Tue11212017

Last update02:00:00 PM GMT

Công trình dự án

Nghiên cứu khả năng tự bảo vệ của tầng chứa nước DRASTIC

Khả năng tự bảo vệ của một tầng chứa nước khỏi sự ô nhiễm quyết định bởi mức độ nhạy cảm của nó và môi trường bao quanh nó. Mức độ nhạy cảm của tầng chứa nước và môi trường bao quanh càng lớn thì khả năng tự bảo vệ tầng chứa nước khỏi sự ô nhiễm càng thấp và ngược lại.Vì vậy, đánh giá khả năng tự bảo vệ là xem xét đến các nức độ nhạy cảm của hệ thống tầng chứa nước trước những ảnh hưởng của thiên nhiên và con người. Có nhiều phương pháp để đánh giá mức độ tự bảo vệ của tầng chứa nước có thể áp dụng tùy theo điều kiện và số liệu thu thập được của vùng nghiên cứu để áp dụng như phương pháp DRASTIC.

Độ nhạy cảm của các tầng chứa nước được đánh giá như một tổng số của các yếu tố riêng biệt được tính điểm từ 1 đến 10 dựa theo mức độ ảnh hưởng của chúng đối với độ nhạy cảm ô nhiễm . Mỗi mức điểm của một yếu tố DRASTIC được đem nhân với một hệ số đối trọng ( có trị số từ 1 đến 5 ) tuỳ theo mức độ quan trọng của nó trong sự chi phối độ nhạy cảm ô nhiễm ( các hệ số này được ghi trong bảng 1). Các bảng sau đây ( từ bảng 2 đến bảng 8 ) là những thang điểm của từng yếu tố ( ứng với các đặc điểm, các mức độ, các hình loại khác nhau của những yếu tố ấy ). Chỉ số DRASTIC của mỗi vùng ( hay tổng số điểm của yếu tố , có tính đến trọng số nêu trên ) được tính theo công thức sau :

IDR = 5D + 4R + 2A + 2S + 2T + 5I +3C

Trong đó :

D : Số điểm đánh giá yếu tố độ sâu mực nước, chọn theo bảng ...,

R : Số điểm đánh giá yếu tố lượng bổ cập chính ( hay bổ cập chủ yếu ), chọn theo bảng ...,

A : Số điểm đánh giá về yếu tố môi trường tầng chứa nước, chọn theo bảng ..,

S : Số điểm đánh giá về yếu tố môi trường đất mặt, chọn theo bảng ..,

T : Số điểm đánh giá về yếu tố địa hình, chọn theo bảng ...,

I : Số điểm đánh giá yếu tố ảnh hưởng của đới thông khí, chọn theo bảng ...,

C: Số điểm đánh giá yếu tố hệ số thấm của tầng chứa nước, chọn theo bảng...

Theo chỉ số DRASTIC , mức độ nhạy cảm ô nhiễm của tầng chứa nước được phân cấp như sau:

1 – Nhạy cảm ô nhiễm rất cao ( IDR > 180 )

2 – Nhạy cảm ô nhiễm cao ( IDR = 160 – 179 )

3 – Nhạy cảm ô nhiễm trung bình ( IDR = 140 – 159 )

4 – Nhạy cảm ô nhiễm thấp ( IDR = 120 – 139 )

5 – Nhạy cảm ô nhiễm rất thấp ( IDR < 120 ).

Bảng … : Hệ số đối trọng ( trọng số) của các yếu tố đặc trưng DRASTIC

( Theo Aller và nnk, 1985 )

Các yếu tố đặc trưng

Hệ số đối trọng

Độ sâu mực nước

5

Lượng bổ sung chính

4

Môi trường tầng chứa nước

3

Môi trường lớp phủ

2

Địa hình

2*

Ảnh hưởng của đới thông khí

5

Hệ số thấm của tầng chứa nước

3



Lưu ý: * Trọng số của yếu tố địa hình được một số nhà nghiên cứu ( đặc biệt các chuyên gia Canada) đề nghị cải biên thành giá trị bằng: 1.

Khả năng tự bảo vệ của một tầng chứa nước khỏi sự ô nhiễm quyết định bởi mức độ nhạy cảm của nó và môi trường bao quanh nó. Mức độ nhạy cảm của tầng chứa nước và môi trường bao quanh càng lớn thì khả năng tự bảo vệ tầng chứa nước khỏi sự ô nhiễm càng thấp và ngược lại.Vì vậy, đánh giá khả năng tự bảo vệ là xem xét đến các nức độ nhạy cảm của hệ thống tầng chứa nước trước những ảnh hưởng của thiên nhiên và con người. Có nhiều phương pháp để đánh giá mức độ tự bảo vệ của tầng chứa nước có thể áp dụng tùy theo điều kiện và số liệu thu thập được của vùng nghiên cứu để áp dụng như phương pháp DRASTIC.

Độ nhạy cảm của các tầng chứa nước được đánh giá như một tổng số của các yếu tố riêng biệt được tính điểm từ 1 đến 10 dựa theo mức độ ảnh hưởng của chúng đối với độ nhạy cảm ô nhiễm . Mỗi mức điểm của một yếu tố DRASTIC được đem nhân với một hệ số đối trọng ( có trị số từ 1 đến 5 ) tuỳ theo mức độ quan trọng của nó trong sự chi phối độ nhạy cảm ô nhiễm ( các hệ số này được ghi trong bảng 1). Các bảng sau đây ( từ bảng 2 đến bảng 8 ) là những thang điểm của từng yếu tố ( ứng với các đặc điểm, các mức độ, các hình loại khác nhau của những yếu tố ấy ). Chỉ số DRASTIC của mỗi vùng ( hay tổng số điểm của yếu tố , có tính đến trọng số nêu trên ) được tính theo công thức sau :

IDR = 5D + 4R + 2A + 2S + 2T + 5I +3C

Trong đó :

D : Số điểm đánh giá yếu tố độ sâu mực nước, chọn theo bảng …,

R : Số điểm đánh giá yếu tố lượng bổ cập chính ( hay bổ cập chủ yếu ), chọn theo bảng …,

A : Số điểm đánh giá về yếu tố môi trường tầng chứa nước, chọn theo bảng ..,

S : Số điểm đánh giá về yếu tố môi trường đất mặt, chọn theo bảng ..,

T : Số điểm đánh giá về yếu tố địa hình, chọn theo bảng …,

I : Số điểm đánh giá yếu tố ảnh hưởng của đới thông khí, chọn theo bảng …,

C: Số điểm đánh giá  yếu tố hệ số thấm của tầng chứa nước, chọn theo bảng…

 

Theo chỉ số DRASTIC , mức độ nhạy cảm ô nhiễm của tầng chứa nước được phân cấp như sau:

1 – Nhạy cảm ô nhiễm rất cao ( IDR > 180 )

2 – Nhạy cảm ô nhiễm cao       ( IDR = 160 – 179 )

3 – Nhạy cảm  ô nhiễm trung bình ( IDR = 140 – 159 )

4 – Nhạy cảm ô nhiễm thấp  ( IDR = 120 – 139 )

5 – Nhạy cảm ô nhiễm rất thấp ( IDR < 120 ).

 

Bảng … : Hệ số đối trọng ( trọng số) của các yếu tố đặc trưng DRASTIC

( Theo Aller và nnk, 1985 )

Các yếu tố đặc trưng

Hệ số đối trọng

Độ sâu mực nước

5

Lượng bổ sung chính

4

Môi trường tầng chứa nước

3

Môi trường lớp phủ

2

Địa hình

2*

Ảnh hưởng của đới thông khí

5

Hệ số thấm của tầng chứa nước

3

Lưu ý: * Trọng số của yếu tố địa hình được một số nhà nghiên cứu ( đặc biệt các chuyên gia Canada) đề nghị cải biên thành giá trị bằng: 1.

Chỉ số căng thẳng cấp nước trong đánh giá khả năng nguồn nước, phục vụ quy hoạch tài nguyên nước

Hiện nay, ở nước ta việc khai thác, sử dụng và phân bổ nguồn nước đã và đang được thực hiện trên nhiều lưu vực sông đặc biệt là trên các lưu vực sông có tình hình kinh tế phát triển mạnh. Tuy nhiên, với tình hình phát triển kinh tế xã hội nhanh chóng, nhu cầu sử dụng nước tăng cao, gây tranh chấp giữa các ngành sử dụng nước dẫn đến tình trạng khai thác quá mức nguồn nước tại các lưu vực sông gây ra nguy cơ cạn kiệt, thiếu nước đặc biệt là vào mùa khô.

