Việc hiệu chỉnh và kiểm định mô hình thủy văn HEC-HMS theo quy trình thử sai (trial-and-error) thường mất nhiều thời gian và bộ thông số tìm được thường không phải tối ưu. Bài báo này trình bày kết quả phát triển một chương trình cho phép dò tìm tự động bộ thông số tối ưu của mô hình HEC-HMS dựa trên thuật toán SCE-UA. Trước hết phương pháp Latin Hypercube Sampling được sử dụng để lấy giá trị tham biến rộng khắp không gian nghiệm một cách hiệu quả nhất. Sau đó, SCE-UA được sử dụng để dò tìm nghiệm tối ưu thông qua chọn lọc và tiến hóa dựa trên các giá trị mẫu ban đầu. Nghiệm tối ưu được chọn dựa trên mặt thoả hiệp Pareto và đánh giá độ tin cậy bằng phương pháp GLUE. Chương trình đã và đang được ứng dụng cho hồ thuỷ điện Krông H'năng (tỉnh Đắk Lắk). Số liệu thực đo từ 18 trong số 33 trận lũ trong giai đoạn 2016-2021 được sử dụng để hiệu chỉnh và thu hẹp không gian nghiệm ban đầu giúp quá trình dò tìm được nhanh chóng hơn, đồng thời phân tích độ nhạy và xác định ba thông số chủ đạo Tp, CN, Tc nhằm giảm số lượng tham biến (từ 50 xuống còn 18 tham biến). Dựa trên kết quả này, chương trình được kiểm định với 5 trận lũ tiếp theo và cập nhật tự động trong dự báo theo thời gian thực trên 10 trận lũ còn lại. Chương trình đạt hiệu quả dự báo rất tốt đến bước thời gian t + 4 giờ, các chỉ số đánh giá đạt mức cao (KGE >
0,8
VE <
10 %) và kết quả luôn nằm trong vùng tin cậyQ5%-Q95%., Tóm tắt tiếng anh, Verification and calibration of the HEC-HMS hydrological model using a trial- and-error procedure usually costs modelers a lot of time and effort and more importantly, the set of parameters found is often not optimal. This paper presents the results of developing an automatic program that allows the automatic search of the optimal set of parameters of the HEC-HMS model based on the SCE-UA algorithm. First, the Latin Hypercube sampling method is used to efficiently obtain the parameter values widely across the feasible solution space. Then the SCE-UA method is used to search for the optimal solution through complex shuffling and evolution based on the initial sampling values from the Latin Hypercube Sampling method. The problem is usually multi-objective, so the optimal solution is therefore selected based on a Pareto front and evaluated for uncertainty by the GLUE method. The program has been and is being applied to the Krông H'năng hydropower reservoir in Dak Lak province. The authors use real data measured from 18 out of 33 floods observed in the period 2016-2021 to narrow the initial feasible solution space and to reduce the parameter dimensions (from 50 to 18) by identifying the three governing parameters Tp, CN, and Tc through sensitivity analysis. This helps to enhance the search speed and the convergence of the optimal solution. Based on this result, the program searches the optimal value for the parameters and updates them automatically in the real- time forecast. The results of the validation of the next 5 floods and testing of the remaining 10 floods give good results up to the time step t + 4 hours. The evaluation indicators are high (KGE >
0.85, volume error VE <
10 %) and the result is always in the confidence range Q5%-Q95%.