跳到主要內容

臺灣博碩士論文加值系統

(18.97.14.84) 您好!臺灣時間:2024/12/06 18:20
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

: 
twitterline
研究生:陳柏蒼
研究生(外文):Bor-Tsang Chen
論文名稱:未設測站流量推估-利用類神經網路建構模式
論文名稱(外文):Estimating Outflow of the Ungauged Area-Modeling by Artificial Neural Network
指導教授:陳昶憲陳昶憲引用關係
指導教授(外文):Chang-Shian Chen
學位類別:碩士
校院名稱:逢甲大學
系所名稱:土木及水利工程所
學門:工程學門
學類:土木工程學類
論文種類:學術論文
論文出版年:2003
畢業學年度:91
語文別:中文
論文頁數:87
中文關鍵詞:因子分析倒傳遞類神經網路降雨-逕流過程時間序列
外文關鍵詞:Rainfall-Runoff ProcessTime SeriesBack-Propagation NetworkFactor Analysis
相關次數:
  • 被引用被引用:12
  • 點閱點閱:519
  • 評分評分:
  • 下載下載:69
  • 收藏至我的研究室書目清單書目收藏:1
區域性流量資料之取得與分析,為水利防、減災與水資源規劃、調度不可或缺的重要基本水文資料。近年流域上游集水區災害頻傳,且水資源開發場址亦大都位於河川上游,但河川上游及其支流往往於早期未必設有流量觀測站,故常面臨規劃時無流量紀錄可使用之窘境,是以發展未設測站流量推估法有其重要性。
於水文學領域中,對降雨逕流過程現象的描述與解析,向來為水文工作者致力的重點,近年蓬勃發展的分布性、地形化物理模擬模式,已能充分掌握此一程序與機制,但此類模式,其參數常有物理性限制,並需由歷史觀測記錄反向推求,故其不易應用於本研究主題。
本研究將藉晚近具有多變性之數學結構、可模擬難以物理模式描述之系統非線性結構關係特性的類神經網路,架構一個具輸入層、隱藏層及輸出層的倒傳遞類神經網路(BPN),經由考量降雨、逕流時間分布及集水區環境空間分布所設計的模型,配合輸入─輸出之間相互關係的學習,來組合與建構所欲模擬之系統。冀其能建立特定集水區地文因子、降雨量與出流量之間的非線性關係,進而估測未設測站之次集水區出流量。本文以後龍溪北勢大橋流域及烏溪流域之颱洪暴雨事件為研究對象,模式對於假設未設站之推估結果合理且良好,頗具實用參考價值。
Getting and analyzing the information of flow discharge is an important hydrological data for disaster prevention or reduction, and water resource planning. Recent years, many disaster was occurred on the watershed and most of the water resource exploring plants are on the upstream of the rivers. But the branches of the upstream often have no discharge gauging stations early period. It caused the difficulty of the programming there was no flood discharge record. So it has importance to develop the method of the estimating outflow of ungauged area.
In the field of hydrology, the describing and explaining of the rainfall-runoff process is a focal point for the hydrology scholars. Recently years, the distributed and geographical physical simulating model which is developing vigorously it has handed the system and formulation adequately. But the parameter of this model often has the physical constrain and it requires the historical observe record to identify inversely so it is hard to put in use on this study.
The study will utilize the artifical neural network which has variable math structure, and it can simulate the nonlinear structural system, which are besieged with physical model. We use a back-propagation neural network (BPN) which has input layer, hidden layer and output layer, and the form was considered by time distribution of rainfall-runoff and the space distribution of watershed environment. Besides, the form operates in learning by input-output that in order to combine and construct the system which are simulating. We expect it can establish the nonlinear relationship among the physiographic factors, precipitation, and outflow of the specific watershed. Further more, it can estimate the outflow of the subwatershed which is ungauged area. With validation tests at Bei-Shi watershed of Hou-Long river and Wu-Xi watershed, it performed concluded fair forecast results.