Một số nước trên thế giới hiện nay đã và đang sử dụng các chỉ số đánh giá tài nguyên nước phù hợp với điều kiện phát triển và yêu cầu phát triển cụ thể của từng nước để đánh giá khả năng nguồn nước của các lưu vực sông. Ở Việt Nam trong một số báo cáo như Đánh giá tổng quan ngành nước (2008), Chiến lược Quốc Gia về tài nguyên nước đến năm 2020 (2006)…, có đưa ra các chỉ số đánh giá tài nguyên nước mặt. Tuy nhiên, các chỉ số đã được đưa ra ở trên còn mang tính chủ quan chưa được nghiên cứu cụ thể cho từng lưu vực sông nên chưa phản ánh được đầy đủ và khách quan về tài nguyên nước và vấn đề khai thác sử dụng nước mặt trên các lưu vực sông ở nước ta hiện nay. Vì vậy, nghiên cứu đề xuất bộ chỉ số đánh giá tài nguyên nước mặt phù hợp với đặc điểm nguồn nước và điều kiện quản lý (các văn bản pháp luật hiện hành) để áp dụng phổ biến trong thực tế là cần thiết.

McNulty và cộng sự (2010) đã đề xuất một thuật ngữ hoàn toàn mới trong lĩnh vực thủy văn để đánh giá một cách định lượng về độ lớn tương đối về mối quan hệ cung-cầu. Khái niệm mới này là “Chỉ số căng thẳng cấp nước” (WaSSI). Phương pháp luận của chỉ số này tương tự với WTA

sp88

Trong đó, WD và WS là cung và cầu, x tượng trưng cho nhu cầu và khả năng cung cấp trong quá khứ hoặc tương lai, từ môi trường đến nhân sinh

Đánh giá khả năng cung cấp nước thông qua chỉ số căng thẳng nguồn nước

Chỉ số căng thẳng nguồn nước được phát triển bởi Smakhtin và đồng nghiệp vào năm 2005. Nhóm nghiên cứu đã xem xét nhu cầu nước cho dòng chảy môi trường như là một đại lượng quan trọng trong việc đánh giá nguồn nước ngọt sẵn có. Dòng chảy mặt trung bình năm (MAR) được sử dụng như 1 giá trị dại diện cho tổng khả năng nguồn nước, và lượng nhu cầu dòng chảy môi trường được ước lượng trước đấy sẽ được thể hiện dưới dạng phần trăm của dòng chảy mặt sông trung bình năm trong một giai đoạn dài hơi (phương trình 3). Bằng việc sử dụng dữ liệu về tổng lượng nước được khai thác trung bình năm trên toàn cầu từ FAO (tổ chức lương thực thế giới), và IWMI đối với các ngành nông nghiệp, công nghiệp, và sinh hoạt, ta có thể đánh giá được nhu cầu cho dòng chảy môi trường (bảng 1). Các kết quả này đã được so sánh với các đánh giá trước đấy về chỉ số căng thẳng nguồn nước thường được sử dụng (chỉ số này bỏ qua nhu cầu dòng chảy môi trường). Nhóm tác giả đã áp dụng chỉ số này trong phân tích của họ về bản đánh giá nguồn nươc toàn cầu thông qua việc sử dụng công cụ WaterGAP 2. Kết quả đã thể hiện một cách rõ ràng hơn về việc có nhiều lưu vực thể hiện sự căng thẳng nguồn nước ở cấp độ cao hơn với sự cân nhắc của nhu cầu nước cho hệ sinh thái, từ đó cho ra một đánh giá chính xác hơn về việc cung cấp nguồn nước trong khu vực

sp89

sp90

sp93

Những ảnh hưởng của việc sử dụng “nước tiêu hao” như là 1 hàm của tổng khả năng nguồn nước

sp91

Đây là tỉ số lượng nước thường được sử dụng và tổng khả năng nguồn nước. Trong đó, i là từng lưu vực, j là từng ngành trong sử dụng nước. Khoảng 20-40% được coi là tỉ lệ tới hạn mà tại đó sẽ xuất hiện căng thẳng nguồn nước ở cấp độ trung bình và nghiêm trọng (theo Alcamo và cộng sự, 2000). Mỗi một lưu vực sẽ có hệ số quy đổi đại diện cho sự sai khác về dòng chảy năm hoặc tháng. Giá trị WTA đã được quy đổi sau đó sẽ được thể hiện dưới dạng WTA và WSI sẽ được tính dưới dạng sau

sp92

Để đánh giá mức độ an ninh nguồn nước đối với từng yếu tố chủ đạo này, mỗi yếu tố chủ đạo được chia ra thành nhiều yếu tố thành phần và được chuẩn hóa thành các chỉ số.

- An ninh nước hộ gia đình gồm các chỉ số: Cấp nước tập trung, vệ sinh môi trường.

- An ninh nước kinh tế gồm có các chỉ số: Khả năng phục hồi (khả năng lưu trữ nguồn nước tái tạo, biến thiên lượng mưa năm), phụ thuộc vào nông nghiệp (tỉ lệ nguồn nước từ bên ngoài, mức độ tiêu thụ hàng hóa nông nghiệp) và hiệu quả sử dụng trong nông nghiệp (giá trị sản phẩm nước nông nghiệp (đô la/m3), tỉ lệ đất canh tác được tưới tiêu), sử dụng nước trong công nghiệp (năng suất nước trong công nghiệp, tiêu thụ hàng hóa công nghiệp), sử dụng nước ngành năng lượng (tiềm năng thủy điện, đóng góp của thủy điện vào năng lượng quốc gia).

- An ninh nước đô thị gồm có các chỉ số: Cấp nước đô thị, xử lí nước thải, thiệt hại do lũ đô thị, tỉ lệ đô thị hóa.

- An ninh nước môi trường gồm có các chỉ số: Sức khỏe lưu vực sông.

- Khả năng phục hồi thiên tai liên quan đến nước gồm có các chỉ số: Ngập lụt, hạn hán, ven bờ.

Như vậy, việc nghiên cứu, đánh giá khả năng nguồn nước đã được sự quan tâm của các nhà nghiên cứu khoa học từ nhiều năm trước, được thể hiện ở các chỉ số tài nguyên nước. Quá trình tổng quan tài liệu cho thấy, đã có một số nghiên cứu cho một địa phương hoặc với quy mô toàn cầu tính toán chỉ số tài nguyên nước với nhiều cách tiếp cận và xây dựng tính toán chỉ số khác nhau. Càng về những năm gần đây, việc quản lý tổng hợp tài nguyên nước nói chung và xác định đánh giá khả năng nguồn nước riêng được xem xét đa ngành và đa lĩnh vực hơn.

Mô hình MIKE NAM và ứng dụng của nó trong thực tiễn

Mô hình NAM là một hệ thống các diễn đạt bằng công thức toán học dưới dạng định lượng đơn giản thể hiện trạng thái của đất trong chu kỳ thủy văn. Mô hình NAM còn được gọi là mô hình mang tính xác định, tính khái niệm và khái quát với yêu cầu dữ liệu đầu vào trung bình. Mô hình NAM đã được sử dụng tốt ở nhiều nơi trên thế giới với các chế độ thủy văn và khí hậu khác nhau như Mantania, Srilanca, Thái Lan, Ấn Độ... Ở Việt Nam, mô hình này đã đuợc nghiên cứu sử dụng trong tính toán dự báo l trên nhiều hệ thống sông. Hiện nay trong mô hình thủy động lực MIKE 11 (do Viện Thủy Lực Đan Mạch – DHI xây dựng , mô hình NAM đã được tích hợp như một môđun tính quá trình dòng chảy từ mưa. Mô hình NAM được xây dựng trên nguyên tắc xếp 5 bể chứa theo chiều thẳng đứng và 2 bể chứa tuyến tính nằm ngang:

- Bể chứa tuyết tan Bể chứa tuyết tan được kiểm soát bằng các điều kiện nhiệt độ. Đối với điều kiện khí hậu nhiệt đới ở Việt Nam, không xét đến bể chứa này.

