臺灣博碩士論文加值系統

遺傳規劃為一晚近崛起之控制理論模式，其進化的學習方式可用來模擬複雜非線性的關係，而形成另一種新的定率(deterministic)預測模式。然而定率性之推估，其推論為適應整個環境的結果，較無法針對特殊或極端的事件去做個別探討，就單一建構良好之遺傳規劃模式來說，模式學習過程包含了許多隨機的機制，每次結果也都不盡相同，對於未知事件的預測未必能達到檢定之水準，也增加了颱洪預測的風險。
為避免使用單一模式預測之風險，本研究嘗試將颱風資料分類訓練，根據資料特性，由推論機制判斷應使用之模式，再以歐氏距離進行比對，依照輸入結構的不同選擇知識庫中之模式，計算預測值，於輸出值運算結束後，利用自適應類神經網路推估模式可能發生之誤差並加以修正，期望藉此流程降低預測推估時之變異所造成的風險。
將所建立之遺傳規劃模式庫應用於烏溪流域颱風水位之預報上，其驗證結果在預測整體表現良好，為具有穩定性及可信度之預測模式。

Genetic programming is a kind of control theory that spring up in recent years. This deterministic method evolves to adapt itself to the environment of problems. When using deterministic method to infer a hydrology process, the method maybe ignore some of the drastic events. It will increase risk of the flood forecasting.
This thesis proposes the classification of typhoon data. The procedure chooses different models of the model bank that according to the structure of data to simulate flooding. After this process, we apply ANFIS to correct the error of GP model base on the rainfall and discharge. The ultimate goal of this research is to reduce the risk of flood forecasting variation. The GP model performed stably and reliably in the validation tests at Wu-Xi watershed.

中文摘要
英文摘要
目錄
表目錄
圖目錄
第一章 緒論
第二章 理論分析
第三章 模式建立與應用
第四章 結果與討論
第五章 結論與建議
參考文獻

1.陳韋佑，「群策倒傳遞類神經網路之建構與應用」，私立逢甲大學土木及水利工程研究所碩士論文 (2003)。
2.鍾侑達，「遺傳規劃與類神經網路在河川演算上之比較」，私立逢甲大學土木及水利工程研究所碩士論文 (2005)。
3.陳昶憲，陳柏蒼，陳韋佑，周乃昉，「類專家系統之流量預測模式」，中國土木水利工程學刊，第17卷，第4期，第613-622頁(2005)。
4.陳昶憲，鍾侑達，方唯鈞，「遺傳規劃在河川演算之應用」，台灣水利季刊，第53卷，第4期，第39-45頁(2005)。
5.劉錦蕙，「乾、濕季時間序列分析」，私立逢甲大學土木及水利工程研究所碩士論文(2000)。
6.黃尹龍，「類神經網路架構颱洪流量預測模式」，私立逢甲大學土木及水利工程研究所碩士論文(2001)。
7.游保杉，楊道昌，「應用模糊理論於連續型降雨-逕流模式之誤差修正」，中國土木水利工程學刊，第12卷，第1期，第151-158頁(2000)。
8.王博群，「以基因規劃法建構案例推理決策樹」，元智大學資訊管理系碩士論文(2004)。
9.王衍智，「台灣股票選擇權日內價格訂價模型研究-比較時間序列方法與基因規劃方法」，朝陽科技大學財務金融系碩士論文(2004)。
10.周鵬程，「遺傳演算法原理與應用 活用Matlab」，全華科技圖書股份有限公司(2002)。
11.楊曉涵，「應用資料探勘方法建立半導體生產績效預測系統」，華梵大學資訊管理學系碩士論文(2004)。
12.王如意，「應用水文學」，國立編譯館，台北(1992)。
13.林茂文，「時間數列分析與預測」，華泰書局，台北(1992)。
14.Koza, J.R., "Genetic programming – on the programming of comput- ers by means of natural selection", Cambridge, MA. MIT Press (1992).
15.Savic, D.A., G.A. Walters and J.W. Davidson, "A Genetic Progra- mming Approach to Rainfall-Runoff Modeling", Water Resources Management, Vol. 13, No. 3, pp. 219-231 (1999)..
16.Whigham, P.A., Crapper, P.F., "Modeling Rainfall-Runoff using Genetic Programming", Mathematical and Computer Modeling 33, pp. 707-721 (2001).
17.Sara Silva, A Genetic Programming Toolbox for Matlab, Evolutionary and Complex Systems Group, University of Coimbra, Portugal (2004).
18.Jyh-shing Roger Jang, "ANFIS：Adaptive-Network-Based Fuzzy Inference System", IEEE Trans. Systems, Man, and Cybernetics, VOL.23, NO.3, PP.665-685 (1993).
19.Drecourt, J.P., "Application of Neural Networks and Genetic Programming to Rainfall-Runoff Modeling". D2K Technical Report, Danish Hydraulic Institute, Denmark (1999).
20.Dorado J, Rabunal J and Pazos A , "Prediction and modeling of the rainfall-runoff transformation of a typical urban basin suing ANN and GP", Applied Artificial Intelligence, vol. 17,no. 4, pp. 329-343 (1999).
21.Davis, L., "Adapting operator probabilities in genetic algorithms". In Schaffer, J.D., editor, Proceedings of the Third International Confere- nce on Genetic Algorithms, San Mateo, CA. pp. 61-69 (1989).
22.Tong, H. and Lim, K. S., "Threshold Autoregressive, Limit Cyclical Data (with Discussion)", Journal of the Royal Statistical Society, Series B 42, pp.245-292 (1980).
23.Fujita, M., Zhu, M., and Nakao T., "An application of fuzzy set theory to runoff prediction", Proceedings Sixth IAHR International Symposi- um on the Stochastic Hydraulics, Taipei, pp. 727-734 (1992).
24.McKee, T. E., and Lensberg, T., "Genetic Programming and Rough Set: A Hybrid Approach to Bankruptcy Classification." European Journal of Operational Research , Vol. 138, pp. 436-451 (2002).