目 錄
中文摘要……………………………………………………………………………………………I
英文摘要……………………………………………………………………………………………II
目錄…………………………………………………………………………………………………IV
表錄………………………………………………………………………………………………VII
圖錄…………………………………………………………………………………………………IX
第一章 緒論
1.1 前言……………………………………………………………………………………………1
1.2 研究動機與目的………………………………………………………………………………2
1.2.1 研究動機……………………………………………………………………………………2
1.2.2 研究目的……………………………………………………………………………………2
1.3 研究方法………………………………………………………………………………………3
1.4 研究架構………………………………………………………………………………………3
第二章 文獻回顧
2.1 集水區地文特性理論發展……………………………………………………………………6
2.2 類神經網路模式………………………………………………………………………………7
2.3 未設測站流量推估……………………………………………………………………………10
第三章 模式模型建立
3.1 模式構想………………………………………………………………………………………13
3.2 模式概述………………………………………………………………………………………16
3.3 理論分析………………………………………………………………………………………18
3.3.1 集水區地文特性………………………………………………………………………….19
3.3.2 倒傳遞類神經網路……………………………………………………………………..22
3.3.3 因子分析……………………………………………………………………………………27
3.2.4 時間序列分析………………………………………………………………………………33
3.4 評鑑標準………………………………………………………………………………………36
第四章 模式測試與應用
4.1 研究區域簡介…………………………………………………………………………………39
4.1.1 後龍溪北勢大橋流域………………………………………………………………………39
4.1.2 烏溪流域……………………………………………………………………………………40
4.2 中型集水區(後龍溪北勢大橋流域) 模式測試……………………………………………41
4.2.1研究案例說明………………………………………………………………………………41
4.2.2 研究資料處理………………………………………………………………………………41
4.2.3 模式建構與推估結果………………………………………………………………42
4.2.4 本研究模式與傳統推估方式評鑑…………………………………………43
4.2.5 推論結果分析………………………………………………………………………………45
4.3 大型集水區(烏溪流域) 模式應用……………………………………………………48
4.3.1研究案例說明………………………………………………………………………………48
4.3.2 研究資料處理………………………………………………………………………………48
4.3.3 模式建構與推估結果………………………………………………………………49
4.3.4 本研究模式與傳統推估方式評鑑…………………………………………50
4.3.5 推論結果分析………………………………………………………………………………51
4.4小結……………………………………………………………………………………………53
第五章 結論與建議
5.1 結論……………………………………………………………………………………………80
5.2 建議……………………………………………………………………………………………81
參考文獻
………………………………………………………………………………………………………84
表 錄
表3.1 本研究引用之地文因子項(1/4)………………………………………………………….19
表3.1 本研究引用之地文因子項(2/4)………………………………………………………….20
表3.1 本研究引用之地文因子項(3/4)………………………………………………………….21
表3.1 本研究引用之地文因子項(4/4)………………………………………………………….22
表4.1 後龍溪北勢大橋集水區水文站列表………………………………………………...39
表4.2 烏溪流域水文站列表…………………………………………………………………………….40
表4.3 中型集水區使用之颱風案例基本資料……………………………………………55
表4.4 龍溪北勢大橋集水區各流量站地文因子列表……………………………...56