- Bể chứa mặt lượng ẩm trữ trên bề mặt của thực vật, lượng nước điền trũng trên bề mặt lưu vực và lượng nước trong tầng sát mặt được đặc trưng bởi lượng trữ ẩm bề mặt. Giới hạn trữ nước tối đa trong bể chứa này được ký hiệu bằng Umax. Lượng nước U trong bể chứa mặt sẽ giảm dần do bốc hơi, do thất thoát theo phương nằm ngang (dòng chảy sát mặt . Khi lượng nước này vượt quá ngưỡng Umax thì một phần của lượng nước vượt ngưỡng Pn này sẽ chảy vào suối dưới dạng chảy tràn trên bề mặt, phần còn lại sẽ thấm xuống bể ngầm. Lượng nước ở bể chứa mặt bao gồm lượng nước mưa do lớp phủ thực vật chặn lại, lượng nước đọng lại trong các chỗ trống và lượng nước trong tầng sát mặt.

Yêu cầu số liệu.

Các yêu cầu đầu vào cho mô hình NAM bao gồm: Các tham số mô hình, các điều kiện ban đầu, các sô liệu khí tượng (Mưa và Bốc hơi), các số liệu thủy văn về dòng chảy để hiệu chỉnh và kiểm nghiệm mô hình.

Cấu trúc mô hình MIKE NAM

Mô hình NAM được xây dựng trên nguyên tắc các hồ chứa theo chiều thẳng đứng và các hồ chứa tuyến tính, gồm có 5 bể chứa theo chiều thẳng đứng .



cu_trc_m_hnh_NAM- Bể chứa tuyết tan được kiểm soát bằng các điều kiện nhiệt độ. Đối với điều kiện khí hậu nhiệt đới ở nước ta thì không xét đến bể chứa này.

- Bể chứa mặt: lượng nước ở bể chứa này bao gồm lượng nước mưa do lớp phủ thực vật chặn lại, lượng nước đọng lại trong các chỗ trũng và lượng nước trong tầng sát mặt. Giới hạn trên của bể chứa này được ký hiệu bằng Umax.

- Bể chứa tầng dưới: là vùng đất có rễ cây nên cây cối có thể hút nước cho bốc, thoát hơi. Giới hạn trên của lượng nước trong bể chứa này được ký hiệu bằng Lmax, lượng nước hiện tại được ký hiệu là L và tỷ số L/Lmax biểu thị trạng thái ẩm của bể chứa.

- Bể chứa nước ngầm tầng trên.

- Bể chứa nước ngầm tầng dưới.

Mưa hoặc tuyết tan đều đi vào bể chứa mặt. Lượng nước (U) trong bể chứa mặt liên tục cung cấp cho bốc hơi và thấm ngang thành dòng chảy sát mặt. Khi U đạt đến Umax, lượng nước thừa là dòng chảy tràn trực tiếp ra sông và một phần còn lại sẽ thấm xuống các bể chứa tầng dưới và bể chứa ngầm.

Nước trong bể chứa tầng dưới liên tục cung cấp cho bốc thoát hơi và thấm xuống bể chứa ngầm. Lượng cấp nước ngầm được phân chia thành hai bể chứa: tầng trên và tầng dưới, hoạt động như các hồ chứa tuyến tính với các hằng số thời gian khác nhau. Hai bể chứa này liên tục chảy ra sông tạo thành dòng chảy gốc.

Dòng chảy tràn và dòng chảy sát mặt được diễn toán qua một hồ chứa tuyến tính thứ nhất, sau đó các thành phần dòng chảy được cộng lại và diễn toán qua hồ chứa tuyến tính thứ hai. Cuối cùng cũng thu được dòng chảy tổng cộng tại cửa ra.

Các thông số cơ bản:

- CQOF: Hệ số dòng chảy tràn không có thứ nguyên, có phạm vi biến đổi từ 0.0 đến 0.9. Nó phản ánh điều kiện thấm và cấp nước ngầm. Vì vậy nó ảnh hưởng nhiều đến tổng lượng dòng chảy và đoạn cuối của đường rút. Thông số này rất quan trọng vì nó quyết định phần nước dư thừa để tạo thành dòng chảy tràn và lượng nước thấm. Các lưu vực có địa hình bằng phẳng, cấu tạo bởi cát thô thì giá trị CQOF tương đối nhỏ, ở những lưu vực mà tính thấm nước của thổ nhưỡng kém như sét, đá tảng thì giá trị của nó sẽ rất lớn.

- CQIF: Hệ số dòng chảy sát mặt, có thứ nguyên là thời gian (giờ). Nó chính là phần của lượng nước trong bể chứa mặt (U) chảy sinh ra dòng chảy sát mặt trong một đơn vị thời gian. Thông số này ảnh hưởng không lớn đến tổng lượng lũ, đường rút nước.

- CBL: là thông số dòng chảy ngầm, được dùng để chia dòng chảy ngầm ra làm hai thành phần: BFU và BFL. Trường hợp dòng chảy ngầm không quan trọng thì có thể chỉ dùng một trong 2 bể chứa nước ngầm, khi đó chỉ cần CBFL=0- tức là lượng cấp nước ngầm đều đi vào bể chứa ngầm tầng trên.

- CLOF, CLIF: Các ngưỡng dưới của các bể chứa để sinh dòng chảy tràn, dòng chảy sát mặt và dòng chảy ngầm, không có thứ nguyên và có giá trị nhỏ hơn 1. Chúng có liên quan đến độ ẩm trong đất. Khi các giá trị của ngưỡng này nhỏ hơn L/Lmax thì sẽ không có dòng chảy tràn, dòng chảy sát mặt và dòng chảy ngầm. Về ý nghĩa vật lý, các thông số này phản ánh mức độ biến đổi trong không gian của các đặc trưng lưu vực sông. Do vậy, giá trị các ngưỡng của lưu vực nhỏ thường lớn so với lưu vực lớn.

- Umax, Lmax: Thông số khả năng chứa tối đa của các bể chứa tầng trên và tầng dưới. Do vậy, Umax và Lmax chính là lượng tổn thất ban đầu lớn nhất, phụ thuộc và điều kiện mặt đệm của lưu vực. Một đặc điểm của mô hình là lượng chứa Umax phải nằm trong sức chứa tối đa trước khi có lượng mưa vượt quá, PN xuất hiện, tức là U< Umax. Do đó trong thời kỳ khô hạn, tổn thất của lượng mưa trước khi có dòng chảy tràn xuất hiện có thể được lấy làm Umax ban đầu.

- CK1,2, CKBF: là các hằng số thời gian về thời gian tập trung nước. Chúng là các thông số rất quan trọng, ảnh hưởng đến dạng đường quá trình và đỉnh.

Thành phần cơ bản của mô hình .

* Lượng trữ bề mặt:

Lượng ẩm bị giữ lại bởi thực vật cũng như được trữ trong các chỗ trũng trên tầng trên cùng của bề mặt đất được coi là lượng trữ bề mặt. Umax biểu thị giới hạn trên của tổng lượng nước trong lượng trữ bề mặt. Tổng lượng nước U trong lượng trữ bề mặt liên tục bị giảm do bốc hơi cũng như do thấm ngang. Khi lượng trữ bề mặt đạt đến mức tối đa, một lượng nước thừa PN sẽ gia nhập vào sông với vai trò là dòng chảy tràn trong khi lượng còn lại sẽ thấm vào tầng thấp bên dưới và tầng ngầm.

* Lượng trữ tầng thấp hay lượng trữ tầng rễ cây:

Độ ẩm trong tầng rễ cây, lớp đất bên dưới bề mặt đất, tại đó thực vật có thể hút nước để bốc thoát hơi đặc trưng cho lượng trữ tầng thấp. Lmax biểu thị giới hạn trên của tổng lượng nước trữ trong tầng này. Độ ẩm trong lượng trữ tầng thấp cung cấp cho bốc thoát hơi thực vật. Độ ẩm trong tầng này điều chỉnh tổng lượng nước gia nhập vào lượng trữ tầng ngầm, thành phần dòng chảy mặt, dòng sát mặt và lượng gia nhập lại.

