臺灣博碩士論文加值系統

本研究擬針對台東市區之風砂害，以倒傳遞類神經網路(BPN)加以預測，研究目的有二：(1)針對氣象因子對於懸浮微粒濃度PM10之相關性及探討與分析。(2)根據資料收集及調查，配合BPN預測結果，研擬有效解決台東市風砂害之防制措施。
本研究以夏季及冬季不同氣象資料分別進行網路測試，藉以瞭解季節性對於網路預測結果之影響。並利用前向式篩選法進行篩選，研究結果顯示，懸浮微粒全年不分季網路測試最佳輸入變數組合為前一天之懸浮微粒量、相對溼度、風速、風向等四項，所得之網路測試結果最佳，網路測試值與實際懸浮微粒濃度間之相關係數R=0.636。而就夏、冬分季網路預測結果而言，則以冬季之網路測試結果較佳，其最佳輸入變數組合為前一天之懸浮微粒量、相對溼度、風速、雨量等四項，網路測試值與實際值之相關係數R=0.72；而夏季網路測試結果最差，其最佳輸入變數組合為前一天之懸浮微粒量、相對溼度、風速、溫度、雨量等五項，其相關係數R=0.548。
本研究藉由資料收集及調查，配合BPN預測結果，研擬研究區之防制工法。夏季工法之選用主要以長期性工法為主，於中華大橋兩旁架設自走式噴灌灑水系統、人工灑水及噴水槍系統。冬季除了可應用上述工法，亦可配合砂籬及跳島式短期工法施用，以達防風定沙成效。

In this research, we estimate the wind and sand disasters around Taitung City with the back-propagation neural network (BPN). The goal of research includes: (1) to estimate and analyze the correlation between meteorological factor and the suspended particulate matter density PM10 and (2) to suggest effective solutions and prevention measures for wind and sand disasters around Taitung City based on data collection and investigation in accordance with the BPN forecasting results.
This study applies separated data (summer and winter) for network testing to examine the effect of seasonality on prediction results. Using the forward selection in the whole-year set, the results show that the optimum grouping of input variables includes the PM10 concentration, relative humidity, wind velocity, and wind direction. The correlation coefficient between network test value and the actual concentration of suspended particulates is R = 0.636. For the network predictions in summer and winter, the results in winter is better and the best combination of input variables is the suspended particles, relative humidity, wind speed, and rainfall, with the correlation coefficient of R = 0.72. The summer data yields worse test results: the top combination of input variables is suspended particulates, relative humidity, wind velocity, temperature, and rainfall, with the correlation coefficient of R = 0.548.
This research develops an engineering control method based on the data collection and investigation, in accordance with the BPN forecasting results. Summer engineering methods are mainly used in a long-term engineering base by setting up self-propelled sprinkler system and outsourcing sprinkler. This mechanism starts before the arrival of the typhoon and then repairs and adds the sprinkler gun systems at the levee on Chung Hua Bridge. In winter, besides the self-propelled sprinkler systems, sprinkler gun systems and outsourcing sprinkler, the short-term engineering methods can also set up sand fence in the estuary area and apply the island-hopping-type vegetation to prevent wind and sand disasters.

謝誌……………………..………………………………………………….I
中文摘要………………………………………………………………….II
英文摘要………………………………………………………………....III
目錄………………………………………………………………….…….V
表目錄……………………………………………………………….…VIII
圖目錄……………………………………………………………………IX
照片目錄…………………………………………………………………XI
符號說明……………………………………………………………….XIII
第一章 前言………………………………………………………………1
1-1研究動機…………………………………………………………...1
1-2研究目的…………………………………………………………...2
1-3研究流程…………………………………………………………...3
第二章 文獻回顧…………………………………………………………4
