(3.231.230.175) 您好!臺灣時間:2021/04/16 02:36
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:黃文娟
研究生(外文):HUANG WEN CHUANG
論文名稱:應用自組織映射網路結合倒傳遞類神經推估翡翠水庫葉綠素-a與濁度之遙測影像研究
指導教授:陳莉陳莉引用關係周文杰周文杰引用關係
學位類別:碩士
校院名稱:中華大學
系所名稱:土木工程學系碩士班
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:2006
畢業學年度:94
語文別:中文
論文頁數:65
中文關鍵詞:自組織映射網路類神經網路遙測技術
外文關鍵詞:Self-Organizing MapArtificial Neural NetworksRemote Sensing
相關次數:
  • 被引用被引用:1
  • 點閱點閱:128
  • 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:2
摘要
近來幾場颱風夾帶大量豪雨,導致水庫水質惡化、濁度升高,使水庫無法正常供水,加上遙測技術已不斷的發展,也突破了不少的限制,且遙測技術具有的大範圍與即時的特性,可得到水庫的即時資訊,因此在監測水庫水質方面也有不錯的效果。由於葉綠素¬-a為生態學上一項重要指標,而濁度也是決定水庫供水的重要依據之一,因此本研究以翡翠水庫之葉綠素-a與濁度作為研究重點。
研究方式以兩方進行,一方將2005年4月18日24個採樣點先以自組織映射網路分類,各類再由類神經網路建立關係式,另一方則直接將24個採樣點直接套入類神經網路推估。其結果顯示在誤差均方根與相關係數都是以先由自組織映射網路分類所推估出來的結果還的好。因此,使用自組織映射網路不僅可在水質監測上得到良好的效果,更可在各類中搜尋到局部最佳解,提供較大範圍的操作模式。
目錄
摘要---------------------------------------------Ⅰ
誌謝---------------------------------------------Ⅱ
目錄---------------------------------------------Ⅲ
圖目錄-------------------------------------------Ⅵ
表目錄-------------------------------------------Ⅷ
第一章 緒論---------------------------------------1
1-1 研究動機與目的--------------------------------1
1-2 研究方法--------------------------------------3
1-3 論文架構--------------------------------------6
第二章 文獻回顧------------------------------------7
2-1 遙測影像應用於水庫水質方面之研究-----------------7
2-2 類神經網路應在遙測影像之應用---------------------9
2-2-1類神經網路用於影像分類之應用--------------------9
2-2-2類神經網路用於水庫水質監測之應用----------------11
2-3自組織映射網路應用於模式推估方面------------------12
第三章 理論基礎------------------------------------15
3-1 遙測與水體之關係-------------------------------15
3-2 資源衛星之基本概述-----------------------------17
3-2-1美國大地衛星(LANDSAT 7)---------------------17
3-2-2法國史波特衛星(SPOT)------------------------18
3-2-3捷鳥衛星(Quick Bird)-----------------------19
3-2-4依科諾斯衛星(IKONOS)------------------------20
3-2-5福衛二號(Formosa 2)------------------------22
3-3 衛星影像接收與前期處理 ------------------------24
3-3-1影像校正------------------------------------25
第四章 研究方法-----------------------------------27
4-1自組織映射網路(SOM)之基本理論------------------27
4-2 最短距離法------------------------------------31
4-3 類神經網路基本介紹-----------------------------32
4-3-1倒傳遞類神經---------------------------------33
第五章 應用實例-----------------------------------38
5-1 研究區域概況----------------------------------38
5-2 現地與衛星資料--------------------------------39
5-3 SOM分類結果----------------------------------40
5-4 最短距離法分類結果----------------------------41
5-5 類神經推估模式--------------------------------42
5-6 案例分析與討論--------------------------------44
第六章 結論與建議---------------------------------53
6-1 結論-----------------------------------------53
6-2 建議-----------------------------------------54
第七章 參考文獻------------------------------------55
第七章 參考文獻
【1】王彥翔,(2002),『自組特徵映射與學習向量量化神經網路於河川流量之預測』,國立台灣大學生物環境系統工程學系暨研究所碩士論文。