* Bốc thoát hơi nước:

Nhu cầu bốc thoát hơi đầu tiên được thoả mãn từ lượng trữ bề mặt với tốc độ tiềm năng. Nếu lượng ẩm U trong lượng trữ bề mặt nhỏ hơn yêu cầu (U < Ep) thì phần còn thiếu được coi rằng là do các hoạt động của rễ cây rút ra từ lượng trữ tầng thấp theo tốc độ thực tế Ea. Ea tương ứng với lượng bốc hơi tiềm năng và biến đổi tuyến tính theo quan hệ lượng trữ ẩm trong đất, L/Lmax, của lượng trữ ẩm tầng thấp.

* Dòng chảy mặt:

Khi lượng trữ bề mặt đã tràn, U > Umax, thì lượng nước thừa PN sẽ gia nhập vào thành phần dòng chảy mặt. Thông số QOF đặc trưng cho phần nước thừa PN đóng góp vào dòng chảy mặt. Nó được giả thiết là tương ứng với PN và biến đổi tuyến tính theo quan hệ lượng trữ ẩm đất, L/Lmax, của lượng trữ ẩm tầng thấp.

trong đó: CQOF = hệ số dòng chảy tràn trên mặt đất (0 ≤ CQOF ≤ 1),

TOF = giá trị ngưỡng của dòng chảy tràn (0 ≤ TOF ≤ 1).

Phần lượng nước thừa PN không tham gia vào thành phần dòng chảy tràn sẽ thấm xuống lượng trữ tầng thấp. Một phần trong đó, ∆L, của nước có sẵn cho thấm, (PN-QOF), được giả thiết sẽ làm tăng lượng ẩm L trong lượng trữ ẩm tầng thấp. Lượng ẩm còn lại, G, được giả thiết sẽ thấm sâu hơn và gia nhập lại vào lượng trữ tầng ngầm.

* Dòng chảy sát mặt:

Sự đóng góp của dòng chảy sát mặt, QIF, được giả thiết là tương ứng với U và biến đổi tuyến tính theo quan hệ lượng chứa ẩm của lượng trữ tầng thấp.

trong đó CKIF là hằng số thời gian dòng chảy sát mặt và TIF là giá trị ngưỡng tầng rễ cây của dòng sát mặt (0 ≤ TIF ≤ 1).

* Diễn toán dòng chảy mặt và dòng sát mặt:

Dòng sát mặt được diễn toán qua chuỗi hai hồ chứa tuyến tính với cùng một hằng số thời gian CK12. Diễn toán dòng chảy mặt cũng dựa trên khái niệm hồ chứa tuyến tính nhưng với hằng số thời gian có thể biến đổi.

trong đó OF là dòng chảy tràn (mm/hr) OFmin là giới hạn trên của diễn toán tuyến tính (= 0,4 mm/giờ), và õ = 0,4. Hằng số õ = 0,4 tương ứng với việc sử dụng công thức Manning để mô phỏng dòng chảy mặt.

Theo phương trình trên, diễn toán dòng chảy mặt được tính bằng phương pháp sóng động học, và dòng chảy sát mặt được tính theo mô hình NAM như dòng chảy mặt (trong lưu vực không có thành phần dòng chảy mặt) được diễn toán như một hồ chứa tuyến tính.

* Lượng gia nhập nước ngầm:

Tổng lượng nước thấm G gia nhập vào lượng trữ nước ngầm phụ thuộc vào độ ẩm chứa trong đất trong tầng rễ cây.

trong đó TG là giá trị ngưỡng tầng rễ cây đối với lượng gia nhập nước ngầm

(0 ≤ TG ≤ 1).

* Độ ẩm chứa trong đất:

Lượng trữ tầng thấp biểu thị lượng nước chứa trong tầng rễ cây. Sau khi phân chia mưa giữa dòng chảy mặt và dòng thấm xuống tầng ngầm, lượng nước mưa còn lại sẽ đóng góp vào lượng chứa ẩm (L) trong lượng trữ tầng thấp một lượng ∆L.

* Dòng chảy cơ bản:

Dòng chảy cơ bản BF từ lượng trữ tầng ngầm được tính toán như dòng chảy ra từ một hồ chứa tuyến tính với hằng số thời gian CKBF.

Điều kiện ban đầu của mô hình:

- U: Là lượng nước chứa trong bể chứa mặt (mm)

- L: Là lượng nước chứa trong bể chứa tầng dưới (mm)

- QOF: Cường suất dòng chảy mặt sau khi diễn toán qua bể chứa tuyến tính (mm/h)

- QIF Cường suất dòng chảy sát mặt khi qua bể chứa tuyến tính (mm/h)

- BF Cường suất dòng chảy ngầm (mm/h)

Hiệu chỉnh thông số mô hình:

Hiệu chỉnh thông số mô hình nhằm xác định các thông số của mô hình để cho đường quá trình tính toán phù hợp nhất với đường quá trình thực đo. Việc hiệu chỉnh các thông số mô hình có thể được tiến hành bằng 2 phương pháp: phương pháp thử sai hoặc phương pháp tối ưu.

Sai số giữa lưu lượng tính toán và thực đo trong bước hiệu chỉnh và kiểm nghiệm mô hình được đánh giá theo chỉ số Nash-Sutcliffe.

Trong đó: Qobs, i: lưu lượng thực đo tại thời điểm thứ i, Qsim, i: lưu lượng tính toán tại thời điểm thứ i, : lưu lượng thực đo trung bình các thời đoạn.

Ứng dụng

- Dự báo dòng chảy về hồ chứa thủy điện Krong Hnang

- Dự báo lũ ở sông Thái Bình

- Diễn toán quá trình lũ đến hồ chứa sông Ba

- Khôi phục dòng chảy thời kỳ không quan trắc trên lưu vực sông Hương

- ....

Tìm hiểu về chỉ số bền vững lưu vực sông

Việc đề xuất được bộ chỉ số tài nguyên nước mặt đánh giá khả năng nguồn nước là một trong những yếu tố quan trọng phục vụ quy hoạch tài nguyên nước. Hiện nay một số nước trên thế giới đã và đang sử dụng các chỉ số đánh giá tài nguyên nước phù hợp với điều kiện phát triển và yêu cầu phát triển cụ thể của từng nước để đánh giá khả năng nguồn nước của các lưu vực sông.

Chương trình "Đánh giá tài nguyên nước và tiềm năng nước sử dụng nước trên thế giới" (Assessment of water resources and water availability in the world) thuộc chương trình "Đánh giá toàn diện tài nguyên nước ngọt trên thế giới" (Comprehensive assessment of the fresh water resources in the world) do giáo sư I.A.Shiklomanov, Viện Thủy văn Liên bang Nga thực hiện năm 1997. Dựa trên số liệu của 2400 trạm quan trắc Khí tượng Thủy văn toàn thế giới với thời gian quan trắc từ 5 đến 178 năm, tác giả đã đưa ra đánh giá về tổng lượng nước trên trái đất, hệ số biến động cũng như tiềm năng nguồn nước sẵn có trên các lục địa. Công trình cũng đưa ra các dạng phân bố dòng chảy trong năm, xu thế biến đổi của tổng lượng tài nguyên nước theo chu kỳ nhiều năm của một số lưu vực điển hình.

Tại Mỹ, việc đánh giá xác định tiềm năng nguồn nước không chỉ ở các công trình nghiên cứu mà được cụ thể hóa bằng các đạo luật. Cơ quan điều tra địa chất Mỹ (USGS) thuộc Bộ Nội vụ đã liên tiếp đánh giá tài nguyên nước theo các khía cạnh lượng nước, chất lượng nước thông qua chương trình "Tóm tắt về nguồn nước Quốc gia" (National water summary).

Tại Thụy Điển, công trình "Đánh giá nước quốc tế trên phạm vi toàn cầu" (Global international water assessment) do UNEP, GEP và Trường đại học Kalmar thực hiện. Mục tiêu là thực hiện việc đánh giá toàn diện có tính chiến lược phục vụ các cơ quan hỗ trợ môi trường toàn cầu GEP và các cơ quan liên quan xác định thứ tự ưu tiên cho các hoạt động hồi phục và giảm nhẹ thiệt hại đối với vật thể nước liên quốc gia nhằm đạt được những lợi ích về môi trường toàn cầu.