表4.5 各因子特徵值及其解釋之變異量(後龍溪北勢大橋集水區) …..56
表4.6 轉軸前因子負荷量表(後龍溪北勢大橋集水區) ………………………….57
表4.7 轉軸後因子負荷量表(後龍溪北勢大橋集水區) ………………………….57
表4.8 後龍溪北勢大橋集水區雨量最大影響階次判斷…………………………58
表4.9 後龍溪北勢大橋集水區各流量站自相關最高影響階次…………...58
表4.10 本研究模式與傳統推估方式評鑑結果(北勢大橋集水區) …….58
表4.11 大型集水區使用之颱風案例基本資料………………………………………….59
表4.12 烏溪流域各流量站地文因子列表…………………………………………………...60
表4.13 各因子特徵值及其解釋之變異量(烏溪流域) …………………………….60
表4.14 轉軸前因子負荷量表(烏溪流域) …………………………………………………...61
表4.15 轉軸後因子負荷量表(烏溪流域) …………………………………………………....61
表4.16 烏溪流域各次集水區徐昇氏雨量平均法權重……………………………62
表4.17 烏溪流域各次集水區雨量最大影響階次判斷……………………………62
表4.18 烏溪流域各流量站自相關最高影響階次……………………………………..62
表4.19 烏溪流域模式組合列表………………………………………………………………….......62
表4.20 本研究模式與傳統推估方式評鑑結果(烏溪流域) …………………..63
圖 錄
圖1.1 未設測站流量推估研究流程圖…………………………………………………………….5
圖3.1 傳統模式操作概念…………………………………………………………………………………15
圖3.2 本研究模式操作概念…………………………………………………………………………….15
圖3.3 模式建構流程圖……………………………………………………………………………………...17
圖3.4 未設測站時流量推估倒傳遞類神經網路架構圖…………………………18
圖3.5 倒傳遞類神經網路架構圖…………………………………………………………………...23
圖3.6倒傳遞類神經網路學習(訓練)流程圖……………………………………………….26
圖3.7 因子分析流程圖………………………………………………………………………………….......32
圖3.8 角落表示意圖…………………………………………………………………………………………..35
圖4.1 後龍溪北勢大橋集水區水文站位置分布示意圖…………………………39
圖4.2 烏溪流域水文站位置分布示意圖……………………………………………………..40
圖4.3 席斯颱風侵臺路徑圖(轉載自中央氣象局網頁)…………………………..64
圖4.4 溫妮颱風侵臺路徑圖(轉載自中央氣象局網頁)…………………………..64
圖4.5 安珀颱風侵臺路徑圖(轉載自中央氣象局網頁)…………………………..65
圖4.6 因子陡坡圖(北勢大橋集水區各測站之地文因子) ……………………..65
圖4.7 席斯颱風學習循環誤差收斂圖………………………………………………………….66
圖4.8 溫妮颱風學習循環誤差收斂圖………………………………………………………….66
圖4.9 安迫颱風學習循環誤差收斂圖………………………………………………………….66
圖4.10 北勢大橋集水區三學習站模擬結果-席斯颱風參數檢定…….67
圖4.11 北勢大橋集水區三學習站模擬結果-溫妮颱風參數檢定…….67
圖4.12 北勢大橋集水區三學習站模擬結果-安珀颱風參數檢定…….67
圖4.13 席斯颱風打鹿坑站推估驗證結果…………………………………………………...68
圖4.14 溫妮颱風打鹿坑站推估驗證結果…………………………………………………...68
圖4.15 安珀颱風打鹿坑站推估驗證結果…………………………………………………...68
圖4.16 利用面積比法推估打鹿坑站出流量-席斯颱風……………………….69
圖4.17 利用面積比法推估打鹿坑站出流量-溫妮颱風……………………….69
圖4.18 利用面積比法推估打鹿坑站出流量-安珀颱風……………………….69
圖4.19 後龍溪席斯颱風事件降雨組體圖…………………………………………………...70
圖4.20 後龍溪溫妮颱風事件降雨組體圖…………………………………………………...70
圖4.21 後龍溪安珀颱風事件降雨組體圖…………………………………………………...70
圖4.22 烏溪流域賀伯颱風事件降雨組體圖……………………………………………....70
圖4.23 賀伯颱風侵臺路徑圖(轉載自中央氣象局網頁)………………………...71
圖4.24 因子陡坡圖(烏溪流域各測站之地文因子) …………………………………71
圖4.25 模式調整過程暨對應產生模組 ……………………………………………………..72
圖4.26 賀伯颱風(HB_1)學習循環誤差收斂圖…………………………………………73
圖4.27 賀伯颱風(HB_2)學習循環誤差收斂圖…………………………………………73
