191 CH!"NG 5. PH!"NG PHÁP TH#NG KÊ D$ BÁO H%N MÙA CÁC Y!U T" VÀ HI!N T"#NG KHÍ H$U C%C &OAN ' VI!T NAM 5.1 M! "#u T!"ng t# nh! các v$n %& khoa h'c khác, có hai ph!"ng pháp ti(p c)n v*i bài toán d# báo mùa: ph!"ng pháp th#c nghi+m d#a trên các quan tr,c quá kh- và ph!"ng pháp l. thuy(t xác l)p các mô hình ho/t % 0ng c1a h+ th2ng khí h)u. Theo ph!"ng pháp th#c nghi+m, d# báo s3 %!4c xây d#ng d#a trên các quan tr,c có %!4c trong quá kh Các quan tr,c này khi kh5o sát s3 cho th$y m0 t s2 m2i quan h+ nh$t %6nh gi7a các y(u t2 khí h)u t8 %ó có th9 %!a ra d# báo t!"ng lai trên c" s: s2 li+u quan tr,c trong quá kh Theo ph!"ng pháp l. thuy(t, h+ th2ng khí h)u s3 %!4c mô ph;ng b<ng m0t mô hình thích h4p theo m0t s2 quy lu)t v)t l. nào %ó. Mô hình này n(u %!4 c ki9m ch-ng s3 cho phép %!a ra các d# báo trong t!"ng lai. Cách gi5i quy(t t2i !u trong tr!=ng h4p này là k(t h4p c5 hai ph!"ng pháp, t)n d>ng %i9m m/nh c1a m?i ph!"ng pháp. Di@n gi5i m0t cách c> th9, ph!"ng pháp th#c nghi+m trong d# báo mùa %!4c th#c hi+n thông qua các công c> th2ng kê truy&n th2ng v*i nhân t2 d# báo là các quan tr,c trong quá kh- %!4c tA h4p d!*i d/ng các chB s2. Hi+n t/i, ph!"ng pháp l. thuy(t %ang có vai trò th,ng th( và s3 là h!*ng nghiên c-u chính trong t!"ng lai v*i các mô hình khí h)u toàn cCu GCM và các mô hình khí h)u khu v#c RCM. K(t h4p c1a hai ph!"ng pháp này th!=ng %!4c bi(t %(n d!*i tên g'i downscaling th2ng kê (SD) khi quan h+ th2ng kê sD d>ng tr#c ti(p d# báo t8 các mô hình GCM hay RCM làm nhân t2 d# báo bên c/ch các nhân t2 d# báo truy&n th2ng c1a ph!"ng pháp th#c nghi+m. Y(u t2 d# báo %Cu tiên mà các mô hình th2ng kê kinh nghi+m h!*ng %(n là hi+n t!4ng El Nino. Barnston và Ropelewski (1992) [31] là các tác gi5 %Cu tiên %ã áp d>ng kE thu)t phân tích t!"ng quan canon CCA vào d# báo hi+n t!4ng El Nino. Y(u t2 d# báo bao gF m giá tr6 nhi+t %0 mGt n!*c bi9n SST t/i 8 khu v#c. Nhân t2 d# báo cHng bao gFm các giá tr6 SST nh!ng cho mùa hi+n t/i và sD d>ng thêm y(u t2 áp su$t m#c bi9n pmsl. Tr!*c khi %!a vào CCA, c5 y(u t2 và nhân t2 d# báo %&u %!4c th#c hi+n phân tích thành phCn chính PCA. CCA là m0t kE thu)t th2ng kê tuy(n tính c#c %/i hóa t!"ng quan gi7a hình mIu bi(n %Ai c1a nhân t2 d# báo và y(u t2 d# báo. Trong l*p các kE thu)t tuy(n tính, ngoài CCA m0t s2 ph!"ng pháp cHng khá thông d>ng gFm có ph!"ng pháp hFi quy tuy(n tính và ph!"ng pháp tách giá tr6 kJ d6 SVD. Ph!"ng pháp sau xác %6nh t)p các nhân t2 d# báo gi5i thích %!4 c m0t cách t2i !u bi(n %Ai c1 a y(u t2 d# báo. Sau y(u t2 El Nino, các y(u t2 khí h)u %6a ph!"ng nh! l!4ng m!a, nhi+t %0, cHng b,t %Cu %!4c quan tâm. M0t s2 các tác gi5 %ã áp d> ng CCA vào d# báo mùa nh! d# báo l!4ng m!a trên các %5o nhi+t %*i : khu v#c Thái Bình D!"ng (He và Barnston, 1996 [144]), các y(u t2 khí h)u b& mGt : Alaska (Barnston và He, 1996 [30]) hay nhi+t %0 và l!4ng m! a : Canada (Shabbar và Barnston, 1996 [287]). Các tác gi5 này th!=ng sD d>ng tr!=ng SST c1a các nKm tr!*c %ó, %ôi khi sD d>ng thêm các tr!=ng trong khí quy9n làm nhân t2 d# báo. Ph!"ng pháp hFi quy tuy(n tính cHng %!4c áp d>ng trong m0t s2 nghiên c- u nh! d# báo l!4ng m!a t/i Nordeste : Brazil (Ward và Folland, 1991 [329]), d# báo nhi+t %0 b& mGt và l!4ng m!a : ME (Unger, 1996 [317]) hay d# báo nhi+t %0 mùa hè n!*c Anh (Colman, 1997 [75]), nhi+t %0 và l!4ng m!a : Hàn 192 Qu2c (Kim và CS, 2007 [183]). M0t s2 tác gi5 sD d>ng ph!"ng pháp th2ng kê ít phA bi(n h"n cho các hi+n t!4ng khí h)u c#c %oan nh! Mishra và Desai (2005) [240] sD d>ng ARIMA d# báo h/n hán. Song song v*i ph!"ng pháp th2ng kê nh! trên, các mô hình khí h)u cHng %!4c phát tri9n. Thành công %Cu tiên c1a d# báo s2 v*i bài toán d# báo mùa %/t %!4c khi Cane và CS (1986) [60] %ã có th9 d# báo El Nino b<ng m0t mô hình %"n gi5n k(t h4p gi7a m0t mô hình %/i d!"ng và m0t mô hình khí quy9n. Cho t*i nay, các mô hình GCM hay RCM %ã ngày càng tr: nên tinh t( v* i k(t qu5 d# báo vô cùng phong phú. Các nghiên c- u gCn %ây %ã chB ra r<ng k(t h4p gi7a d# báo tA h4p %a mô hình và các kE thu)t th2ng kê s3 %em l/i k(t qu5 t2t nh$t cho bài toán d# báo mùa trên quy mô %6a ph!"ng. Nh! %ã trình bày : trên, ph!"ng pháp này th!