Hiệu chỉnh không phải là “làm cho mô hình khớp tuyệt đối”
Mô hình luôn là sự đơn giản hóa hệ thống thực. Hiệu chỉnh nhằm chọn các tham số trong phạm vi hợp lý để mô hình phản ánh tốt hành vi quan sát được. Việc ép mô hình khớp một vài điểm có thể làm giảm khả năng áp dụng cho các tình huống khác.
Kiểm định dùng để kiểm tra tính ổn định của bộ tham số
Sau hiệu chỉnh, nên dùng sự kiện hoặc giai đoạn khác để kiểm định. Nếu mô hình vẫn tái hiện được xu thế và sai số nằm trong mức phù hợp với mục đích sử dụng, bộ tham số có cơ sở tốt hơn để chạy kịch bản thiết kế.
NSE, RMSE, MAE, Bias và R² nói gì?
RMSE nhạy với sai số lớn; MAE cho biết độ lệch tuyệt đối trung bình; Bias cho biết xu hướng mô hình thiên cao hoặc thiên thấp; R² phản ánh mức độ đồng biến/tương quan nhưng không tự nói lên độ chính xác tuyệt đối; NSE thường dùng để đánh giá khả năng tái hiện biến động của chuỗi. Không nên dùng một chỉ số duy nhất để kết luận.
Đánh giá trực quan vẫn rất quan trọng
Hãy kiểm tra thời điểm đỉnh, hình dạng đường quá trình, thời gian dâng/rút, vị trí sai lệch lớn và tính liên tục không gian. Một mô hình có chỉ số tổng hợp tốt vẫn có thể sai tại vị trí quan trọng nếu hình học hoặc công trình chưa được mô tả đúng.
Báo cáo sai số cần minh bạch
Nên nêu dữ liệu dùng hiệu chỉnh/kiểm định, vị trí, thời gian, bộ chỉ tiêu, các sai lệch đáng chú ý và nguyên nhân có thể. Với dữ liệu lịch sử hạn chế, cần nói rõ giới hạn thay vì tạo cảm giác chính xác giả tạo.
Thiết lập, hiệu chỉnh và phân tích mô hình dòng chảy phục vụ thiết kế, vận hành và đánh giá phương án.
Xem phạm vi dịch vụ →