圖4.28 賀伯颱風(HB_3)學習循環誤差收斂圖…………………………………………73
圖4.29 賀伯颱風(HB_1)參數檢定五學習站模擬結果…………………………...74
圖4.30 賀伯颱風(HB_2)參數檢定四學習站模擬結果…………………………...74
圖4.31 賀伯颱風(HB_3)參數檢定四學習站模擬結果…………………………...74
圖4.32 賀伯颱風(HB_1)南北通橋站推估驗證結果………………………………..75
圖4.33 賀伯颱風(HB_2)南北通橋站推估驗證結果………………………………..75
圖4.34 賀伯颱風(HB_3)南北通橋站推估驗證結果………………………………..75
圖4.35 利用面積比法推估南北通橋站出流量-賀伯颱風…………………..76
圖4.36 賀伯颱風(HB_1)溪南橋站推估驗證結果…………………………………….77
圖4.37 賀伯颱風(HB_2)溪南橋站推估驗證結果…………………………………….77
圖4.38 賀伯颱風(HB_3)溪南橋站推估驗證結果…………………………………….77
圖4.39 利用面積比法推估溪南橋站出流量-賀伯颱風……………………….78
圖4.40 後龍溪北勢大橋集水區土地利用現況圖……………………………………..79
圖4.41 烏溪流域土地利用現況圖…………………………………………………………………79
圖5.1 資料輸入學習方式改採逐次、交叉學習………………………………………….83
1.王如意、謝龍生,「時變分布及地文參數型瞬時單位歷線之研究及其應用於流域之逕流估測」,台灣水利,第39卷,第四期,第16-35頁(1991)。
2.王如意,「應用水文學」,國立編譯館,台北(1992)。
3.李光敦、林怡廷,「地形指數日流量模式之建立」,第七屆海峽兩岸水利科技交流研討會,第249-256頁,台南(2002)。
4.李光敦,「水文學」,五南圖書,台北(2002)。
5.吳育奇,「自組特徵映射圖模糊類神經網路於河川流量推估之應用」,台灣大學農業工程研究所碩士學位論文,台北(2000)。
6.林清山,「多變項分析統計法」,東華書局,台北(1995)。
7.林茂文,「時間數列分析與預測」,華泰書局,台北(1992)。
8.陳昶憲、陳柏蒼、陳韋佑,「群策倒傳遞類神經網路模式之建構與應用」,,台灣水利,第51卷,第二期,第-頁(2003)。
9.陳柏蒼、陳昶憲,「未設測站流量推估-利用類神經網路建構模式」,第七屆海峽兩岸水利科技交流研討會,第543-550頁,台南(2002)。
10.陳昶憲、黃尹龍(2000),「倒傳遞與反傳遞類神經網路於洪流量預測之比較」,台灣水利季刊,第四十八卷,第三期,第60-68頁。
11.郭益銘、劉振宇,「雲林沿海地區地下水質變化分析:(I)多變量因子分析法」,台灣水利,第48卷,第一期,第1-8頁(2000)。
12.郭益銘、劉振宇,「雲林沿海地區地下水質變化分析:(II)倒傳遞類神經網路法」,台灣水利,第48卷,第一期,第9-25頁(2000)。
13.梁晉銘、張斐章、陳彥璋,「預分類型類神經-模糊推論模式於水文系統之研究」,第十一屆水利工程研討會論文集,第L-107-L-112頁,台北(2000)。
14.陳建宏,「雨量因子在水庫洪流量預報之影響研究」,逢甲大學土木及水利工程研究所碩士論文,台中(1998)。
15.張良正、楊朝仲、陳昶憲,「模糊理論在洪流預測之應用」,第九屆水利工程研討會論文集,第I-95-I-104頁,中壢(1998)。
16.陳昶憲、陳建宏、楊朝仲,「應用模糊控制進行洪流量預報」,逢甲學報,第三十二期,ISSN 0336-1925,第79-90頁(1997)。
17.陳建安,「集水區地文因子間相互關係之建立與應用」,中興大學土木工程研究所碩士論文,台中(1997)。
18.張斐章、胡湘帆、黃源義,「應用模糊類神經網路於流量推估之研究」,八十六年度農業工程研討會論文集,第37-43頁,台南(1997)。
19.許祖瑜,「台灣南部河川枯流量與地文因子的關係」,成功大學水利及海洋工程研究所碩士論文,台南(1997)。
20.詹仕堅,「使用類神經網路在洪水推估之研究-以集水區地文特徵為基礎」,台灣大學地理環境資源研究所博士學位論文,台北(2003)。
21.黃尹龍,「類神經網路架構颱洪流量預測模式」,逢甲大學土木及水利工程研究所碩士論文,台中(2001)。
22.黃建源,「多變量統計方法在日月潭水庫水質管理之應用」,逢甲大學土木及水利工程研究所碩士學位論文,台中(2000)。
23.黃文政、楊富堤,「旬流量序列推估模式之研究」,台灣水利,第48卷,第三期,第35-42頁(2000)。
24.黃俊英,「多變量分析」,中國經濟企業研究所,台北(2000)。
25.黃智顯,「水文時間序列類神經網路之研究及應用於流量之預測」,碩士論文,台灣大學農業工程研究所,台北(1996)。
26.游保杉、楊道昌、陳嘉榮,「立霧溪流域年平均流量與地文因子關係之研究」,台灣水利,第41卷,第三期,第68-76頁(1993)。
27.葉怡成,「類神經網路模式應用與實作」,儒林圖書有限公司,台北(1999)。
