất hiện đỉnh là khá hợp lý. Kỹ thuật điều khiển tham số tối ưu đa mục tiêu MSCE_UA đã giúp cải thiện đáng kể chất lượng mô phỏng hệ thống của mô hình Marine, chỉ số NASH kiểm định trung bình các năm đạt mức 67%. Sự thành công của công trình nghiên cứu này đã cải thiện đáng kể tính khả thi của mô hình Marine khi triển khai ứng dụng trên diện rộng cho nhiều lưu vực khác nhau trên lãnh thổ Việt Nam.

The problem of flood forecasting for disaster mitigation and water risk management is an increasingly urgent task due to the increasingly scarce water resources in Vietnam, while tools, calculation models, and flood forecasting technologies in our country are still limited. This paper will present the results achieved in the research and development of a modern distributed hydrological a mathematical model tool (MARINE) to solve the flood forecasting problem. The results achieved when implementing the pilot application to the Nam Mu River basin, with a 19–year data set, showed that the MARINE model after being developed has produced quite good simulation results, the system has simulated the hydrograph of flood, the error of flood peaks and the time of peak appearance is quite reasonable. The optimal parameters control technique (MSCE_UA) has significantly improved the system simulation quality of the MARINE model, with the NASH index is 0.67. The success of this research has significantly improved the feasibility of the MARINE.

TTKHCNQG, CVt 39

Xem toàn văn
  • [1] Li, M.; Liu, X.; Yang, S. (2014), Shift–Based Density Estimation for Pareto–Based Algorithms in Many–Objective Optimization.,IEEE Trans. Evol. Comput. 2014, 18, 348–365.
  • [2] Deb, K.; Jain, H. (2014), An Evolutionary Many–Objective Optimization Algorithm Using Reference–Point–Based Nondominated Sorting Approach, Part I: Solving Problems With Box Constraints.,IEEE Trans. Evol. Comput. 2014, 18, 577–601
  • [3] Zhang, Q.; Li, H. (2008), MOEA/D: A Multiobjective Evolutionary Algorithm Based on Decomposition,IEEE Trans. Evol. Comput. 2008, 11, 712–731.
  • [4] Wang, R. (2013), Preference–inspired Co–evolutionary Algorithms.,University of Sheffield,
  • [5] Bader, J.; Zitzler, E. (2011), HypE: An Algorithm for Fast Hypervolume–Based Many– Objective Optimization.,Evol. Comput. 2011, 19, 45–76.
  • [6] Zitzler, E.; Laumanns, M.; Thiele, L. (2001), SPEA2: Improving the Strength Pareto Evolutionary Algorithm for multiobjective optimization. Proceedings of the EUROGEN'2001.,Athens. Greece, September 19–21,
  • [7] Jiang, S.; Yang, S. (2017), A Strength Pareto Evolutionary Algorithm Based on Reference Direction for Multiobjective and Many–Objective Optimization.,IEEE Trans. Evol. Comput. 2017, 21, 329–346
  • [8] Duan, Q. (1991), A Global Optimization Strategy for Efficient and Effective Calibration of Hydrologic Models,,The University of Arizona,
  • [9] Duan, Q.; Sorooshian, S.; Gupta, V.K. (1994), Optimal use of the SCE–UA global optimization method for calibrating watershed models.,J. Hydrol. 1994, 158, 265– 284.
  • [10] Lập, B.Đ. (), Nghiên cứu phát triển mô hình thủy văn thông số phân bố trong dự báo lũ cho các lưu vực sông ở Việt Nam.,
  • [11] Neitsch, S.; Arnold, J.; Kiniry, J.; Williams, J.; King, K. (2002), Soil Water Assessment Tool Theoretical Documentation.,Texas Water Resources Institute,
  • [12] Tachikawa, Y.; Shiiba, M. (2001), Development of a Basin Runoff Simulation System Based on a New Digital Topographic Model.,Doboku Gakkai Ronbunshu 2001, 691/II–57, 43–52.
  • [13] Liu, Y.B.; De Smedt, F. (2004), WetSpa Extension, A GIS–based Hydrologic Model for Flood Prediction and Watershed Management, Department of Hydrology and Hydraulic Engineering Vrije Universiteit Brussel,,
  • [14] Ranzi, R.; Bacchi, B.; Grossi, G. (2003), Runoff measurements and hydrological modelling for the estimation of rainfall volumes in an alpine basin.,J. Royal Meteorol. 2003,129, 653–672.
  • [15] Tsuda, M.; Iwami, Y. (2016), Application of Flood Forecasting and Analysis Model (IFAS) for Wadi Flash Flood.,Proceedings of the Second International Symposium on FlashFloods in Wadi Systems,
  • [16] Garambois, P.; Roux, H.; Larnier, K.; Labat, D.; Dartus, D. (2015), C-haracterization of catchment behaviour and rainfall se-lection for flash flood hydrological model calibration.,Hydrol. Sci. J. 2015, 60, 424–447.
  • [17] Wang, L. (2007), Development of a Distributed Runoff Model coupled with a Land Surface Scheme,,
  • [18] Yang, D.; Herath, S.; Musiake, K. (2000), Comparison of different distributed hydrological models for c-haracterization of catchment spatial variability.,Hydrol. Processes 2000, 14, 403–416.
  • [19] Graham, D.N.; Butts, M. (2005), Flexible, integrated watershed modelling with MIKE SHE in Watershed Models.,DHI Water & Environment,
  • [20] Nystrom, E.; Burns, D. (2007), TOPMODEL Simulations of Streamflow and Depth to Water Table in Fishing Brook Watershed.,U.S. Geological Survey,