=ng %!4c bi(t %(n v*i tên g'i downscaling th2ng kê. B:i v)y, thay vì cách ti(p c)n theo ph!"ng pháp th2ng kê truy&n th2ng, vIn trên h!*ng nghiên c-u th2ng kê, %& tài s3 ti(p c)n bài toán d# báo mùa theo h!*ng downscaling th2ng kê. Khác v*i th2ng kê truy&n th2ng d#a trên t)p các nhân t2 d# báo t8 quan tr,c quá kh-, các mô hình th2ng kê này d#a trên t)p các nhân t2 d# báo là các tr!=ng d# báo t8 GCM hay RCM. Ngoài ph!"ng pháp SD, trong d# báo khí h)u %6a ph!"ng ng!=i ta còn th# c hi+n downscaling theo ph!"ng pháp downscaling %0ng l#c (DD) ch/y lFng m0t mô hình khu v#c phân gi5i cao trong l!*i d# báo phân gi5i th$p c1a GCM. Ph!"ng pháp này s3 %!4c trình bày trong ch!"ng 6 c1a %& tài. Cùng v*i s# xu$t hi+n c1 a 2 ph!"ng pháp SD và DD, d# báo các hi+n t!4ng khí h)u c#c %oan trên quy mô %6a ph!"ng b,t %Cu nh)n %!4c s# quan tâm c1a c0ng %Fng khoa h'c bên c/ch các y(u t2 thông th!=ng nh! l!4ng m!a hay nhi+t %0. D# a trên các d# báo c1a GCM, Gordon và CS (1992) [133] %ã chB ra r<ng nFng % 0 CO 2 khi tKng lên s3 dIn %(n nh7ng bi(n %Ai %áng k9 c1a hi+n t!4ng m!a l*n c5 v& tCn xu$t và c!=ng %0. Tuy nhiên, nghiên c-u này m*i chB th#c hi+n trên quy mô l*n. L9 xác %6nh bi(n %Ai c1a các hi+n t!4ng c#c %oan trên quy mô %6a ph!"ng, nKm 2001 Liên minh châu Âu %ã kh:i %0ng d# án STARDEX (Statistical and Regional dynamical Downscaling of Extremes for European regions). D# án k(t thúc vào nKm 2005 v*i 3 k(t lu)n quan tr'ng sau (STARDEX, 2005 [296]): • Bi(n %Ai c1a các y(u t2 c#c tr6 m!a và nhi+t %0 di@n ra m0t cách h+ th2ng và tác %0ng t*i châu Âu trong 40 nKm qua. Nh7ng bi(n %Ai c" b5n s3 ti(p t>c trong t!"ng lai. • TFn t/i %0 b$t %6nh trong các k6ch b5 n bi(n %Ai c1a các y(u t2 c#c tr6 trên quy mô %6a ph!"ng khi downscale t8 quy mô toàn cCu v& quy mô %6a ph!"ng. • Nên ti(p c)n bài toán bi(n %Ai c1a các y(u t2 c#c tr6 quy mô %6a ph!"ng theo h!*ng %a mô hình dù sD d>ng ph!"ng pháp SD hay DD. Bên ngoài Liên minh châu Âu, Lim và CS (2009) [214] %ã sD d>ng kE thu)t SD d#a trên mô hình CFS, xác %6nh bi(n % A i c1a các c#c tr6 l!4ng m!a và tác %0ng c1a các bi(n %Ai này t*i v> mùa t/i %ông nam Hoa KJ., Zhu và CS (2008) [360] ti(p c)n bài toán d# báo l!4ng m!a theo h!*ng %a mô hình d#a trên kE thu)t SD cho khu v#c châu Á – Thái Bình D!"ng Cách ti(p c)n bài toán d# báo khí h)u c1a ph!"ng pháp SD t!"ng t# nh! cách ti(p c)n c1a ph!"ng pháp perfect prog (PP) trong bài toán d# báo th=i ti(t. Tr! * c h(t, ta gi5 %6nh tFn t/i m0t quan h+ th2ng kê gi7a các y(u t2 khí h)u quy mô l*n v*i các 193 %Gc tr!ng khí h)u trên quy mô %6a ph!"ng. L6nh d/ng quan h+ này %!4c xác %6nh tùy thu0c t8 ng ph!"ng pháp mà %"n gi5n nh$t là gi5 %6nh m0t quan h+ tuy(n tính nh! v*i ph!"ng pháp hF i quy tuy(n tính. S2 li+u sD d>ng trong xác % 6nh quan h+ này chB gFm các quan tr, c v*i s2 li+u quy mô l*n t8 tr!=ng tái phân tích và s2 li+u khí h)u %6a ph!"ng t/i các tr/m %o. Quan h+ th2ng kê này sau %ó cCn %!4c ki9m %6nh trên t)p s2 li+u %0c l)p %9 tránh kh5 nKng “quá kh*p” (over-fitting) c1a quan h+ thu %!4c khi sD d>ng t)p s2 li+u ph> thu0c. Cách %"n gi5n %9 ki9m %6nh quan h+ này có th9 th#c hi+n b< ng cách chia t)p s2 li+u quan tr,c thành hai t)p con trong %ó m0 t t)p sD d>ng %9 xây d#ng quan h+ th2ng kê và m0t t)p sD d>ng %9 ki9m %6nh quan h+ th2ng kê. Ph-c t/p h"n, %9 %5m b5o %0 tin c)y c1a quan h+ thu %!4c, ng!=i ta có th9 th#c hi+n ki9m tra chéo b<ng cách chia %ôi t)p s2 li+u quan tr,c theo nhi&u cách khác nhau, xây d#ng và ki9m tra trên t8ng cách chia này sau %ó l$y trung bình. Sau khi %ã khMng %6nh %!4c %0 tin c)y c1a quan h+ th2ng kê này, ng!=i ta áp d>ng vào d# báo v*i các quan tr,c tr!=ng khí h)u quy mô l* n %!4c thay th( b<ng giá tr6 d# báo t!"ng -ng t8 GCM. Li&u này %Fng nghNa v*i gi5 %6nh GCM có kE nKng d# báo v*i ch$t l!4ng t2t các tr!= ng khí h)u trên quy mô l*n và quan h+ th2ng kê gi7a tr!