2-1懸浮微粒之相關變數探討………………………………………...4
2-2類神經網路於空氣品質預測之應用……………………………...7
2-3風砂防制工法回顧……………………………………………….12
第三章 類神經網路之理論……………………………………………..17
3-1類神經網路原理………………………………………………….17
3-2類神經網路簡介………………………………………………….17
3-3類神經網路模式架構…………………………………………….20
3-4類神經網路種類………………………………………………….23
3-5倒傳遞類神經網路……………………………………………….25
第四章 懸浮微粒量預測模式之建立…………………………………..30
4-1資料數據來源及分析…………………………………………….30
4-1-1懸浮微粒PM10…………………………...………………...32
4-1-2日平均溫度………………………………………………...33
4-1-3日總降雨量……………………...…………………………34
4-1-4日最大平均風速………………...…………………………35
4-1-5日平均風向………………………………………………...36
4-1-6日平均氣壓………………………………………………...37
4-1-7日平均相對溼度…………………………………………...38
4-2資料數據前處理………………………………………………….39
4-3類神經網路設定與建立………………………………………….40
4-4最佳輸入變數組合之篩選……………………………………….43
4-5模式評估指標…………………………………………………….44
4-5-1均方差(MSE) ……………………………………………...44
4-5-2標準化均方差(NMSE) ……………………………………45
4-5-3相關係數(R) ……………………………………………….46
第五章 類神經應用及風砂防制………………………………………..47
5-1研究區域基本資料蒐集………………………………………….47
5-1-1卑南溪利吉至河口段河床裸露面積估算………………...47
5-1-2卑南溪裸露地粒徑分析…………………………………...50
5-1-3風砂來源調查與分析……………………………………...56
5-1-4卑南溪現地調查及風砂原因探討………….……………..57
5-2懸浮微粒量預測模式之驗證…………………………………….64
5-2-1懸浮微粒濃度不分季訓練與測試………………………...64
5-2-2懸浮微粒濃度夏季訓練與測試…………………………...71
5-2-3懸浮微粒濃度冬季訓練與測試…………………………...77
5-2-4懸浮微粒濃度結果比較…………………………………...83
5-3風砂防制工法蒐集及研討……………………………………….85
5-4台東市風砂防制工法之研擬……………………..……………...97
第六章 結論與建議……………………………………………………101
6-1結論……………………………………………………………...101
6-2建議……………………………………………………………...103
參考文獻………………………………………………………………..105
附錄A…………………………………………………………………...111

1. 張楨驩(2010)，「卑南溪河口段揚塵抑制對策之研究」，國立中興大學水土保持學系所碩士論文。
2. 施伯昆(2010)，「倒傳遞類神經網路於水稻產量之預測」，國立嘉義大學土木與水資源工程所碩士論文。
3. 周元春(2009)，「卑南溪河口段風吹沙治理策略研究」，國立台東大學資訊管理學系碩士論文。
4. 蘇志朋(2009)，「以倒傳遞類神經網路及多元線性迴歸模擬建築工地對台中市粒狀污染物之影響」，朝陽科技大學環境工程與管理系碩士論文。
5. 郭石柱(2007)，「揚塵懸浮微粒PM10與氣象因子相關性分析-以台東縣關山鎮空氣品質監測站為例」，國立中興大學水土保持學系所碩士論文。
6. 王炎秋(2006)，「應用類神經網路及時間序列預測台南地區空氣品質- PM10」，立德管理學院資源環境研究所碩士論文。
7. 章裕民(2006)，「裸露地PM10排放特性及植生效益評估之研究」，國立臺北科技大學環境規劃與管理研究所碩士論文。
8. 李威震(2006)，「台灣東北部海岸保安林木麻黃林分健康檢測之研究」，國立宜蘭大學自然資源學系碩士論文。
9. 林雅穀(2005)，「風沙與地形變動之試驗研究」，國立成功大學水利及海洋工程所碩士論文。
10. 陳文通(2004)，「利用類神經網路預測台灣地區臭氧濃度」，淡江大學水資源及環境工程學系碩士論文。
11. 李芳君、余進利(2003)，「雲林海岸地區風飛砂調查」，第二十五屆海洋工程研討會論文集，pp. 677-684。
12. 林宗儀(2003)，「溼砂對風砂搬運的影響」，第二十五屆海洋工程研討會論文集，pp. 685-688。
13. 林逸塵(2002)，「類神經網路應用於空氣品質預測之研究」，國立中山大學環境工程研究所碩士論文。
14. 郭富聚(2002)，「應用類神經網路預測台北市臭氧濃度之研究」，國立台北科技大學環境規劃與管理研究所碩士論文。
15. 黃宗仁(2001)，「利用類神經網路預測台中都會區臭氧趨勢之研究」，國立中興大學環境工程學系碩士論文。
16. 黃怡嘉(2000)，「中部地區臭氧及懸浮微粒與氣象因子之相關研究」，東海大學環境科學系所碩士論文。
17. 江世民(1999)，「台北地區臭氧及懸浮微粒型態與其他污染物及氣象條件之分析比較」，第十六屆空氣污染控制技術研討會。
18. 林試龍、李崇德(1999)，「台北地區PM10濃度與氣象因子之多變量統計分析」，第七屆空氣污染控制技術研討會。
19. 高全興(1997)，「類神經網路於空氣品質短期預測之研究」，國立雲林科技大學環境與安全工程技術研究所碩士論文。
20. 經濟部水利署第八河川局 (2009)，「台東市區風砂防治方針研擬」。
21. 台中縣環保局(2008)，「臺中縣河川流域稽查管制及裸露地揚塵改善計畫」。
22. 經濟部水利署第八河川局、成功大學、財團法人成大水利海洋研究發展文教基金會(2007)，「卑南溪河口段風砂問題改善對策初步探討」。
23. 經濟部水利署第四河川局、大葉大學(2007)「濁水溪下游段河川裸露地揚塵改善策略研究」。
24. 經濟部水利署第二河川局、浩海工程顧問股份有限公司(2007)，「苗栗海岸復育研究計畫(2/2)」。
25. 台東縣環境保護局、聯聖工程顧問股份有限公司(2007)，「台東縣卑南溪河床裸露地揚塵改善動態影像觀測紀錄工作」。
26. 經濟部水利署第八河川局、簡仲和、郭晉安、陳嘉君、黃建維、蔡宗利(2006)，「台東海岸(富岡漁港至利嘉溪口)基本資料監測調查計畫」。
27. 經濟部水利署第八河川局、競豪工程顧問有限公司(2006)，「卑南溪水系河道大斷面測量計畫」。
28. 經濟部水利署第八河川局、簡仲和、郭金棟、郭晉安、賴堅戊、蔡宗利、黃建維、陳嘉君、蔡世琳、張嘉琪(2006)，「台東海岸復育研究(2/2)-太平溪至利嘉溪段」。