28.楊朝仲,「類神經網路在集水區出流量預測之應用」,逢甲大學土木及水利工程研究所碩士學位論文,台中(1997)。
29.劉錦蕙,「乾、濕季時間序列分析」,逢甲大學土木及水利工程研究所碩士學位論文,台中(2000)。
30.蔡國慶,「模糊類神經網路應用在集水區出流量之預測」,逢甲大學土木及水利工程研究所碩士學位論文,台中(1999)。
31.錢玉珠,「台灣地區集水區地文特性之初步分析」,國立台灣海洋大學河海工程學系碩士學位論文,基隆(1999)。
32.Dingman, S. L, “Synthesis of flow-duration curves for unregulated streams in New Hampshire,” Water Resources Bulletin, Vol. 14, No. 6, pp. 1481-1501.(1978).
33.Fennessey, N. and R. M. Vogel, “Regional flow-duration curves for ungauged sites in Massachusetts,” Journal of Water Resources Planning and management, Vol. 116, no. 4, pp. 530-549(1990).
34.Franchini, M. and M. Suppo, “Regional analysis of flow duration curves for a limestone region,” Water Resources Management, Vol. 10, pp. 199-218(1996).
35.Hsu, K.L., V.G. Hoshin, and S. Soroosh, "Artificial neural network modeling of the rainfall—runoff process", Water Resources Research, Vol.31, No.10, pp.2517-2530(1995).
36.Leboutillier, D. W. and P. R. Waylen, “A stochastic model of flow duration curves,” Water Resources Research, Vol. 29, No. 10, pp. 3535-3541(1993).
37.Mimikou, M. and S. Kaemaki, “Regionalization of flow duration characteristics, ” Journal of Hydrology, Vol. 82, pp. 77-91(1985).
38.Quimpo, R. G., A. A. Alejandrino, and T. A. McNally, “Regionalized flow duration for Philippines,” Journal of Water Resources Planning and Management, Vol. 109, No. 4, pp.320-330(1983).
39.Singh, K. P., “Model flow duration and streamflow variability,” Water Resources Research, Vol. 7, No. 4, pp. 1031-1036(1971).
40.Thirumalaiah, K. and C.D. Makarand, "Hydrological Forecasting Using Neural Networks", Journal Of Hydrologic Engineering, Vol.5, No.2, pp.180-189(2000).
41.Wilcock, D. N. and J. E. Hanna, “Derivation of flow duration curves in Northern Ireland”, Proc. Instn Civ. Engrs, Part 2, Vol. 83, pp.381-396(1987).
42.Yu, P. S. and T. C. Yang, “Synthetic regional flow duration curve for Southern Taiwan,” Hydrological Processes, Vol. 10, pp. 373-391(1996).
43.Zhu, M.L. And M. Fujita, "Comparisons Between Fuzzy Reasoning and Neural network Methods to Forecast Runoff Discharge", Journal of Hydroscience and Hydraulic Engineering, Vol.12, No.2, pp.131-141(1994).
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top