=ng quy mô l*n và y(u t2 %6a ph!"ng có tính phA quát không bi(n %Ai theo th=i gian. Gi5 %6nh sau cùng có th9 không chính xác khi xét trên quy mô nhi&u nKm hay th( kO nh! v*i các d# báo bi(n %Ai khí h)u tuy nhiên trên quy mô tháng hay mùa gi5 thi(t này có th9 ch$p nh)n %!4c. Gi5 %6nh %Cu tiên liên quan %(n sai s2 d# báo c1a GCM. Sai s2 này khi xu$t hi+n s3 làm xu$t hi+n nh7ng sai s2 t!"ng -ng trong k(t qu5 d# báo theo ph!"ng pháp SD. CCn phân bi+t hai lo/i sai s2 là sai s2 h+ th2ng (bias) và sai s2 ngIu nhiên trong d# báo c1a GCM. Tr!*c khi áp d>ng quan h+ th2ng kê vào d# báo, bias cCn %!4c lo/i b; kh;i các tr!=ng d# báo quy mô l*n c1a GCM. Nh! th(, GCM cCn th#c hi+n tái d# báo (reforecast) %9 có th9 xác %6nh giá tr6 khí h)u c1a mô hình so v*i giá tr6 khí h)u quan tr,c th#c t8 %ó th#c hi+n khD bias. Riêng v*i sai s2 ngIu nhiên không th9 khD b; , ta cCn chú . %(n tác %0ng c1a sai s2 này trong các k(t qu5 d# báo cu2i cùng. Sai s2 này có th9 lo/i b; m0t phCn khi sD d>ng d# báo tA h4p v*i nhân t2 d# báo xác % 6 nh t8 nhi&u GCM khác nhau do quan h+ th2ng kê %!4c xây d#ng hoàn toàn t8 quan tr,c. Kh5 nKng lo/i b; %!4 c sai s2 h+ th2 ng và ngIu nhiên là m0t !u %i9m c1a SD so v*i DD. M>c ti(p theo s3 mô t5 c" s: l. thuy( t c1a các ph!"ng pháp th2ng kê %!4c sD d>ng. Chi ti(t h"n v& mGt th#c hành c1a ph!"ng pháp nh! s2 li+u sD d>ng, cách l#a ch'n t)p các nhân t2 d# báo, y(u t2 d# báo, phân mùa d# báo %!4c trình bày trong m>c sau %ó. Cu2i cùng s3 trình bày nh7ng k(t qu5 thu %!4c. 5.2 C$ s! l% thuy&t Các kE thu)t SD r$t %a d/ng nh!ng có th9 phân chia thành 3 lo/i chính nh! sau: các s" %F phân l*p th=i ti(t (weather classification schemes), các mô hình hFi quy (regression models) và các b0 sinh th=i ti( t (weather generators) theo Giorgi và CS (2001) [110]. Các s" %F phân l*p th=i ti(t và các b0 sinh th=i ti(t h!* ng %(n d# báo cho t8ng ngày dù h/n d# báo vIn trên quy mô tháng và mùa. Quan tâm ch1 y(u %(n d# báo tháng và mùa, %& tài s3 sD d>ng l*p các ph!"ng pháp theo mô hình hFi quy. Các mô hình hFi quy %6nh l!4ng quan h+ gi7a nhân t2 d# báo và y(u t2 d# báo d!*i d/ng 194 tuy(n tính hoGc phi tuy(n. Các ph!"ng pháp thông d>ng trong l*p các mô hình hFi quy gFm có hFi quy tuy(n tính %a bi(n REG hay MLR (multi-linear regression), phân tích t!"ng quan canon CCA, phân tích riêng bi+t Fisher FDA, m/ng t( bào thCn kinh nhân t/o ANN, Ba kE thu)t s3 %!4c -ng d>ng trong %& tài gFm REG, ANN và FDA. D!*i %ây là mô t5 v& l. thuy(t các kE thu)t này. 5.2.1 H!i quy tuy"n tính #a bi"n REG Bài toán hFi quy tuy(n tính %a bi(n có d/ ng nh! sau: xác %6nh t)p p+1 các h+ s2 t# do a i c1a ph!"ng trình tuy(n tính v*i sai s2 e d# báo y(u t2 Y theo t)p p các nhân t2 d# báo X i Y= a 0 + a 1 X 1 + … + a p X p + e (5.2.1) t8 t)p s2 li+u quá kh- và áp d>ng d# báo t!"ng lai. Các h+ s2 a i s3 %!4c xác %6nh theo ph!"ng pháp bình ph!"ng t2i thi9u d#a trên t)p s2 li+u training dung l!4ng mIu n. Vi(t d!*i d/ng ma tr)n công th-c tính vector h+ s2 a i có d/ng sau a = (X T X) -1 X T y (5.2.2) trong %ó y là vector y(u t2 d# báo kích th!*c n, X là ma tr)n nhân t2 d# báo kích th!*c (p+1)!n v*i m?i vector c0t t!"ng -ng m0t vector nhân t2 d# báo kích th!*c n. Ch$t l!4ng c1a %!=ng hFi quy %!4c xác %6nh thông qua h+ s2 R 2 hay còn g'i là RV (Reduction of Variance) cho bi(t tO l+ bi(n %0ng c1a y(u t2 d# báo %!4c gi5i thích b:i %!=ng hFi quy. H+ s2 này %!4c k. hi+u là R 2 b:i cKn b)c hai c1a nó chính là h+ s2 t!"ng quan Pearson gi7a t)p các giá tr6 Y xác %6 nh t8 ph!"ng trình hFi quy và t)p các giá tr6 Y trên th#c t( t8 t)p s2 li+u training. V& mGt toán h' c, R 2 %!4c xác %6nh b:i SST SSE SST SSR R !== 1 2 (5.2.3) trong %ó SSR, SST và SSE %!4c tính theo công th-c sau: ! = "= n i i yySST 1 2 )( (5.2.4) ! = "= n i i yxySSR 1 2 ])( ˆ [ (5.2.5) !! == "== n i ii n i i yyeSSE 1 2 1 2 ) ˆ ( (5.2.6) v*i s2 h/ng y mH là giá tr6 c1a y xác %6nh theo ph!"ng trình hFi quy, s2 h/ng y có d$u g/ch ngang là trung bình c1a y trên t)p training, s2 h/ng y không có k. hi+u %Gc bi+t nào là giá tr6 quan tr,c th#c c1a y và e chính là sai s2 hFi quy. Khi có m0t t)p l*n các s2 h/ng có t!"ng quan lIn nhau có th9 tr: thành nhân t2 d# báo REG th!