跳到主要內容

臺灣博碩士論文加值系統

(100.28.2.72) 您好!臺灣時間:2024/06/16 06:42
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:郭益銘
研究生(外文):I-Min Kuo
論文名稱:應用多變量統計與類神經網路分析雲林沿海地區地下水水質變化
論文名稱(外文):Multivariate Statistical and Artificial Neural Network Analysis Groundwater Quality in the Coastal Area of Yun-Lin
指導教授:劉振宇劉振宇引用關係
指導教授(外文):Chen-Wuing Liu
學位類別:碩士
校院名稱:國立臺灣大學
系所名稱:農業工程學研究所
學門:工程學門
學類:其他工程學類
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:144
中文關鍵詞:因子分析倒傳遞類神經網路地下水水質
外文關鍵詞:factor analysisBack-Propagation neural networkgroundwater quality
相關次數:
  • 被引用被引用:28
  • 點閱點閱:442
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:2
本研究應用因子分析其能將雲林沿海地區地下水質資料進行歸納、整理和分類,提供邏輯推理方向之特性,以評估雲林沿海地區地下水質污染情形,結果顯示影響雲林沿海地區地下水水質的主要因子有兩個,分別為由電導度、總溶解固體量、氯鹽、硫酸鹽、鈉、鉀及鎂共七個變量所組成的「海水鹽化因子」與由總鹼度、總有機碳及砷三個變量所組成之「砷污染因子」。以此兩個因子所代表所有的水質項目,具有78%左右的代表性。
然後應用倒傳遞類神經網路具有自我組織、自我學習的能力及非線性的特性來預測地下水質變化。首先探討隱藏層神經元數目改變是否會對水質預測結果造成明顯差異;並藉由不同的BP網路輸入模式探討水質預測結果之準確性。結果顯示隱藏層之神經元數目對BP網路訓練及預測效果並不明顯,而輸入層中若包含相關性較大的近期變量則會增加網路預測效果。此外,並建立預測值的信賴區間,以提供預測值的可信度,結果顯示BP網路能學習此水質複雜變化之能力,並於預測時能獲得良好之可信度。
The study applies the factor analysis, which may provide the general direction by summarizing, frimming and classifying the original data, to evaluate the groundwater pollution in the coastal area of Yun-Lin. The results show that the seawater salinization factor including EC, TDS, Cl-, SO42-, Na+, K+, and Mg2+, and the arsenic pollutant factor including Alk, TOC, and As, are two major influential factors on the groundwater quality in the coastal area of Yun-Lin. These factors consist of 78% representation for the groundwater quality .
Back-Propagation(BP)neural network which has the characteristics of self-organizing, self-learning and nonlinearity is applied to forecast future variation of groundwater quality. The influence of hidden nodes to the water quality forcasting is discussed first, the accuracy of the water quality forcasting results using different BP network input model are also analyzed. The results show that the hidden nodes are not a significant factor to BP network training and forcasting. Using recent variations data with high relativity in the input layer gives better results on network forcasting. Besides, the confidence intervals of each forcasting value are also computed. The results indicate that the neural network is capable to describe the complex variation of groundwater quality and provide good forecasting reliability.
第一章 緒 論........................................................................................1
1-1研究目的....................................................................................1
1-2區域概述....................................................................................2
1-3水文氣候....................................................................................5
1-4土地利用....................................................................................5
1-5水文地質....................................................................................6
第二章 水質分析項目.........................................................................12
2-1 電導度.....................................................................................13
2-2 總鹼度.....................................................................................14
2-3 總溶解固體量.........................................................................15
2-4 氯鹽.........................................................................................16
2-5 硫酸.........................................................................................17
2-6 總有機碳.................................................................................17
2-7 硝酸鹽氮.................................................................................18
2-8 砷.............................................................................................19