Từ những năm 1960 tổ chức khí tượng thế giới WMO đã có các chương trình liên quốc gia về đánh giá và dự báo tài nguyên nước nhằm có những kế hoạch quản lý tổng hợp và phân bổ nguồn nước giữa các lưu vực sông một cách hợp lý.

Tính bền vững của lưu vực sông phản ánh tình trạng của lưu vực sông đó bao gồm tài nguyên thiên nhiên, môi trường sinh thái, đời sống của con người cũng như tình hình quản lý lưu vực sông nhằm đảm bảo nhu cầu hiện tại, đồng thời không làm tổn hao đến nhu cầu của thế hệ tương lai. Hiện nay, việc khai thác bừa bãi tài nguyên nước (TNN) lưu vực sông đang làm suy thoái, cạn kiệt và ô nhiễm tài nguyên thiên nhiên, ảnh hưởng lớn đến phát triển kinh tế, xã hội trong lưu vực. Do đó, cần quản lý bền vững lưu vực sông, tức là quản lý tài nguyên nước phải lấy lưu vực sông – nơi hình thành tài nguyên nước làm đơn vị quản lý.

Nghiên cứu do hai nhà khoa học Chaver và Alipaz (2006) đưa ra chỉ số bền vững lưu vực sông WSI, và được UNESCO công nhận sử dụng rộng rãi cho tới nay. Chỉ số này bao gồm các chỉ thị về Thủy văn – Hydrology (H), Môi trường- Environment (E), Đời sống - Life (L) và Chính sách – Policy (P) trong lưu vực ; môi chỉ thị lại có các tham số (chỉ thị phụ) về Sức ép (Pressure), Hiện trạng (State) và Ứng phó ( Response). Tham số Sức ép phản ánh sức ép của các hoạt động của con người đến lưu vực sông; tham số Hiện trạng phản ảnh tình trạng của lưu vực sông trong năm nền của giai đoạn tính toán (năm cơ sở để so sánh) như là số lượng và chất lượng của tài nguyên thiên nhiên; tham số Phản ứng xem xét mức phát triển, cải thiện các vấn đề của xã hội đối với sinh thái trong lưu vực. Cơ cấu Sức ép – Hiện trạng - Ứng phó phản ánh tổng hợp các quan hệ Nhân – Quả và do đó đưa ra sự đánh giá lưu vực sông toàn diện hơn so với một chỉ số chỉ xét đến hiện trạng Giá trị WSI biến đổi trong phạm vi (0-1). Nếu cho trọng số của các chi thị bằng nhau thì WSI được tính bằng giá trị trung bình số học của 4 chỉ thị nêu trên theo công thức dưới đây:

sp85

WSI (giá trị từ 0-1) được tính là trung bình của 4 chỉ số bao gồm chỉ số thủy văn H (giá trị từ 0-1), chỉ số môi trường E (0-1), chỉ số cuộc sống (con người) L (0-1), và chỉ số về chính sách P (0-1). Mỗi 1 đại lượng được cho điểm theo thang 0, 0.25, 0.50, 0.75, hoặc 1.0. Tất cả các chỉ số đều có phần trăm như nhau, mặc dù cho các đại lượng có thể sẽ khác nhau giữa các lưu vực, và nên được chọn bởi sự đồng ý giữa các bên có liên quan. Đại lượng về áp lực WSI (bảng 2), và đại lượng trạng thái (bảng 2), các cấp độ, thang điểm đều được định nghĩa rõ ràng và hệ thống kĩ càng để thuận tiện cho người sử dụng có thể đánh giá điểm cho từng đại lượng 1 cách chinh xác nhất. Tuy nhiên, việc sử dụng mô hình lại dựa vào lượng thông tin sẵn có về lưu vực, việc này có thể sẽ không thực sự thuận tiện ở nhiều nơi. Việc áp dụng quy trình đánh giá này ở cấp độ toàn cầu cũng không thực sự có ý nghĩa nhiều

sp86

sp87

Mạng Nơron nhân tạo hướng tiếp cận mới trong công tác nhận dạng và dự báo tài nguyên nước

Mạng Nơron nhân tạo (Artificial Neural Network- ANN) là mô hình xử lý thông tin được mô phỏng dựa trên hoạt động của hệ thống thần kinh của sinh vật, bao gồm số lượng lớn các Nơron được gắn kết để xử lý thông tin. ANN giống như bộ não con người, được học bởi kinh nghiệm (thông qua huấn luyện), có khả năng lưu giữ những kinh nghiệm hiểu biết (tri thức) và sử dụng những tri thức đó trong việc dự đoán các dữ liệu chưa biết (unseen data).

Kiến trúc chung của một mạng nơron nhân tạo (ANN) gồm 3 thành phần đó là: Input Layer, Hidden Layer và Output Layer (Xem Hình 3.2).

Trong đó, lớp ẩn (Hidden Layer) gồm các Nơron nhận dữ liệu input từ các Nơron ở lớp (Layer) trước đó và chuyển đổi các input này cho các lớp xử lý tiếp theo. Trong một ANN có thể có nhiều lớp ẩn.

sp16Kiến trúc tổng quát của một ANNKiến trúc tổng quát của một ANN


Trong đó các Processing Elements (PE) của ANN gọi là Nơron, mỗi Nơron nhận các dữ liệu vào (Inputs) xử lý chúng và cho ra một kết quả (Output) duy nhất. Kết quả xử lý của một Nơron có thể làm Input cho các Nơron khác.

- Quá trình xử lý thông tin của một ANN:

sp17

+ Inputs (dữ liệu vào): Mỗi Input tương ứng với 1 thuộc tính (attribute) của dữ liệu (patterns).

+ Output (kết quả): Kết quả của một ANN là một giải pháp cho một vấn đề.

+ Connection Weights (Trọng số liên kết) : Đây là thành phần rất quan trọng của một ANN, nó thể hiện mức độ quan trọng (độ mạnh) của dữ liệu đầu vào đối với quá trình xử lý thông tin (quá trình chuyển đổi dữ liệu từ Layer này sang layer khác). Quá trình học (Learning Processing) của ANN thực ra là quá trình điều chỉnh các trọng số (Weight) của các input data để có được kết quả mong muốn.

+ Summation Function (Hàm tổng): Tính tổng trọng số của tất cả các input được đưa vào mỗi Nơron (phần tử xử lý PE). Hàm tổng của một Nơron đối với n input được tính theo công thức sau:

sp18

+ Transfer Function (Hàm chuyển đổi): Hàm tổng (Summation Function) của một Nơron cho biết khả năng kích hoạt (Activation) của Nơron đó còn gọi là kích hoạt bên trong (internal activation). Các Nơron này có thể sinh ra một output hoặc không trong ANN (nói cách khác rằng có thể output của 1 Nơron có thể được chuyển đến layer tiếp trong mạng Nơron hoặc không). Mối quan hệ giữa Internal Activation và kết quả (output) được thể hiện bằng hàm chuyển đổi (Transfer Function).

sp19

Việc lựa chọn Transfer Function có tác động lớn đến kết quả của ANN. Hàm chuyển đổi phi tuyến được sử dụng phổ biến trong ANN là sigmoid (logical activation) function.

YT = 1/(1 + e-Y)

Trong đó :

YT: Hàm chuyển đổi

Y: Hàm tổng

Kết quả của Sigmoid Function thuộc khoảng [0,1] nên còn gọi là hàm chuẩn hóa (Normalized Function).

Kết quả xử lý tại các Nơron (Output) đôi khi rất lớn, vì vậy transfer function được sử dụng để xử lý output này trước khi chuyển đến layer tiếp theo. Đôi khi thay vì sử dụng Transfer Function người ta sử dụng giá trị ngưỡng (Threshold value) để kiểm soát các output của các Nơron tại một layer nào đó trước khi chuyển các output này đến các Layer tiếp theo. Nếu output của một nơron nào đó nhỏ hơn giá trị ngưỡng thì nó sẽ không được chuyển đến Layer tiếp theo.