29. 經濟部水利署第八河川局、簡仲和、郭金棟、郭晉安、賴堅戊、黃俊維、黃建維、葉美蘭、蔡宗利、陳嘉君、廖彩文、張家正、林嶽勳、陳界諺、潘欣豪(2005)，「台東海岸復育研究(1/2)-卑南溪至太平溪段」。
30. 王進德(2008)，「類神經網路與模糊控制理論 入門與應用」，全華出版社。
31. 張斐章、張麗秋(2007)，「類神經網路」，台灣東華出版社。
32. 國立高雄應用科技大學土木系、皮托科技股份有限公司(2006)，「NeuroSolutions人工智慧類神經網路模擬研討會」。
33. 經濟部水利署、近海水文中心(2006)，「水利署海岸水文資料圖冊」。
34. 羅華強、(2005)，「類神經網路－MATLAB的應用」，高立出版社。
35. 行政院農委會水土保持局(2005)，「水土保持手冊」。
36. 葉怡成(2002)，「類神經網路模式應用與實作」，儒林出版社。
37. 國立成功大學地球科學系劉正千副教授，「福衛二號影像自動處理系統」。
38. UrMap你的地圖網：http://www.urmap.com/
39. 中央氣象局全球資訊網：http://www.cwb.gov.tw/V5/index.htm。
40. 台東縣環保：http://www.taitung.gov.tw/Environmental/index.aspx
41. Comrie, A.C. (1997), “Comparing neural networks and regression models for ozone forecasting,”Journal of Air and Waste Management, Vol.47, pp.653-663.
42. Jorquera, H., Pe´rez, R., Cipriano, A., Espejo, A., Letelier, M.V., Acuna, G., (1998), “Forecasting ozone daily maximum levels at Santiago, Chile,” Atmospheric Environment 32, 3415–3424.
43. Lai, Lee Yuet, R Sequeira (2001), “Visibility degradation across Hong Kong: its components and their relative contributions”, Atmospheric Environment, Vol.35, pp.5861-5872.
44. Lai, Lee Yuet, R. Sequeira (2002), “Water-soluble aerosol and visibility degradation in Hong Kong during autumn and early winter, 1998”, Environmental Pollution, Vol.116, pp.225-233.
45. Lam K. C., Cheng S. (1998) “A synoptic climatological approach to forecast concentrations of sulfur dioxide and nitrogen oxides in Hong Kong,” Environmental Pollution, Vol.101, pp.l83-191.
46. Lam K.C., Cheng S. (2000) “Synoptic typing and its application to the assessment of climatic impact on concentrations of sulfur dioxide and nitrogen oxides in Hong Kong”, Atmospheric Environment, Vol.34, pp.585-594.
47. MacDonald, Clinton P., Paul T. Roberts, Hilary H. Main, Timothy S. Dye, Coe, James Yarbrough (2001) “The 1996 Paso del Norte Ozone Study；analysis of meteorological and air quality data that influence local ozone concentrations”, The Science of the Total Environment, Vol.276, pp.93-109.
48. Marsh, W. M. (1997)“Landscape planning”, John Wiley, p183-209, New York.
49. Peton, N., G. Dray, D. Pearson, M. Mesbah, B.Vuillot (2000) “Modelling and, analysis of ozone episodes”, Envirorunental Modelling & Software, Vol.15, pp.647-652.
50. Pye, K., Tsoar, H. (1990) “Aeolian sand and sand dunes”, London Unwin Hyman, pp. 88-122.
51. Smith, Steve, F.Trevor Stribley, Peter Milligan, Ben Barratt (2001) “Factors influencing measurements of PM10 during 1995-1997 in London”, Atmospheric Envernment, Vol.35, pp.4651-4662.
52. Sohn , Sang Hyum , Oh , Sea Cheon , Jo , Byung Wan , and Yeo , Yeong-Koo (2000) “Prediction of Ozone Formation Based on Neural Network”, Journal of Envirorunental Engineering, pp688-696.
53. Vega, E., E. Reyes, G. Sanchez, E. Ortiz , M.Ruiz, J. Chow, J. Watson, S. Edgerton (2002) “Basic statistics of PM2.5 and PM10 in the atmosphere of Mexico city”, The Science of Total Environment, Vol.287, pp.167-176.
54. Vanacker, V., A, Molina, G, Govers, J, Poesen, G, Dercon, and S. Deckers (2005) “River channel response to short-term human-induced change in landscape connectivity in Andean ecosystems”, Geomorphology 1:1-14.