=ng sD d> ng kE thu)t hFi quy t8ng b!*c. Các s2 h/ng s3 %!4c %!a dCn vào ph!"ng trình hFi quy v*i p tKng dCn t8 1 cho % ( n m0t giá tr6 nào % ó th;a mãn tiêu chuPn d8ng.T/i m?i b!*c m0t s2 h/ ng s3 %!4c l#a ch'n n(u so v*i t$t c5 các s2 h/ng khác s2 h/ ng %!a vào cho sai s2 c1a ph!"ng trình hFi quy th$p nh$ t. Tiêu chuPn d8ng %!4c xác %6 nh v*i m0t s2 phCn trKm cho tr!*c khi các s2 h/ng %!a thêm vào ph!"ng trình hFi quy không làm gi5m thêm sai s2 c1a ph!"ng trình hFi quy v!4t quá s2 phCn trKm này. 195 Khi -ng d>ng REG vào d# báo xác su$t REG %!4c bi(t %(n v*i tên g'i REEP (Regression Estimation of Event Probabilities) (Glahn, 1985 [119]). Khái ni+m d# báo xác su$t : %ây ng> . y(u t2 d# báo là m0t bi(n xác su$t, không ph5i m0t bi(n có giá tr6 c> th9 (ví d> y( u t2 d# báo là xác su$t xu$t hi+n m!a ch- không ph5i là giá tr6 l!4ng m!a). Do %ó, y(u t2 d# báo trong t)p s2 li+u ph> thu0c tr!*c h(t cCn %!4c chuy9n %Ai v& d/ng nh6 phân 0 hoGc 1. Giá tr6 0 c1a y(u t2 d# báo cho bi(t hi+n t!4ng không x5y ra và giá tr6 1 cho bi(t hi+n t!4ng có x5y ra. MGc dù t)p y(u t2 d# báo ph> thu0c chB bao gFm giá tr6 0, 1, khi áp d>ng d# báo trong th#c t(, y(u t2 d# báo s3 có giá tr6 bi(n thiên trong kho5ng [0,1] cho ta xác su$t d# báo hi+n t!4ng. Tuy nhiên, các giá tr6 !*c l!4ng c1a y(u t2 d# báo vIn có th9 nh)n các giá tr6 nh; h"n 0 và l*n h"n 1. H/n ch( này %!4c kh,c ph>c b<ng cách chBnh l/i các giá tr6 v!4t ng!Qng v& các giá tr6 0 và 1. 5.2.2 M$ng th%n kinh nhân t$o ANN M/ng thCn kinh nhân t/o (Artificial Neural Network - ANN) %ã %!4c bi(t %(n t8 lâu tr!*c khi xu$t hi+n c1a máy tính %i+n tD , nh!ng không có nhi&u k(t qu5 do h/ n ch( c1a công ngh+ tính toán t/i th=i %i9m %ó. Ngày nay kh5 nKng tính toán t2c %0 cao và dung l!4ng l*n c1a máy tính hi+n %/i %ã t/o %i&u ki+n thu)n l4i cho s# phát tri9n c1a ANN. Vi+c nghiên c-u ANN xu$t phát t8 nh7ng quan sát ho/t %0ng c1a b0 não và các t( bào thCn kinh. ANN là s# mô ph;ng c$u trúc và ho/t %0ng c1a b0 não ng!=i, %!4c hình thành t8 nh7ng %"n v6 riêng lR g'i là nh7ng t( bào thCn kinh nhân t/o (hay neuron nhân t/o). B5n ch$t c1a ph!"ng pháp là vi+c tìm m0t hàm x$p xB cho chu?i s2 li+u nghiên c-u v*i sai s2 mà ta ch'n. V* i m0t chu?i s2 li+u %1 dài và các nhân t2 thích h4p, ng!=i ta có th9 tìm ra qui lu)t bi(n %Ai, giá tr6 n&n c1a y(u t2 d# báo. S2 l*p m/ ng ANN là r$t % a d/ng, phân bi+t theo c$u hình m/ng, ph!"ng th-c c#c ti9u, L & tài này sD d>ng m0t lo/i ANN phA bi(n là m/ng feed-forward (xem hình 5.1). M/ng feed-forward có c$u trúc gFm nhi&u l*p các neuron khác nhau bao gFm: m0t l*p %Cu vào, m0t l*p %Cu ra và có hoGc không có m0t hay nhi&u l*p Pn. Các neuron : hai l*p k& nhau có liên k(t v*i nhau thông qua các tr'ng s2, các neuron cùng m0t l*p hoGc : hai l*p không k& nhau không có liên k(t v*i nhau. Neuron là %"n v6 c" s: c1a m0t m/ ng thCn kinh nhân t/o. M0t neuron nh)n các giá tr6 %Cu vào th#c, giá tr6 %Cu ra là giá hàm ng!Qng ! v*i %2i s2 là tA h4p tuy(n tính các giá tr6 %Cu vào. Gi5 sD các giá tr6 %Cu vào là véct" x ! = {x 1 , ,x n }, các tr'ng s2 t!"ng -ng là véct" w ! = {w 1 , , w n },. TA h4p tuy(n tính c1a các giá tr6 %Cu vào là: Hình 5.1 S" #$ m%ng feed-forward m&t l'p (n u = w 1 x 1 + + w n x n (5.2.7) Giá tr6 %Cu ra ( ) ( ) uwxo += 0 ! ! (5.2.8) trong %ó w 0 là m0t giá tr6 th#c thêm vào g'i là %0 l+ch (bias). N( u ta %!a thêm k. hi+u x 0 =1, ta có 196 ( ) ! " # $ % & = ' = n i ii xwxo 0 ( ! (5.2.9) Hàm ), còn %!4c g'i là hàm kích ho/t (activation), có m0t s2 d/ng sau %ây: Hàm ng!Qng (threshold). ( ) ! " # < $ = 0v khi 0v khi 0 1 v % (5.2.10) Hàm tuy(n tính - tr"n t8ng %o/n (piecewise-linear) ( ) ! ! ! " ! ! ! # $ % << & = 2 1 - v khi 2 1 - khi 2 1 v khi 0 2 1 1 vvv ' (5.2.11) Hàm d/ng sigma (sigmoid) ( ) ( ) av v !