Một số vấn đề cần quan tâm

Mặc dù, về mặt lý thuyết, có tồn tại một mạng có thể mô phỏng một bài toán với độ chính xác bất kỳ. Tuy nhiên, để có thể tìm ra mạng này không phải là điều đơn giản. Để định nghĩa chính xác một kiến trúc mạng như: cần sử dụng bao nhiêu lớp ẩn, mỗi lớp ẩn cần có bao nhiêu đơn vị xử lý cho một bài toán cụ thể là một công việc hết sức khó khăn. Dưới đây trình bày một số vấn đề cần quan tâm khi ta thiết kế một mạng:

Số lớp ẩn:

Vì các mạng có hai lớp ẩn có thể thể hiện các hàm với dáng điệu bất kỳ, nên về lý thuyết, không có lý do nào sử dụng các mạng có nhiều hơn hai lớp ẩn. Người ta đã xác định rằng đối với phần lớn các bài toán cụ thể, chỉ cần sử dụng một lớp ẩn cho mạng là đủ. Các bài toán sử dụng hai lớp ẩn hiếm khi xảy ra trong thực tế. Thậm chí đối với các bài toán cần sử dụng nhiều hơn một lớp ẩn thì trong phần lớn các trường hợp trong thực tế, sử dụng chỉ một lớp ẩn cho ta hiệu năng tốt hơn là sử dụng nhiều hơn một lớp. Việc huấn luyện mạng thường rất chậm khi mà số lớp ẩn sử dụng càng nhiều. Lý do sau đây giải thích cho việc sử dụng càng ít các lớp ẩn càng tốt là:

1) Phần lớn các thuật toán luyện mạng cho các mạng nơron truyền thẳng đều dựa trên phương pháp gradient. Các lớp thêm vào sẽ thêm việc phải lan truyền các lỗi làm cho vector gradient rất không ổn định. Sự thành công của bất kỳ một thuật toán tối ưu theo gradient phụ thuộc vào độ không thay đổi của hướng khi mà các tham số thay đổi.

2) Số các cực trị địa phương tăng lên rất lớn khi có nhiều lớp ẩn. Phần lớn các thuật toán tối ưu dựa trên gradient chỉ có thể tìm ra các cực trị địa phương, do vậy chúng có thể không tìm ra cực trị toàn cục. Mặc dù thuật toán luyện mạng có thể tìm ra cực trị toàn cục, nhưng xác suất khá cao là chúng ta sẽ bị tắc trong một cực trị địa phương sau rất nhiều thời gian lặp và khi đó, ta phải bắt đầu lại.

3) Dĩ nhiên, có thể đối với một bài toán cụ thể, sử dụng nhiều hơn một lớp ẩn với chỉ một vài đơn vị thì tốt hơn là sử dụng ít lớp ẩn với số đơn vị là lớn, đặc biệt đối với các mạng cần phải học các hàm không liên tục. Về tổng thể, người ta cho rằng việc đầu tiên là nên xem xét khả năng sử dụng mạng chỉ có một lớp ẩn. Nếu dùng một lớp ẩn với một số lượng lớn các đơn vị mà không có hiệu quả thì nên sử dụng thêm một lớp ẩn nữa với một số ít các đơn vị.

Số đơn vị trong lớp ẩn:

Một vấn đề quan trọng trong việc thiết kế một mạng là cần có bao nhiêu đơn vị trong mỗi lớp. Sử dụng quá ít đơn vị có thể dẫn đến việc không thể nhận dạng được các tín hiệu đầy đủ trong một tập dữ liệu phức tạp, hay thiếu ăn khớp (underfitting). Sử dụng quá nhiều đơn vị sẽ tăng thời gian luyện mạng, có lẽ là quá nhiều để luyện khi mà không thể luyện mạng trong một khoảng thời gian hợp lý. Số lượng lớn các đơn vị có thể dẫn đến tình trạng thừa ăn khớp (overfitting), trong trường hợp này mạng có quá nhiều thông tin, hoặc lượng thông tin trong tập dữ liệu mẫu (training set) không đủ các dữ liệu đặc trưng để huấn luyện mạng.

Số lượng tốt nhất của các đơn vị ẩn phụ thuộc vào rất nhiều yếu tố- số đầu vào, đầu ra của mạng, số trường hợp trong tập mẫu, độ nhiễu của dữ liệu đích, độ phức tạp của hàm lỗi, kiến trúc mạng và thuật toán luyện mạng.

Có rất nhiều “luật” để lựa chọn số đơn vị trong các lớp ẩn, chẳng hạn:

sp73

 

Các luật này chỉ có thể được coi như là các lựa chọn thô khi chọn lựa kích thước của các lớp. Chúng không phản ánh được thực tế, bởi lẽ chúng chỉ xem xét đến nhân tố kích thước đầu vào, đầu ra mà bỏ qua các nhân tố quan trọng khác như: số trường hợp đưa vào huấn luyện, độ nhiễu ở các đầu ra mong muốn, độ phức tạp của hàm lỗi, kiến trúc của mạng (truyền thẳng hay hồi quy), và thuật toán học.

Trong phần lớn các trường hợp, không có một cách để có thể dễ dàng xác định được số tối ưu các đơn vị trong lớp ẩn mà không phải luyện mạng sử dụng số các đơn vị trong lớp ẩn khác nhau và dự báo lỗi tổng quát hóa của từng lựa chọn. Cách tốt nhất là sử dụng phương pháp thử-sai (trial-and-error). Trong thực tế, có thể sử dụng phương pháp Lựa chọn tiến (forward selection) hay Lựa chọn lùi (backward selection) để xác định số đơn vị trong lớp ẩn.

Lựa chọn tiến bắt đầu với việc chọn một luật hợp lý cho việc đánh giá hiệu năng của mạng. Sau đó, ta chọn một số nhỏ các đơn vị ẩn, luyện và thử mạng; ghi lại hiệu năng của mạng. Sau đó, tăng một chút số đơn vị ẩn; luyện và thử lại cho đến khi lỗi là chấp nhận được, hoặc không có tiến triển đáng kể so với trước.

Lựa chọn lùi, ngược với lựa chọn tiến, bắt đầu với một số lớn các đơn vị trong lớp ẩn, sau đó giảm dần đi. Quá trình này rất tốn thời gian nhưng sẽ giúp ta tìm được số lượng đơn vị phù hợp cho lớp ẩn.

Liên kết trong mạng noron nhân tạo

Mạng nơron nhân tạo, gọi tắt là mạng nơron, là một mô hình xử lý thông tin phỏng theo cách thức xử lý thông tin của các hệ nơron sinh học. Nó được tạo lên từ một số lượng lớn các phần tử (gọi là nơron) kết nối với nhau thông qua các liên kết (gọi là trọng số liên kết) làm việc như một thể thống nhất để giải quyết một vấn đề cụ thể nào đó. Một mạng nơron nhân tạo được cấu hình cho một ứng dụng cụ thể (nhận dạng mẫu, phân loại dữ liệu,...) thông qua một quá trình học từ tập các mẫu huấn luyện. Về bản chất học chính là quá trình hiệu chỉnh trọng số liên kết giữa các nơron sao cho giá trị hàm lỗi là nhỏ nhất.

Mạng nơ ron nhân tạo là một mô phỏng xử lý thông tin, được nghiên cứu ra từ hệ thống thần kinh của sinh vật, giống như bộ não để xử lý thông tin. Nó bao gồm số lượng lớn các mối gắn kết cấp cao để xử lý các yếu tố làm việc trong mối liên hệ giải quyết vấn đề rõ ràng. ANNs giống như con người, được học bởi kinh nghiệm, lưu những kinh nghiệm hiểu biết và sử dụng trong những tình huống phù hợp.