2-9 硬度.........................................................................................19
2-10 鈉離子...................................................................................20
2-11 鉀離子...................................................................................20
2-12 鈣離子...................................................................................21
2-13 鎂離子...................................................................................21
第三章 多變量統計-因子分析...........................................................22
3-1 因子分析.................................................................................22
3-2 研究原理步驟.........................................................................22
3-3 因子分析結果與討論.............................................................29
3-3-1 雲林沿海地區地下水水質特性因子分析...................29
3-3-2 地下水水質因子討論...................................................33
第四章 類神經網路............................................................................38
4-1簡介.........................................................................................38
4-1-1 生物神經元模型...........................................................38
4-1-2 人工神經元模型...........................................................40
4-1-3 類神經網路之特性.......................................................43
4-1-4 類神經網路之分類.......................................................44
4-2 倒傳遞類神經網路................................................................45
4-2-1 網路架構.......................................................................45
4-2-2 網路演算法...................................................................47
4-2-3 BP演算法之程序........................................................51
4-2-4 網路參數之決定...........................................................51
4-2-5 BP網路之困難............................................................55
第五章 倒傳遞類神經網路分析預測................................................57
5-1 資料之選取.............................................................................57
5-2 BP網路學習及預測效能評估.............................................57
5-3 「海水鹽化因子」預測結果分析.........................................61
5-3-1 「海水鹽化因子」BP網路模式A..............................61
5-3-2 「海水鹽化因子」BP網路模式B...............................63
5-3-3 「海水鹽化因子」BP網路模式C...............................66
5-4 「砷污染因子」預測結果分析..............................................77
5-4-1 「砷污染因子」BP網路模式A...................................77
5-4-2 「砷污染因子」BP網路模式B...................................79
5-4-3 「砷污染因子」BP網路模式C...................................81
5-5 水質分析預測結果與討論......................................................89
第六章 結論與建議.............................................................................91
6-1 結論..........................................................................................91
6-2 建議..........................................................................................92
參考文獻.................................................................................................94
附表........................................................................................................100
附圖........................................................................................................132
參考文獻
曾文賓,烏腳病之診斷、治療與預防。烏腳病之研究報告,台灣省政府烏腳病防治中心。第1輯,pp.1~25,1976。
呂鋒洲,烏腳病地區飲水中螢光物質之研究與烏腳病致病原因再探討。烏腳病之研究報告,台灣省政府烏腳病防治中心。第六輯,pp.1~27,1978。
王榮德、胡賦強、江錦燁、吳新英,飲用水改善前後,烏腳病發生率之研究。烏腳病之研究報告,台灣省政府烏腳病防治中心。第18輯,pp.21~25,1983。
呂鋒洲等,烏腳病流行區井水中螢光強度、砷濃度、ph值和總溶解固體物彼此之相關性及與烏腳病流行度之探討。經濟部中央地質調查所水文地質研討會論文專集,pp.151~164,1989。
易任、徐國麟,主成分分析法與群集分析應用於淡水河流域空間降雨之研究,第五屆水利工程研討會,pp.122~136,1990。
地質礦產部水文地質工程地質技術方法研究隊,水文地質手冊,北京地質出版發行,1990。
周義昌,電腦如何辯識手寫中文字,科學月刊第22卷第6期,pp.418~421,1991。
廖少威:「以主成分分析法探討台灣灌溉水質受工業、都市、畜牧廢水污染之變異分析」,國立台灣大學農業工程研究所碩士論,1991。
王俊發,人機交談-類神經網路在國語語音方面之應用,科學月刊 第22卷第6期,pp.422~430,1991。