【2】邵泰璋,(1999),『類神經網路於多光譜影像分類之應用』,國立交通大學土木工程系碩士論文。
【3】吳育奇,(2000),『自組特徵映射圖模糊類神經網路於河川流量推估之應用』,國立台灣大學農業工程研究所碩士論文。
【4】吳俊穎, (2001),『衛星影像監測永和山水庫水質之研究』,中華大學土木工程學系碩士論文。
【5】周晏勤,(2000) 『以遙感探測方法探討南橫公路邊坡破壞的重要因子』,國立成功大學資源工程研究所碩士論文。
【6】陳慧敏,(2003) 『綠覆率與地表溫度關係之研究-以龍潭地區為例』,中華大學土木工程學系碩士論文。
【7】許俊森,(1994),『臺灣附近海域的葉綠素甲濃度分布』,國立臺灣大學海洋研究所碩士論文。
【8】逢甲大學地理資訊系統研究中心,(2000),『遙感探測理論與分析實務』。
【9】黃尹龍,(2001),『類神經網路架構颱洪流量預測模式』,逢甲大學土木與水利工程研究所碩士論文。
【10】黃誌勇,(2001),『SPOT自然色影像產生之研究』,國立中央大學土木工程研究所碩士論文。
【11】黃彥豪,(2003)『利用自組織映射圖網路於區域雨型分類之研究』,國立台灣大學土木工程研究所碩士論文。
【12】葉怡成,(1993),『類神經網路網路模式應用與實作』,儒林圖書公司。
【13】葉怡成,(2005),『資料探勘-方法應用與實作』,第三版。
【14】葉怡成,(2006),『資料探勘-程序模式與實作』,第三版。
【15】蔡敏之,(1997),『應用輔助資訊及類神經網路於遙測影像土地利用分類之研究-以識別都市區為例』,國立成功大學測量工程研究所碩士論文。
【16】蕭國鑫、吳啟男,(1991),『遙測應用於水庫水質調查』礦業技術。
【17】魏曉萍,(2002),『QuickBird衛星影像探討分類方法之研究』,中華大學土木工程學士碩士論文。
【18】顏世坤,(1994),『Wavelet轉換於遙測影像之分析及其應用』,國立中央大學太空科學研究所碩士論文。
【19】D. D’Alimonte and G. Zibordi, 2003 “Phytoplankton Determination in an Optically Complex Coastal Region Using a Multilayer Perceptron Neural Network”IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING, IEEE Transactions on Geoscience and Remote Sensing, 41(12), 2861-2868
【20】F. Bilge, B. Yazici, T. Dogeroglu and C. Ayday, 2003,“Statistical evaluation of remotely sensed data for water quality monitoring” International J. Remote Sensing, 24(24) ,5317-5326.
【21】L. Chen,2003,“A study of applying genetic programming to reservoir trophic state evaluation using remote sensor data” International J. Remote Sensing, 24(11) ,2265-2275.
【22】R. J. Allee and J. E. Johnson, 1999. “Use of Satellite Imagery to Estimate Surface Chlorophyll a and Secchi Dise Depth of Bull Shoals Reservoir, Arkansas, USA”International J. Remote Sensing, 20(6),1057-1072.
【23】S . M . J Baban , “Detecting water quality parameters in the Norfolk Broads , U . K .usind Landsat imagery “ ,Int . J . Remote Sensing , Vol . 14 , pp .1247~1267 ,1993.
【24】S. Koponen, K. Kallio, J. Pulliainen, J. Vepsäläinen, T. Pyhälahti, and M. Hallikainen, 2004 “Water Quality Classification of Lakes Using 250-m MODIS Data ” IEEE Geoscience and Remote Sensing, 1(4), 287-291.
【25】T. M. Lillesand, W. L. Johnson, R. L. Deveil, O. M. Lixdstrom and D. E. Meisner, 1983, “Use of Landsat data to predict the trophic state of Minnesota lakes” Photogrammetric Engineering & Remote Sensing, Vol. 49, No. 2, pp. 219-229.
【26】T. M. Lillesand R. W. Kieter ,1994 , “REMOTE SENSING AND IMAGE INTERPRETATION” ,John Wiley & Sons , Inc.
【27】Y. Zhang, Associate Member, Sampsa S. Koponen, Jouni T. Pulliainen, Senior Member and Martti T. Hallikainen, 2003. “Application of Empirical Neural Networks to Chlorophyll-a Estimation in Coastal Waters Using Remote Optosensors”IEEE Sensors Journal, 3(4),376-382.
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