Mạng nơ-ron nhân tạo là một hệ thống xử lý thông tin được xây dựng trên cơ sở tổng quát hoá mô hình toán học của nơ-ron sinh học và phỏng theo cơ chế làm việc của bộ não con người. Mạng nơ-ron nhân tạo gồm các nơ-ron và liên kết có trọng số giữa chúng. Vì vậy ANN tạo nên một hệ thống xử lý thông tin làm việc trên cơ sở phỏng theo cách làm việc của hệ thống các nơ-ron trong bộ não con người. Tuy nhiên, trong bộ não của con người, các tế bào nơ-ron liên kết với nhau chằng chịt và tạo nên một mạng lưới vô cùng phức tạp. Các loại mạng nơ-ron nhân tạo được xác định bởi cách liên kết giữa các nơ-ron , trọng số của các liên kết đó và hàm chuyển tại mỗi nơ-ron. Các hình vẽ dưới đây thể hiện các cách kết nối khác nhau.

sp70

Mạng nơ-ron truyền thẳng một lớp là loại mạng chỉ có lớp nơ-ron đầu vào và một lớp nơ-ron đầu ra (thực chất lớp nơ-ron đầu vào không có vai trò xử lý, do đó ta nói mạng chỉ có một lớp). Loại mạng này còn được gọi là mạng perceptron một lớp. Mỗi nơ-ron đầu ra có thể nhận tín hiệu từ các đầu vào x1, x2, …, xm để tạo ra tín hiệu đầu ra tương ứng.

sp71

Trong mạng nơ-ron truyền thẳng nhiều lớp, lớp nhận tín hiệu vào của mạng gọi là lớp vào (input layer), nó thường không thực hiện việc chuyển đổi thông tin mà chỉ làm chức năng nhận tín hiệu. Tín hiệu ra của mạng được đưa ra từ lớp ra (output layer). Các lớp ở giữa lớp vào và lớp ra gọi là các lớp ẩn. Trong mạng truyền thẳng (feedforward network) không có nút nào mà đầu ra của nó là đầu vào của một nút khác trên cùng lớp với nó hoặc lớp trước.

Mạng có phản hồi (feedback network) là mạng mà đầu ra của một nơ-ron có thể trở thành đầu vào của nơ-ron trên cùng một lớp hoặc của lớp trước đó. Mạng feedback có chu trình khép khín gọi là mạng quy hồi (recurrent network)

sp72

Các thuật toán huấn luyện

1. Học có giám sát

Ở lần học đầu tiên mạng được cung cấp một mẫu học cùng với bộ trọng số tự do, đầu ra thực tế của mạng sẽ được so sánh với đầu ra mong muốn, sai khác giữa hai giá trị này là cơ sở cho việc hiệu chỉnh trọng số của mạng, quá trình huấn luyện diễn ra liên tục cùng với bộ thông số đầu vào cho đến khi mạng đạt được một giá trị sai số như mong muốn. Điển hình cho kỹ thuật này là mạng Nơron lan truyền ngược.

sp44 Mô hình huấn luyện mạng có giám sát

2. Học không giám sát

Trong học không giám sát thì không có bất kỳ một thông tin phản hồi từ môi trường. Mạng phải tự tìm ra các đặc tính, quy luật, tương quan trong dữ liệu đầu vào và tập hợp lại để tạo đầu ra. Khi tự tìm ra các đặc điểm này, mạng đã trải qua các thay đổi về tham số của nó. Quá trình này được gọi là tự tổ chức. Mạng Nơron điển hình được huấn luyện theo kiểu tự tổ chức

sp45Mô hình huấn luyện mạng không giám sát

3. Học tăng cường

Trong luật học có giám sát, các giá trị đầu ra được biết chính xác đối với mỗi đầu vào. Tuy nhiên, trong thực tế có một số trường hợp chỉ biết ít thông tin chi tiết, chẳng hạn mạng chỉ biết rằng giá trị đầu ra thực sự quá cao hay có thể mạng chỉ có được thông tin phản hồi báo rằng đầu ra đúng hay sai. Thuật học dựa trên thông tin đánh giá này được gọi là thuật học củng cố, thông tin phản hồi được gọi là tín hiệu tăng cường.

sp46Mô hình huấn luyện mạng tăng cường

Các phương pháp thành lập bản đồ phân vùng mô hình mặt cắt địa điện vùng đồng bằng Sông Cửu Long

Vùng nghiên cứu ĐBSCL có diện tích rộng (khoảng 39.700 km2), gồm nhiều TCN phân bố tới độ sâu lớn (>500m) và NDĐ có tính phân đới thủy hóa phức tạp, vì vậy về tính chất địa điện, dự đoán có nhiều kiểu MH mặt cắt khác nhau. Chỉ theo dõi một đoạn mặt cắt của tuyến XIX (Mục I.1.2) đã thấy có mặt 3 kiểu MH mặt cắt địa điện khác nhau.

Mặt khác, việc thành lập bản đồ này còn phụ thuộc nhiều yếu tố khác nhau, như số lượng (mật độ) tài liệu hiện có, tỷ lệ bản đồ thể hiện và quy mô đề tài, cho nên cần thiết đưa ra một số quy tắc định hướng thực hiện công việc như sau:

(1) Tính phù hợp: số lượng các (kiểu) MH mặt cắt phù hợp với khối lượng tài liệu hiện có và tỷ lệ bản đồ thể hiện;

(2) Tính định hướng: việc phân chia các MH chú trọng đến yếu tố quan hệ (trên dưới) giữa các tầng nước nhạt và nước mặn; định hướng cho công tác nghiên cứu phân chia MH chi tiết hơn cho mỗi vùng nghiên cứu trong tương lai.

(3) Tính dễ đọc: số lượng kiểu MH vừa đủ để thể hiện rõ ràng, dễ đọc trên bản đồ tỷ lệ 1/1.200.000.

(4) Tính đầy đủ: cố gắng đưa đầy đủ các kiểu MH đặc trưng vùng nghiên cứu.

Các phương pháp thành lập bản đồ

(1) Phương pháp chồng lớp bản đồ:

Các bản đồ phân vùng nước nhạt của các TCN được chồng lớp để phân chia sơ bộ các vùng có các kiểu MH khác nhau; cụ thể, có thể phân biệt được ngay các vùng mặn hoàn toàn, vùng nhạt hoàn toàn, vùng chỉ có nước nhạt trong trầm tích Q, vùng chỉ có nước nhạt trong trầm tích N, …

(2) Thành lập bảng chỉ dẫn bản đồ:

Trên cơ sở phân chia sơ bộ và ước lượng các kiểu MH mặt cắt địa điện có thể có, tiến hành lập bảng chỉ dẫn bản đồ. Công việc này luôn được điều chỉnh trong quá trình thực hiện phân vùng MH. Bảng chỉ dẫn sửa lần cuối để sử dụng trình bày ở Hình như sau:

b10_1_dt2

Chỉ dẫn bản đồ phân vùng mô hình mặt cắt địa điện vùng đồng bằng sông Cửu Long

Bảng chỉ dẫn gồm 2 khối như sau:

- Khối trên, gồm các ký hiệu bản đồ, phân biệt các vùng có kiểu MH mặt cắt địa điện khác nhau:

+ Thang màu phân biệt các vùng: 1/ Có nước nhạt cả trong trầm tích N và Q,  2/ Chỉ có nước nhạt trong trầm tích Q và 3/ Chỉ có nước nhạt trong trầm tích N;

+ Đường kẻ sọc (đứng, ngang, nghiêng trái và nghiên phải) ký hiệu các kiểu quan hệ (trên dưới) của các tầng nước mặn và nước nhạt.

- Khối dưới, gồm các kiểu MH đại diện vùng nghiên cứu:

+ Bên phải MH địa tầng vùng nghiên cứu là mặt cắt địa điện thực tế và biểu đồ điểm ĐSĐ cạnh LK.

(3) Tạo các lớp bản đồ:

+ Các lớp dạng vùng: ký hiệu các vùng có kiểu MH khác nhau;

+ Các lớp dạng đường: ranh giới phân chia các kiểu MH khác nhau;

+ Lớp dạng text (1), (2),…: mã số các kiểu MH để thuận tiện tham chiếu khi đọc và thuyết minh bản đồ.

(4) Bản đồ nền: lược bớt, chỉ mở một số lớp thiết yếu nhất để đọc bản đồ; cụ thể hiển thị các lớp: 1/ Khung lưới tọa độ, 2/ Biên giới Quốc gia và ranh giới hành chính (tỉnh / thành), 3/ Địa danh (tỉnh / thành phố) và 4/ Sông lớn.

Nghiên cứu thành lập bộ bản đồ phân vùng nước nhạt các tầng chứa nước vùng đồng bằng Sông Cửu Long

Bản đồ phân vùng nước nhạt thể hiện các nội dung chủ yếu như sau:

+ Đường đẳng cao đáy tầng trầm tích chứa nước; như vừa nêu trên, đây chính là ranh giới phân chia địa tầng của TCN chứa nước nghiên cứu với thành hệ nằm dưới liền kề;

+ Vị trí RM trong TCN nghiên cứu;

+ Vùng phân bố nước nhạt của TCN nghiên cứu.