國立成功大學台南水工試驗所,雲林離島式基礎工業區整體開發規劃調查研究報告 第二部份 數值模擬與環境背景資料庫,1992。
陳燕慶、鹿浩:神經網路理論及其在控制工程中的應用,儒林圖書有限公司,1992。
經濟部,雲林縣沿海地區六鄉鎮地下水調查研究,1992。
國立成功大學台南水工試驗所,雲林離島式基礎工業區整體開發規劃調查研究報告 第一部份 自然環境現場調查 第六冊 地下水 水質背景環境調查,1992~1996。
張寶泉、劉慶東、張曉清,計算機與環境多因素分析,中國環境科 學出版社,1993。
曹以松,地下水,中國土木水利工程學會,1993。
呂鋒洲,嘉南烏腳病患區井水中螢光物質之研究:誘導小白鼠過氧化體增生,行政院國科學委員會專題研究計畫成果報告,1993。
葉怡成:類神經網路模式應用與實作,儒林圖書有限公司,1994。
羅積玉,多元統計分析方法與應用,科技圖書股份有限公司,1994。
陳石崇:「類神經網路在預測上的應用-以國產自用小汽車市場為例」,國立中央大學資訊管理研究所碩士論文,1994。
雲林縣政府,中華民國八十三年雲林縣統計要覽,1994。
陳集成:「專家系統和類神經網路於預力混凝土橋設計應用之研究」,國立台灣大學土木工程研究所碩士論文,1994。
江崇榮、黃智昭、賴慈華、陳利貞、周素卿,台灣地區地下水觀測網第一期計畫、濁水溪沖積扇地下水及水質調查研究報告,經濟部中央地質調查所,1995。
林清山,多變項分析統計法,東華書局,1995。
畢如蓮:「台灣嘉南平原地下水砷生成途徑與地質環境之初步探討」
,國立台灣大學地質學研究所碩士論文,1995。
唐瑞霖、張文亮,多變量統計分析台北市近郊的灌溉水質污染, 台北市七星農田水利發展基金會1994年度研究計畫報告83-00-011,pp.1-1~1-23,1995。
袁彼得、林泗賓、鄧屬予,台灣地區地下水觀測網第一期計畫,水文地質調查研究及建檔八十三年度報告,濁水溪沖積扇(三),沈積物特性分析及分佈狀況研究,經濟部中央地質調查所,1995。
陳冠宇:「台灣西南宅港與三寮灣地層孔隙水地球化學研究」,國立台灣大學地質學研究所碩士論文,1996。
孫建平:「類神經網路及其用於降雨及逕流過程之研究」,國立台灣大學農業工程研究所碩士論文,1996。
葉怡成:應用類神經網路,儒林圖書有限公司,1997。
江政益:「類神經網路之預測與信賴區間之建構-以台北市失業率為例」,輔仁大學應用統計研究所碩士論文,1997。
嚴玉書:「颱洪預報體系中颱風降雨類神經網絡模式及洪水模擬半分佈逕流模式之串連應用」,1997。
唐文彥:「類神經網路應用在多變量品質管制的研究」,大業大學工業工程研究所碩士論文,1997。
張尊國、黃國珍、徐貴新,土壤重金屬污染特性探討-因子分析,農業工程學報第43卷第2期,pp.11~19,1997。
國立成功大學台南水工試驗所,雲林離島式基礎工業區整體開發規劃調查研究報告 第一部份 自然環境現場調查 第七冊 地下水質、水位、流速流向調查,1997~1998。
王瑞君:「以多變量統計區分屏東平原地下水含水層水質特性與評估井體之維護探討」,國立台灣大學農業工程研究所碩士論文,1998。
林信宏:「類神經網路在工程績效管理上之應用」,國立台灣大學土木工程研究所碩士論文,1998。
APHA,"Standard Methods for the Examination of Water and Wastewater",
18th Edition, 1992.
Chang, T. and Abdel-Ghaffer, K. A. S.,"A Universal Neural Net with Guaranteed Convergence to Zero System Error", IEEE Train. Signal Process., Vol. 40, No12, pp.3022~3031, 1992.
Freeze, R. A. and Cherry, J. A.,"Groundwater", Prentice-Hall, New Jersey, 1979.
Goldberg, E. D., Chemistry in the oceans as a chemical system. In Composition of sea water, comparative and descriptive oceanography,
pp.3~25. Wiley, The Sea, Vol. 2, pp.3~25, Wiley-Incerscience, New York,1963.
Haykin, S., Neural Network:A Comprehensive Foundation, Macmillan College Publishing Company,USA , 1994.
Hwang,G. J. T.and Ding, A. A.,"Prediction Intervals for Artificial Neural Networks",Journal of The American Statistic Association Vol.92,No.438, pp.748~757, 1997.
Karnin, E. D.,"A Simple Procedure for Pruning Back- propagation Neural Network", IEEE Train. Neural Networks, Vol.1, pp295~307, 1990.
Kohonen, T.,"An Introduction to Computing with Neural Net ", Neural Networks, Vol. 1, No. 1, pp. 3~16, 1988.
Lippmann, R. P.,"An Introduction to Computing with Neural Net",IEEE ASSP Magazine, pp. 4~22, 1987.
McClelland, T. L., and Rumelhart, D. E.,"Parallel Distributed Processing",MIT Press and PDP Research Group, Cambridge , 1986.
Melloul, A. and Collin, M.," Water Quality Factor Identification by The Principal Components Statistical Method",Water Science and Technology,Vol. 24,No.11, pp.41~55, 1991.
Michael, C., Neural Network : A Tutorial, Prentice-Hall,USA, 1993.
Pincus, L. I.,"Practical Boiler Water Treatment", McGraw-Hill, New York, 1962.
Rosenbltt, D. E., Hinton G. E., and Williams, R. J.,"Learning Internal Representation by Error Propagation", Parallel Distributed Processing, Vol. 1, pp. 318~362, 1986.
Rosenbltt, F.,"The Perceptron : A probabilistic Model for Information Storage and Organization in the Brain", Psych. Rev., Vol. 65, pp. 386~408, 1958.
Scofield C. S.,"The Salinity of Irrigation Water", Smithsonian Report,1935.
Simth, M.,"Neural Network for Statistical Modeling", Van Norstrand Reinhold, New York, 1993.
Qnet97,Vesta Services, Inc., 1997.
Wang,C.S.,"Preliminary investigation on recent sediments of the Chianan Coastal plain western Taiwan",Memoir of the Geological Society of China,No.1,pp.1~10, 1962.
Zurada, J. M.,"Introduction to Neural Systems", West Publishing Company, USA, 1992.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top