+ = exp1 1 " (5.2.12) v*i a là tham s2 %0 d2c. L& tài sD d>ng ANN feed-forward v*i m0t l*p P n, các neuron thu0c l*p Pn nh)n hàm kích ho/ t d/ng sigma v*i h+ s2 a=1, các neuron thu0c l*p %C u ra không sD d>ng hàm kích ho/t. Ta %6nh nghNa sai s2 E là tAng các sai s2 trên t$t c5 các neuron %Cu ra: ( ) ( ) ! ! " " #= Dd outputsk kdkd otwE 2 2 1 ! (5.2.13) v*i D là t)p s2 li+u luy+n, t d là giá tr6 %ích (giá tr6 mong mu2n), o d là giá tr6 %Cu ra c1a ví d> luy+n th- d. M>c %ích c1a chúng ta là c#c ti9u hóa E trong không gian w ! . Quá trình c#c ti9u hóa này (còn %!4c hi9u là quá trình h'c c1a ANN) %!4c ti(n hành theo thu)t toán lan truy&n ng!4c. C> th9 xD l. toán h'c c1a quá trình này có th9 tìm hi9u trong các tài li+u tham kh5o v& ANN. K(t qu5 cu2i cùng s3 là t)p các tr'ng s2 w và áp d>ng m/ng ANN thu %!4c vào d# báo. 5.2.3 Phân tích riêng bi&t Fisher (FDA) Ph!"ng pháp phân tích riêng bi+t (g'i t,t là FDA - Fisher Discriminant Analysis) %!4c phát tri9n t8 nKm 1936 b:i R. A. Fisher là m0t kE thu)t th2ng kê dùng %9 phân lo/i/d# báo các %2i t!4ng cCn nghiên c-u (nh! con ng!=i, khách hàng, %F v)t, …) vào trong m0t hoGc nhi&u nhóm/l*p %ã %!4c bi(t tr!*c d#a trên m0t t)p các %Gc tính mô t5 các %2i t!4ng %ó (gi*i tính, %0 tuAi, thu nh)p, …). Hay nói m0t cách %"n gi5n, là gán m0t %2i t!4ng vào trong m0 t nhóm thu0c các nhóm cho tr!*c d#a trên các quan tr,c v& %2i t!4ng này. Trong phân tích FDA, các nhóm %ã %!4c bi( t và các thu0c tính %ã %!4c quan tr,c cho t8ng %2i t!4ng c> th9. Do %ó, bài toán FDA t)p trung vào tr5 l=i cho 2 câu h;i nh! sau: 1) Nh7ng %Gc tính nào là t2t nh$t cho vi+c phân lo/i các %2i t!4ng vào trong các nhóm; và 2) Tiêu chuPn phân lo/i nào là t2t nh$t %9 tách bi+t các nhóm. 197 Câu h;i th- nh$t liên quan %(n l#a ch'n %Gc tính và câu h;i còn l/i liên quan %(n bài toán phân lo/i. V& mGt ph!"ng pháp lu)n, FDA có th9 %! 4c mô t5 nh! sau: gi5 sD có m0 t t)p các vector s2 li+u x bao hàm K y(u t2 (hay là các vector K chi&u) và chúng ta mong mu2n phân lo/i các vector d7 li+u này vào 2 nhóm d#a trên các y(u t2 vector riêng lR x k . N(u các nhóm %ã %!4c chB %6nh tr!*c, thì bài toán tr: thành quá trình phân lo/i các vector d7 li+u vào trong các nhóm. Do v)y, % 9 phân lo/i m0t vector quan tr,c vào trong các nhóm nói trên, cCn thi(t ph5i có m0t t)p s2 li+u ph> thu0c trong %ó các vector x k %ã %!4c gán cho t8ng nhóm c> th9. Vi+c tìm ra các nguyên t,c/tiêu chuPn %9 gán vector d7 li+u x vào trong các nhóm cho tr!*c chính là m> c tiêu c1a ph!"ng pháp FDA và sau khi %ã tìm ra %!4c các tiêu chuPn phân bi+t, thì FDA có th9 %!4c sD d>ng nh! m0t ph!"ng pháp d# báo. Gi5 sD trong ma tr)n quan tr,c x có n 1 vector quan tr,c thu0c vào nhóm 1 và n 2 quan tr,c thu0c vào nhóm 2. Hay nói cách khác, ma tr)n ban %Cu x có th9 tách thành 2 ma tr)n con t!"ng -ng là X 1 có kích th!*c là (n 1 " K) và ma tr)n X 2 có kích th!*c là (n 2 " K). M>c tiêu c1a FDA là tìm %!4c m0t hàm tuy(n tính c1a K nhân t2 (hay còn g'i là hàm riêng bi+t) sao cho m0t vector quan tr,c K chi&u y nào %ó s3 %!4c phân lo/i m0t cách chính xác vào nhóm 1 hoGc nhóm 2. L9 tìm ra hàm riêng bi+t, tr! * c h(t cCn tính 2 vector trung bình %Gc tr!ng cho 2 nhóm theo công th-c nh! sau: [ ] 1,2 g = ! ! ! ! ! ! ! ! ! " # $ $ $ $ $ $ $ $ $ % & == ' ' ' = = = , 1 1 1 1 1 1 , 1 2, 1 1, g g g n i Ki g n i i g n i i g T g g g x n x n x n X n x (5.2.14) : %ây 1 là vector %"n v6 có kích th!*c (n " 1) v*i n = n 1 + n 2, k. hi+u mH T mô t5 ma tr)n chuy9n v6. Vi+c tính toán trung bình trong công th-c (5.2.10) %!4c tính toán riêng bi+t cho t8ng nhóm. FDA gi5 thi(t ma tr)n ph!"ng sai-hi+p bi(n (co-variance matrix, v& sau g'i t,t là ma tr)n hi+p bi(n) trong 2 nhóm là nh! nhau. Gi5 thi(t này có nghNa 2 vector trung bình c1a 2 nhóm có th9 khác nhau nh!ng b5n ch$t phân tán c1a các %i9m d7 li+u quanh vector trung bình nh! nhau. D#a trên các ma tr)n quan tr,c X 1 và X 2 , các ma tr)n hi+p bi(n S 1 và S 2 s3 %!4c tính theo các công th-c sau: [ ] [ ] [ ] [ ] 1,2 g, =!= " g g gg X n XX 1 1 (5.2.15) [ ] [ ] [ ] 1,2 g, = !! " = g T g g g XX n S 1 1 (5.2.16) trong %ó g X ! là ma tr)n trung tâm/d6 th!=ng c1a nhóm th- g có kích th! * c (n g x K) và 1 là ma tr)n %"n v6 có kích th!*c (n g x n g ). Do b5n ch$t phân tán c1a 2 ma tr)n S 1 và S 2 %!4c gi5 thi(t là nh! nhau, hai ma tr)n này s3 %!4c l$y trung bình %9 thu %!4c m0t !