Ngoài ra, còn lập bản đồ cấu trúc đáy trầm tích Neogen-Đệ tứ, trên đó thể hiện vùng phân bố trầm tích Miocen giữa-trên, đường đẳng cao đáy trầm tích N-Q và các đứt gãy [4]. Tầng Miocen giữa-trên là trầm tích lót đáy địa tầng N-Q ở vùng ĐBSCL

Qua nghiên cứu, đề tài đã thành lập được các bộ bản đồ phân vùng nước nhạt cho các tầng chứa nước của cùng ĐBSCL:

- Bản đồ phân vùng nước nhạt tầng chứa nước Holocen (qh)

- Bản đồ phân vùng nước nhạt tầng chứa nước Pleistocen trên (qp3)

- Bản đồ phân vùng nước nhạt tầng chứa nước Pleistocen giữa-trên (qp2-3)

- Bản đồ phân vùng nước nhạt tầng chứa nước Pleistocen dưới (qp1)

- Bản đồ phân vùng nước nhạt tầng chứa nước Pliocen giữa (n22)

- Bản đồ phân vùng nước nhạt tầng chứa nước Pliocen dưới (n21)

- Bản đồ phân vùng nước nhạt tầng chứa nước Miocen trên (n13)

b9_1_dt2

Mô hình cấu trúc đáy trầm tích (hình trái) và bản đồ phân vùng nước nhạt tầng chứa nước Holocen 

Khảo sát các bản đồ phân vùng nước nhạt và mô hình cấu trúc đáy các tầng trầm tích, có thể đưa ra các nhận xét như sau:

+ Hình thái cấu trúc bề mặt các ranh giới trong trầm tích tuổi N đơn giản hơn so với các bề mặt ranh giới trong trầm tích tuổi Q, mức độ lồi lõm mang tính khu vực, phản ánh các xu thế thay đổi chính về độ sâu ranh giới trong toàn vùng nghiên cứu; còn các bề mặt ranh giới trong trầm tích có độ sâu biến động mạnh. Điều này phù hợp với nhận định của các nghiên cứu trước đây [4], [14], …Tuy nhiên, thực tế này có thể cũng phản ánh về lượng và chất của các tài liệu sử dụng!

+ TCN Plesitocen giữa-trên (trong trầm tích Q) và Pliocen dưới (trong trầm tích N) có diện tích phân bố nước nhạt lớn nhất; trong đó TCN Pleistocen giữa-trên với ưu điểm nằm nông và Pliocen dưới thường có chất lượng nước tốt (ít sắt). Hai TCN này cũng là những đối tượng được quan tâm khai thác nhiều


Cơ sở lý thuyết chương trình giải bài toán thuận / ngược phân tích tài liệu đo sâu điện / ảnh điện

Mục đích sử dụng các phương pháp ĐSĐ / AĐ là xác định phân bố của tham số ĐTS dưới bề mặt đất bằng cách bố trí hệ cực và đo ghi giá trị tham số ĐTS trên mặt đất. Từ các số liệu đo trên mặt đất tính toán giá trị ĐTS các đối tượng dưới mặt đất. Phương pháp ĐSĐ / AĐ đã được ứng dụng rộng rãi trong nghiên cứu ĐCTV, ĐCCT,… và gần đây còn được sử dụng trong nghiên cứu môi trường.

Nhờ mật độ điểm đo dày và khả năng xử lý hai chiều (2-D) đối với tập hợp dữ liệu ĐTS phân bố trên toàn bộ mặt cắt, phương pháp AĐ không những phân chia được các lớp địa điện theo chiều sâu mà còn theo dõi được sự thay đổi của tham số ĐTS theo chiều ngang, tức là sự thay đổi theo chiều ngang của ĐTS bên trong mỗi lớp địa điện. Như vậy, về mặt lý thuyết, phương pháp AĐ cho phép định vị được RM theo chiều sâu (giống như phương pháp ĐSĐ) cũng như theo chiều ngang trong môi trường dưới đất.

Có thể thấy rằng cấu hình hệ cực và kỹ thuật đo ghi mỗi điểm dữ liệu (ĐTS biểu kiến) hoàn toàn giống phương pháp ĐSĐ. Điểm khác là ở chỗ, nhờ sự phát triển công nghệ hiện đại trong việc chế tạo các hệ cực đo ngoài trời, người ta có thể tiến hành phương pháp AĐ với bước đo dày và năng suất cao, đảm bảo hài hòa các chỉ tiêu kinh tế kỹ thuật. Hiện nay, trên thế giới, để đáp ứng nhiều mục tiêu nghiên cứu khác nhau, các hệ cực thương mại hiện có thường được chế tạo với các bước đo (a) từ 1,0m-20,0m.

Hiện nay, trên thế giới đã có nhiều chương trình thương mại được phát triển, như Res2D [6], [7] hay RINVERT (do C Vision phát triển). Đây là những chương trình tốt, chạy trên nền tảng Windows và tích hợp các thuật toán giải thuận và ngược tài liệu ĐSĐ / AĐ và hội tụ nhanh (< 10 lần tính lặp),…Chương trình Rinvert còn có khả năng phân tích tương đương, cho phép đánh giá tính không chắc chắn của mô hình phân tích; báo cáo kết quả kết xuất từ chương trình có hình thức đẹp. Hình 1 minh họa báo cáo mô hình kết xuất từ Rinvert 2.1: Hình bên trái mô tả kết quả lập mô hình thuận; hình bên phải là bảng số liệu kết quả phân tích mô hình giải ngược

b6_1_dt2

Hình 1. Báo cáo kết quả phân tích mô hình đo sâu điện - Chương trình Rinvert 2.1

Hình 2 minh họa 1 mô hình mặt cắt tuyến AĐ phân tích bằng chương trình Res2Dinv 3.54.

Đồng thời với việc mở rộng ứng dụng của các phương pháp AĐ, các phương pháp ĐSĐ truyền thống (1-D) vẫn được sử dụng phổ biến và không thể thay thế được trong thực tế sản xuất do tính linh hoạt và phạm vi áp dụng rộng của chúng. Khi tiến hành ĐSĐ, các điểm ĐSĐ được đo riêng rẽ, độc lập với nhau và người ta sử dụng các phương pháp xử lý 1-D để xác định bề dày và giá trị của các lớp ĐTS ở  mỗi điểm một cách riêng biệt. Cuối cùng chúng được liên kết với nhau trong quá trình giải đoán tài liệu để thành lập các mặt cắt địa điện.

Ở các vùng bề dày trầm tích không lớn (trên dưới 100m) đã có những nghiên cứu và áp dụng thành công chương trình phân tích mô hình 2-D để xử lý tài liệu ĐSĐ (1-D); để có thể áp dụng đúng đắn và hiệu quả phương pháp xử lý 2-D đối với tài liệu ĐSĐ, cần có hai điều kiện cơ bản có tính nguyên tắc sau đây đối với các dữ liệu ĐTS đầu vào [1]:

+ Thứ nhất, đảm bảo tính liên kết được của tham số (ĐTS) đo ghi bằng phương pháp ĐSĐ dọc theo các tuyến nghiên cứu.

+ Thứ hai, đảm bảo dữ liệu không vi phạm thuật toán (phép tính sai phân / phần tử hữu hạn) của chương trình xử lý sử dụng (RES2DINV).

Các chương trình Rinvert 2.1, Res1D, Res2DMod, Res2Dinv 3.54,… được sử dụng rộng rãi để phân tích tài liệu ĐSĐ ở ĐBSCL và AĐ (chủ yếu ở vùng Đông Nam Bộ và hải đảo).

b6_2_dt2

Hình 2. Mô hình kết quả giải ngược số liệu điện trở suất tuyến ảnh điện ở khu vực lớp đất phủ mỏng ở Phú Quốc, Kiên Giang (hình dưới cùng là mặt cắt ĐTS thực)

CÁC CHỮ VIẾT TẮT

ĐBSCL

Đồng bằng sông Cửu Long

ĐC

Địa chất

ĐCTV

Địa chất thủy văn

ĐSĐ

Đo sâu điện

ĐTS

Điện trở suất

ĐVL

Địa vật lý

ĐVLLK

Địa vật lý lỗ khoan

LK

Lỗ khoan

M

Độ tổng khoáng hóa

NDĐ

Nước dưới đất

RM

Ranh giới mặn

TCN

Tầng chứa nước

Ánh điện