(3.215.180.226) 您好!臺灣時間:2021/03/09 03:38
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:黃顯琇
研究生(外文):Huang Hsien-Hsiu
論文名稱:灰色系統與類神經網路在水文過程之預測
論文名稱(外文):Grey System and Artificial Neural Network on Hydrologic Process Forecasting
指導教授:劉長齡劉長齡引用關係
指導教授(外文):Liu Chang-Ling
學位類別:碩士
校院名稱:國立成功大學
系所名稱:水利及海洋工程學系
學門:工程學門
學類:河海工程學類
論文種類:學術論文
論文出版年:1999
畢業學年度:87
語文別:中文
論文頁數:129
中文關鍵詞:灰色系統GM(11)類神經網路倒傳遞類神經網路門檻值
外文關鍵詞:Grey SystemGM(11)Artificial Neural NetworkBack-Propagation NetworkThreshold
相關次數:
  • 被引用被引用:10
  • 點閱點閱:220
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:1
本文主要以近年來新興科學中的灰色系統理論之灰預測模型及類神經網路之倒傳遞類神經網路模式,並配合門檻值的切割,應用於降雨與流量過程上發生時間及發生期距的預測。
首先於歷年日雨量及旬流量,採用門檻值切割之方式,預估未來大於某門檻值降雨發生時間及發生期距,小於某門檻值降雨發生時間及發生期距;並預估未來大於某門檻值流量發生時間及發生期距,小於某門檻值流量發生時間及發生期距。
針對經由門檻值切割後所得之數據列,使用GM(1,1)進行預測;及使用倒傳遞類神經網路模式,進行模擬及預測。兩者的成果將與實測值進行個別性與綜合性的分析比較。
灰色模式之微分方程式,構成指數形態曲線,而發生時間形成累加形式數據列與灰色模式之形態相符,故GM(1,1)在發生時間的預測上,得到較佳之預測效能;由於發生期距形成隨機性極強之數據列,倒傳遞類神經網路考量歷史資料的學習歷程,藉由學習歷史資料的發展,以推估未來發展趨勢,其預測結果較GM(1,1)所得之結果為佳。
Based on GM(1,1) of grey system, the back-propagation network(BPN) of artificial neural network and the conception of the threshold are used on hydrologic process forecasting.
Different thresholds are first used to turn the original daily rainfall data and the original 10 days streamflow data into new series. For daily rainfall, we can get four series for each threshold namely:the days of daily rainfall larger than the threshold; the days of daily rainfall smaller than the threshold; the number of days of daily rainfall larger than the threshold; the number of days daily rainfall smaller than the threshold. The same procedures are undertaken for streamflow as well.
To build GM(1,1) for forecasting those new series and BPN for simulating and forecasting those new series, the results of two different models are compared with the observation values.
It can be concluded that these predictions of GM(1,1) for rainfall and streamflow are satisfactory in the events of occuring days, not the time period of occurrence. Meanwhile, the method of BPN has less performance in the occuring days, but has better performance in the time period of occurrence.
摘 要 I
ABSTRACT II
謝 誌 III
目 錄 IV
表 目 錄 VI
圖 目 錄 VIII
符號說明 X
第一章 緒論 1
1-1 研究動機 1
1-2 文獻回顧 3
1-3 本文組織 5
第二章 研究理論 7
2-1 灰色系統 7
2-1.1 理論概述 7
2-1.2 GM(n,h) 9
2-1.3 GM(1,1) 12
2-2 類神經網路 15
2-2.1 理論概述 15
2-2.2 倒傳遞類神經網路 16
2-2.3 BPN網路數學式推導 17
2-2.4 倒傳遞類神經網路演算法 21
2-2.5 網路訓練注意事項 26
2-2.6 倒傳遞類神經網路改良方法 27
2-3 評鑑指標 28
第三章 資料處理與分析 31
3-1 資料處理 31
3-1.1 0-1時間序列 31
3-1.2 雨量資料的選用 32
3-1.3 流量資料的選用 33
3-2 模式的建立 33
3-2.1 門檻值切割及資料之選用 33
3-2.2 GM(1,1)模式的建立 35
3-2.3 倒傳遞類神經網路模式的建立 35
第四章 計算結果與綜合討論 38
4-1 計算結果 38
4-2 綜合討論 66
第五章 結論與建議 79
5-1 結論 79
5-2 建議 80
參考文獻 81
附錄A 84
附錄B 98
王如意、莊文南,(1993),微分水文灰色模式之研究與應用,農業工程學報,第39卷,第3期,第67頁至第86頁。
王如意、洪君伯、李如晃,(1997),水文模式中噪音效應之研究及其應用,農業工程學報,第43卷第3期,第1頁至第19頁。
史開泉、吳國威、黃有評,(1996),「灰色信息關係論」,全華出版社,台北。
田自力,(1996),灰色理論在預測與決策之研究,國立成功大學機械工程研究所博士論文,台南。
阮忠信,(1993),「灰色系統模式之研究及其應用」,農業水利科技研究八十一年度計畫成果發表討論會。
官輝力、李培、魏學君、崔桂蓮、許斌,(1998),水資源-環境系統灰色加權模型研究,系統工程理論與實踐,第三期,第109頁至第113頁。
林淑真、李宗仰,(1996),神經元傳輸函數在水文時序建模之分析,第八屆水利工程研討會。
林淑真,碎形與渾沌在非線性水文系統之解析與預報,國立成功大學水利及海洋工程學研究所博士論文,台南。
周政宏,(1995),「神經網路理論與實務」,松崗書局,台北。
吳漢雄、鄧聚龍、溫坤禮,(1996),「灰色分析入門」,高立出版社。
吳柏林,(1995),「時間分數列分析導論」,華泰書局,台北。
陳昶憲、楊朝仲,(1998),「時序類神經集水區洪水預測模式」,台灣水利,第46卷,第1期,第84頁至第98頁。
陳憲宗,(1997),灰色預測在逕流預報之應用,國立成功大學水利及海洋工程學研究所碩士論文,台南。
張斐章、孫建平,(1997),「類神經網路及其應用於降雨?逕流過程之研究」,農業工程學報,第43卷,第1期。
黃智顯,(1996),水文時間序列類神經網路之研究及應用於流量之預測,國立臺灣大學農業工程研究所碩士論文,台北。
黃義銘,(1997),類神經網路在調配區域水資源之應用,國立成功大學水利及海洋工程研究所碩士論文,台南。
葉一隆、蘇明道、鄒禕,(1995),「應用灰色模式預測地下水位」,台灣水利,第43卷,第2期,第66頁至第73頁。
葉怡成,(1993),「類神經網路模式應用與實作」,儒林書局,台北。
劉新達,(1996),類神經網路在水庫操作的應用,國立交通大學土木工程研究所碩士論文,新竹。
鄧聚龍,(1990),「灰色預測與決策」,華中理工大學出版社,中國。
鄧聚龍、郭洪,(1996),「灰預測原理與應用」,全華出版社,台北。
盧炳勳,曹登發,(1992),「類神經網路理論與應用」,全華出版社,台北。
魏國英、曹鴻興,(1990),「長期預測的數學模型及其應用」,萬象出版社,第122頁至第133頁,北京。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