*c l!4 ng chung v& s# phân tán c1a d7 li+u xung quanh các vector trung bình c1a chúng. C> th9: 198 [ ] [ ] [ ] )1( )1()1( 21 2211 !+ !+! = nn SnSn S (5.2.17) N(u n 1 = n 2 , ph!"ng trình (5.2.17) s3 tr: thành d/ng trung bình c0ng %"n gi5n gi7a S 1 và S 2 . M>c tiêu c1a FDA là tìm ra m0t h!*ng d trong không gian d7 li+u K chi&u sao cho kho5ng cách gi7a hai vector trung bình c1a hai nhóm là c#c %/i khi toàn b0 d7 li+ u %!4c chi(u lên h!*ng d này. Nh! v) y, vector d7 li+u x s3 %!4c bi(n %Ai sang m0t bi(n m*i là xd T = ! (bi(n ! còn %!4c g'i là hàm riêng bi+t tuy(n tính). Hay nói cách khác, hai nhóm c1a d7 li+u %a bi(n trên không gian K chi&u s3 %!4c chuy9n v& thành 2 nhóm c1a d7 li+u %"n bi(n %!4c phân b2 d'c theo tr>c d v*i hai giá tr6 trung bình khác nhau. Vector riêng bi+t d xác %6nh h!*ng trong %ó s# tách bi+t gi7a 2 nhóm là c#c %/i s3 %!4c xác %6nh theo công th-c sau: [ ] )( 21 1 xxSd != ! (5.2.18) Vi+c xác %6nh m0t vector quan tr,c y trong t!"ng lai s3 thu0c vào nhóm 1 hay nhóm 2 có th9 %!4c th#c hi+n d#a trên giá tr6 c1a bi(n yd T y = ! (th#c ch$t là chi(u vector y lên h!*ng d). Có th9 th$y hàm riêng bi+t y ! là m0t s# k(t h4p tuy(n tính c1a các y(u t2/nhân t2 trong vector y. Do %ó, n(u phép chi(u c1a vector y lên tr>c d gCn v*i vector trung bình c1a nhóm 1 thì vector y s3 %!4c phân lo/i thu0c v& nhóm 1 và ng!4c l/i. L9 thu)n ti+n cho vi+c so sánh, m0t % i9 m n<m gi7a hai vector trung bình nhóm d'c theo h!*ng d s3 %!4c xác %6nh nh! sau: 2 21 xx d T + = ! (5.2.19) Giá tr6 ! s3 xác %6 nh %!=ng phân chia c1a hàm riêng bi+t y ! %2i v*i vector quan tr,c y. C> th9: vector quan tr,c y s3 thu0c v& nhóm 1 n(u 0!" ## y vector quan tr,c y s3 thu0c v& nhóm 2 n(u 0<! "" y 5.3 Các b'(c th)c hi*n 5.3.1 '(t bài toán D#a trên t)p s2 li+u tái phân tích %Gc tr!ng cho các tr!=ng khí h)u quan tr,c quy mô l*n và s2 li+u khí h)u quy mô %6a ph!"ng quan tr,c %!4c t/i các tr/m %o, %& tài s3 áp d>ng m0t s2 kE thu)t th2ng kê SD nh! %ã nêu trong m>c 5.2 xác %6nh quan h+ th2ng kê có th9 gi7 a các y(u t2 quy mô l*n v* i các y(u t2 %6a ph!"ng trên khu v#c Vi+t Nam. Các quan h+ này n(u %!4c khMng %6nh trên t)p s2 li+u %0c l)p s3 %!4c áp d>ng vào bài toán d# báo khí h)u trên quy mô tháng và mùa v*i t)p nhân t2 t8 d# báo c1a mô hình toàn cCu GCM nào %ó. Tùy thu0c vào b5n ch$t t8ng y(u t2 d# báo mà %& tài s3 l# a ch'n m0t s2 ph!"ng pháp thích h4p. V*i m?i y(u t2 d# báo, s3 có hai ph!"ng pháp khác nhau %!4c sD d>ng v*i m>c %ích xác %6 nh m0t ph!"ng án có ch$t l!4ng d# báo t2t nh$t. Các bài toán s3 %!4c ti(n hành bao gFm: • D# báo nhi+t %0 c#c tr6 b<ng REG và ANN • D# báo s2 %4t m!a l*n b<ng REG và ANN • D# báo s2 %4t không khí l/nh b<ng REG và ANN • D# báo kh5 nKng xu$t hi+n n,ng nóng và rét %)m b<ng REEP và FDA 199 Nh! v)y : %ây ch1 y(u sD d>ng hai kE thu)t REG và ANN cho các y(u t2 d# báo khác nhau. Riêng v*i các y(u t2 d# báo mang tính xác su$t, REG s3 %!4c thay th( b:i bi(n th9 t!"ng -ng c1a nó là REEP còn ANN %!4c thay th( b<ng FDA. D# báo s3 %!4c th#c hi+n cho toàn b0 các %i9m tr/m khí t!4ng trên lãnh thA Vi+t Nam n(u chu?i s2 li+u %1 dài %5 m b5o xây d#ng ph!"ng trình th2ng kê. Các y(u t2 nh! s2 %4t không khí l/nh hay n,ng nóng có th9 %!a ra d# báo cho khu v#c thay vì t/i %i9m tr/m. Tuy nhiên d# báo cho khu v#c có nh7ng khó khKn nh$t % 6nh khi s2 tr/m phân b2 trong m?i khu v#c không %1 dày %9 có th9 xác %6nh khu v#c %ó có tr5i qua m0t %4t hi+n t!4ng (chMng h/n, m!a l*n hay n,ng nóng) không. Ngoài ra %0 cao không %Fng nh$t t/i m?i khu v#c cHng tác %0ng %(n vi+c xác %6nh y(u t2 d# báo t/i %ây. Ví d> n(u xét %(n y(u t2 rét %)m, do tr/m Sa Pa trên vùng núi cao nên nhi+t %0 trung bình th!=ng nh; h"n 15 0 t!"ng -ng v*i chB tiêu rét %)m. Do v)y, tr!*c h(t cCn kh5o sát kh5 nKng d# báo các y(u t2 này t/i %i9m tr/m b<ng m0t cách %6nh l!4ng thích h4p d#a trên %Gc tr!ng khí h)u t/i m?i %i9m tr/m. N(u d# báo t/i %i9 m tr/m có k(t qu5 t2t, d# báo theo khu v#c s3 %!4c th#c hi+n. CHng có th9 %!a ra d# báo cho khu v#c d#a trên các d# báo t/i %i9m tr/m trên khu v#c %ó. T$t nhiên nh7 ng y(u t2 nh! nhi+t %0 c#c tr6 chB nên th#c hi+n d# báo t/i %i9m tr/m. Tùy thu0c y(u t2 d# báo mà h/n d# báo có th9 là tháng hoGc mùa. V*i y(u t2 d# báo nh! s2 %4t m!a l*n hay s2 % 4 t không khí l/nh rõ ràng h/n d# báo ph5i là h/n mùa b:i n(u l$y h/n d# báo tháng, s2 % 4t trong m?i tháng s3 bi(n %Ai trên ph/m vi hSp không thích h4p cho bài toán d# báo. V* i nhi+t %0 c#c tr6 hay kh5 nKng xu$t hi+n n,ng nóng và rét %)m, h/n d# báo tháng s3 %!4c sD d>ng. Ngoài nh7ng y(u t2 và hi+n t!4ng trên %ây, ho/t %0ng c1a bão, ATNL (t8 %ây g'i chung là bão) cHng %!4c xem là hi+n t!4ng c#c %oan cCn d# báo. LGc tr!ng cho s# ho/t %0ng c1a bão là s2 c"n bão và s2 ngày bão ho/t %0ng. Nh! v)y các bài toán s3 %!4c ti(n hành : %ây là d# báo: • S2 ngày ho/t %0ng và s2 c"n bão c1a BVN • S2 ngày ho/t %0ng và s2 c"n bão c1a BBD 5.3.2 Y"u t) d* báo Các y(u t2 d# báo nh! %ã nêu trong m>c trên gFm có nhi+t %0 c#c tr6, s2 %4 t m!a l*n, s2 %4t không khí l/nh và kh5 nKng xu$t hi+n n,ng nóng và rét %)m. M>c này s3 trình bày ph!"ng pháp %6nh l!4ng hóa các y(u t2 này %9 có th9 %!a vào mô hình th2ng kê. V*i y(u t2 d# báo nh! nhi+t %0 c#c tr6, giá tr6 c1a y( u t2 d# báo %"n gi5n chính là giá tr6 nhi+t %0 c#c tr6 trung bình tháng %o %!4c t/i tr/m. Các y(u t2 khác %6nh l!4 ng s3 ph-c t/p h"n do y(u t2 %!a ra ph5i mang tính phA quát t/i m'i %i9m tr/m không ph> thu0c %Gc tr!ng khí h)u c1a tr/m. Ví d> do xác %6nh tr!*c ng!Qng rét %)m là 15 0 C, nh7ng tr/m t/i vùng núi cao nh! Sa Pa hay Là L/t s3 th!=ng xuyên xu$t hi+n rét %)m dù %i&u này th9 hi+n %G c tính khí h) u c1a tr/m h"n là các y(u t2 liên quan %( n front l/nh. N(u thay vì ng!Qng 15 0 C nh! trên, ta xác %6nh y(u t2 d# báo là nhi+t %0 nh; h"n phân v6 10% c1a phân b2 khí h)u t/i tr/m thì cách xác %6nh nh! v)y %5m b5o tính phA quát t/i m'i %i9m tr/m t8 các tr/m vùng khí h)u núi cao cho t*i các tr/m vùng khí h)u bi9n %5o. Nhi+t %0 d!*i phân v6 10% %Fng nghNa v*i s# ki+n hi(m (l/nh b$t th!=ng) x5y ra t/i tr/m. 200 M>c tiêu c1a %& tài h!*ng %(n d# báo các y(u t2 khí h) u c#c %oan do %ó cách ti(p c)n theo h!*ng các phân v6 10% hay 90% nh! trên cCn %!4c th#c hi+n. NghNa là y(u t2 khí h)u c#c %oan cCn %!4c so sánh t!"ng %2i v*i phân b2 khí h)u t/ i %i9m tr/m. So sánh tuy+t % 2 i nh! v*i ng!Qng 15 0 C cHng có th9 th#c hi+n v*i %i&u ki+n ng!Qng này không n<m quá gC n phân v6 50% (median) c1a phân b2 t/i %i9m tr/m. L& tài s3 l#a ch'n hai ng!Qng phân v6 33% và 66% nh! % i&u ki+n cCn %9 có th9 xây d#ng mô hình th2ng kê v*i m0t y(u t2 nào %ó t/i tr/m. Tùy theo t8 ng y( u t2 mà phân v6 d! * i 33% hay phân v6 trên 66% s3 %!4c sD d>ng b:i m0t hi+n t!4ng chB %!4c coi là c#c %oan khi ng!Qng t!"ng -ng v*i hi+n t!4ng n<m v& phía hai %Cu c1a phân b2. Ví d>, v*i rét %)m hay không khí l/nh, phân v6 33% cCn ph5i l*n h"n 15 0 C %9 có th9 coi rét %)m là hi+n t!4ng c#c %oan t/i tr/ m. T!"ng t# v*i n,ng nóng và m!a l*n, phân v6 66% cCn ph5i nh; h"n 35 0 C và 50mm t!"ng -ng. Riêng v*i hi+n t!4ng n,ng nóng theo %6nh nghNa %! 4c áp d>ng t/i Trung tâm D# báo Khí t!4ng Th1y vKn Trung !"ng còn ph5i xét thêm y(u t2 %0 Pm t!"ng %2i c#c ti9u (t-c khô nóng), nh!ng : %ây chB áp d>ng %i&u ki+n cCn 66% nh! trên v*i nhi+t %0 . Hai y(u t2 kh5 nKng xu$t hi+n n,ng nóng và rét %)m %!4c %6nh l!4ng d!*i d/ng nh6 phân 0,1. Hi+n t!4ng %!4c coi x5y ra trong tháng n(u có nhi&u h"n hoGc b<ng m0t ngày các chB tiêu v*i n,ng nóng (Tx > 35 0 C) và rét %)m (Ttb < 15 0 C) %/t %!4c. M0t %4t không khí l/nh t/i tr/m %!4c %6nh nghNa b: i s# xu$t hi+n c1a m0t s2 ngày liên ti(p x5y ra hi+n t!4 ng rét %)m t/i tr/m. M0t %4t m! a l*n cHng %!4c % 6 nh nghNa t!"ng t# v*i hi+n t!4ng m!a l*n (l!4ng m!a tích lHy 24h l*n h"n 50mm). L2i v*i s# ho/t %0ng c1a bão, mùa bão : Vi+t Nam và trên Bi9n Lông là t8 tháng 6 %(n tháng 12 hàng nKm. Do %ó y(u t2 d# báo s3 là d6 th!=ng s2 ngày ho/t %0ng và s2 c"n bão trong mùa bão so v*i th=i kJ chuPn 1971 – 2000. Th:i %i9m b,t %Cu làm d# báo là tháng 4 hàng nKm. 5.3.3 Nhân t) d* báo S2 li+u tái phân tích NNRP2 c1a NCEP s3 %!4c sD d>ng làm nhân t2 d# báo t!"ng -ng v* i th=i gian quan tr,c c1a y(u t2 d# báo khi xây d#ng quan h+ th2ng kê. Khi áp d>ng vào d# báo, s2 li+u d# báo toàn cCu t8 mô hình CFS cHng c1a NCEP s3 thay th( cho s2 li+u NNRP2. C5 hai t)p s2 li+u này %&u % ! 4c cho trên l!*i kinh vN %0 phân gi5i 2.5 0 . Các bi(n có th9 tr: thành nhân t2 d# báo chB bao gFm các bi(n c" b5n: áp su$t m#c bi9n PMSL, %0 %6a th( v6 h, gió u,v, nhi+t % 0 T và %0 Pm RH t/i các m#c áp su$t c" b5n 1000, 850, 700, 500mb. Tùy thu0c h/n d# báo c1a y(u t2 mà các tr!=ng nhân t2 s3 là tr!=ng khí h)u trung bình tháng hay trung bình mùa. T8 tr!=ng tái phân tích hay d# báo trên l!*i, các nhân t2 d# báo cCn %!4c xác %6nh t/i %i9m tr/m b<ng m0t ph!"ng pháp thích h4p. L& tài s3 thD nghi+m hai ph!"ng pháp khác nhau khi ch'n các nhân t2 d# báo có th9 cho m? i %i9m tr/m. Theo ph!"ng án %"n gi5 n nh$t, giá tr6 các bi(n d# báo nêu trên t/i %i9m l!*i gCn nh$t s3 %!4c sD d>ng khi tuy9n ch'n nhân t2 d# báo cho %i9m tr/m t!"ng -ng. Nh! v) y, v*i m?i th=i %i9m, m?i %i9m tr/m s3 có 21 bi(n có th9 sD d>ng làm nhân t2 d# báo. Ph!"ng án hai ph-c t/p h"n, sD d>ng kE thu)t phân tích thành phCn chính PCA trên m0t mi&n cho tr!*c c1a m?i tr!=ng khí quy9n %9 xác %6nh các thành phCn chính PCx trên mi&n này. Các thành phCn chính PCx này sau %ó s3 %!4c sD d> ng làm nhân t2 d# báo v*i %i&u ki+n hàm tr#c giao t!"ng -ng EOFx gi5i thích %!4c ít nh$t 5% bi(n %0ng c1a tr!=ng này. V*i m?i tr!=ng, t/i m?i m#c, ta s3 có ít nh$t m0t PCx có th9 tr: thành nhân t2 d# [...]... %áng chú h"n là RV vào mùa xuân và thu luôn có giá tr6 l*n h"n so v*i RV vào mùa %ông và mùa hè NghNa là d# báo vào mùa xuân và thu luôn có t!"ng quan cao h"n so v*i d# báo vào mùa hè và %ông Li&u này có th9 gi5i thích %!4c n(u chú rng vào d# báo v*i mô hình CFS thay th( cho NNRP2 Th=i %i9m d# báo b,t %Cu ngày 03/01/2010 H/n d# báo là 10 tháng tính t8 th=i %i9m b,t %Cu d# báo t!"ng... d# báo trong th#c t( c1a CFS PhCn d!*i %ây s3 %!a ra ví d> cho d# báo n,ng nóng vào các tháng mùa xuân và hè D# báo rét %)m do chB có ba tháng mùa %ông s3 không %!4c hi9n th6 trên %F th6 Hình 5.22 cho ta chu?i th=i gian d# báo kh5 nKng xu$t hi+n n,ng nóng t/i m0t s2 %i9m tr/m Các chu?i th=i gian này cHng bao gFm c5 d# báo khí h)u 220 Hình 5.19 Bi9u #$ tin c:y trên khu v,c Vi-t Nam trong mùa xuân và. .. l*n h"n so v*i ANN có nghNa so v*i mô hình REG, ANN có ch$t l!4ng d# báo th$p h"n M0t s2 %i9m d# báo theo ANN th)m chí có t!"ng quan âm vào mùa hè và %ông T!"ng %Fng v*i nh)n xét tr!*c %ó khi xác %6nh tO l+ d8ng có th9 th$y h+ s2 t!"ng quan vào mùa xuân và thu luôn l*n h"n so v*i giá tr6 t!"ng -ng vào mùa hè và %ông Vào hai mùa xuân và thu t/i m0t s2 %i9m giá tr6 t!"ng quan r$t l*n có khi lên %(n 0.98,... cho th$y m0t ch$t l!4ng d# báo t2t h"n so v*i d# báo theo ph!"ng pháp ANN Các ph!"ng trình thu %!4c có th9 -ng d>ng trong d# báo h/n tháng cho Tmin2m và Tmax2m Trên %ây là %ánh giá t!"ng %2i d# báo nhi+t %0 c#c tr6 khi so sánh v*i m0t d# báo %2i ch-ng là d# báo khí h)u v*i m>c %ích chB ra kE nKng c1a d# báo th2ng kê Lánh giá này %ã cho th$y ph!"ng pháp REG cho k(t qu5 d# báo t2t h"n so v*i ANN D!*i... li+u %0c l)p và kho5ng cách d# báo r"i vào phCn m!=i t!"ng -ng Ví d> khi kho5ng cách d# báo trong kho5ng [1,2] trên t)p s2 li+u ph> thu0c, ta quan sát th$y tCn xu$t m!a th#c t( là 0.9 Giá tr6 0.9 này s3 là giá tr6 xác su$t d# báo n(u kho5ng cách d# báo trên t)p d7 li+u %0c l)p sau %ó thu0c kho5ng [1,2] V*i hai y(u t2 s2 %4t m!a l*n và s2 %4t không khí l/nh, 2 ph!"ng pháp MLR và ANN có th9 d# báo s2 %4t . thu0c và %0c l)p quá nh;. M0t %Gc %i9m khác %áng chú . h"n là RV vào mùa xuân và thu luôn có giá tr6 l*n h"n so v*i RV vào mùa %ông và mùa hè. NghNa là d# báo vào mùa xuân và thu. tháng và mùa. Quan tâm ch1 y(u %(n d# báo tháng và mùa, %& tài s3 sD d>ng l*p các ph!"ng pháp theo mô hình hFi quy. Các mô hình hFi quy %6nh l!4ng quan h+ gi7a nhân t2 d# báo và y(u. PCAMLR3 ngo/i tr8 vào mùa %ông. Tuy nhiên, không d@ gi5i thích t/i sao PCAMLR3 l/i cho ch$t l!4ng d# báo t2 t h"n so v*i MLR vào mùa %ông và th$p h"n vào các mùa khác. V*i các bi(n tr6