跳到主要內容

臺灣博碩士論文加值系統

(44.211.239.1) 您好!臺灣時間:2023/02/05 21:28
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:鍾世強
研究生(外文):Shih-Chiang Chung
論文名稱:應用全域搜尋之遺傳演算法於水動力潮位模式之參數校正
論文名稱(外文):Parameter Calibration for the Tidal Model by the Global Search of the Genetic Algorithm
指導教授:張揚祺張揚祺引用關係
指導教授(外文):Yang-Chi Chang
學位類別:碩士
校院名稱:國立中山大學
系所名稱:海洋環境及工程學系研究所
學門:工程學門
學類:環境工程學類
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:75
中文關鍵詞:參數校正遺傳演算法潮位模式
外文關鍵詞:genetic algorithmparameter calibrationtidal model
相關次數:
  • 被引用被引用:2
  • 點閱點閱:153
  • 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:0
本研究以遺傳演算法(Genetic Algorithm))結合水動力潮位模式,針對模式中所需的邊界參數數值進行校正,以減小潮位模式在研究範圍內模擬台灣沿海潮位變化與實際潮位變化的誤差。過去在邊界參數數值的校正多仰賴人工試誤法,由於邊界參數的數量龐大,因此在人工校正的過程中不易掌握而造成校正效率不佳。透過電腦化的自動搜尋校正,可取代過去人工所無法同步處理的龐大參數量,並可減少人工參數校正時可能參雜的主觀因素影響。且在遺傳演算法的收斂機制下,可在較短的時間內找出較適當的最佳解,有效縮短過去人工參數校正所需花費的時間。經本研究之實驗設計結果顯示,以遺傳演算法結合水動力潮位模式的參數校正,確實對於模式模擬的誤差有所改善。
The current study has applied the Genetic Algorithm (GA) for the boundary parameters calibration in the hydrodynamic-based tidal model. The objective is to minimize the deviation between the estimated results acquired from the simulation model and the real tidal data along Taiwan coast. The manual trial-error has been widely used in the past, but such approach is inefficient due to the complexity posed by the tremendous amounts of parameters. Fortunately, with the modern computer capability, some automatic searching processes, in particular GA, can be implemented to handle the large data set and reduce the human subjectivity when conducting the calibration. Besides, owing to the efficient evolution procedures, GA can find better solutions in a shorter time compared to the manual approach. Based on the preliminary experiments of the current study, the integration of GA with the hydrodynamic-based tidal model can improve the accuracy of simulation.
第一章 緒論
1-1. 研究動機 1
1-2. 研究目的 2
1-3. 研究架構 3
第二章 文獻回顧
2-1. 前言 4
2-2. 相關文獻回顧 4
2-3. 文獻探討 7
第三章 研究方法
3-1. 水動力潮位模式介紹 9
3-2. 搜尋法介紹 10
3-3. 遺傳演算法的理論架構 12
3-4. 遺傳演算法的優點 12
3-5. 遺傳演算法的流程 14
3-6. 遺傳演算法細部說明 16
第四章 模式建立
4-1. 傳統人工參數校正 20
4-2. 潮位模式與遺傳演算法 21
4-3. 參數校正法實驗(1):人工參數校正法自動化 26
4-4. 參數校正法實驗(2):遺傳演算法於潮位模式之參數校正 27
第五章 模式驗證
5-1. 參數校正法實驗(1):人工參數校正法自動化 29
5-2. 參數校正法實驗(2):遺傳演算法於潮位模式之參數校正 35
第六章 結論與建議
6-1. 結論 64
6-2. 建議 65
參考文獻 67
1.Cheng, C.T., 2002, “Combining a fuzzy optimal model with a genetic algorithm to solve multi-objective rainfall-runoff model calibration,”Journal of Hydrology, Vol. 268, pp72-86.
2.Dronkers, 1969, “Tidal computations in rivers, coastal areas and seas,” Hydraulics Divi- sion ASCE 95, pp. 44-77.
3.Fazal, M.A., 2005, “Estimating groundwater recharge using the SMAR conceptual model calibrated by genetic algorithm,” Journal of Hydrology. Vol. 303, pp.56-78.
4.Goldberg David E., 1989, Genetic algorithms in search, optimization, and machine learning. Addison Wesley.
5.Harrouni, K. EL, 1997, “Groundwater parameter estimation by optimization and DRBEM.,”Engineering Analysis with Boundary Elements, Vol. 19, pp. 97-103.
6.Lakshmi Prasad, K., 2001, “Estimating net aquifer recharge and zonal hydraulic conductivity values for Mahi Right Bank Canal project area, India bye genetic algorithm,” Journal of Hydrology, Vol. 243, pp.149-161.
7.Ma, J. T., 1995, “Generator parameter identification using evolutionary programming,” Electrical Power & Energy Systems, Vol. 17, No. 6, pp. 417-423.
8.Madsen, H., 2000, “Automatic Calibration of a conceptual rainfall-runoff model using multiple objectives,”Journal of Hydrology, Vol. 235, pp. 276-288.
9.Madsen, H., 2003, “Parameter estimation in distributed hydrological catchment modelling using automatic calibration with multiple objectives,” Advances in Water Resources, Vol. 26, pp. 205-216.
10.Thomas, G. M., 1995, “Using Real-Coded Genetic Algorithms for Weibull Parameter Estimation,” Computers and Engng, Vol. 29. No. 1-4. pp. 377-381.
11.Wang, Q. J., 1997, “Using genetic algorithms to optimal model parameters,” Environmental Modelling & Software. Vol. 12. No. 1, pp. 27-34.
12.Yu, C.S., 1993, “Modelling Shelf Sea Dynamics and Estuarine Circulations,” Ph.D. Thesis, Dept. of Civil Eng., K.U.Leuven.
13.周俊安,“禁忌演算法應用於優選地下水模式參數之分區”,國立台灣大學生物環境系統工程研究所碩士論文,2002年。
14.王皓正,“應用遺傳演算法於長期潮汐預報之研究”,國立交通大學土木工程研究所碩士論文,2001年。
15.梁亨如,“應用遺傳演算法於ASR井操作之研究”,中原大學土木工程研究所碩士論文,2003年。
16.鄭裕寬,“運用遺傳演算優化串聯水庫系統聯合運轉規線之研究”,國立中央大學土木工程研究所碩士論文,2001年。
17.林師檀,“禁忌搜尋法與遺傳演算法混合模式在地下水復育優選問題之應用”,國立中興大學環境工程系研究所碩士論文,2002年。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
1. 23、耿鳳英(1998),電腦媒體與博物館觀眾的互動,博物館學季刊,12(3),頁53-58。
2. 19、高慧芬(2001),以展示為基礎的博物館教育活動規劃及其評量設計,博物館學季刊,15(2),頁91-104。
3. 17、吳淑華(2001),博物館展示淺論,科技博物,5(3),頁5-13。
4. 16、吳淑華(2002),從參觀行為模式解構博物館展示傳達、溝通本質 之初探—以動態、靜態之型態為例,科技博物,6(5),頁47-56。
5. 50、顏月珠(1988),戶外遊憩研究統計方法之探討,戶外遊憩研究,1(2),頁3-23。
6. 49、劉幸真(1996),博物館展示區內觀眾參觀行為之探討,博物館學季刊,10(4),頁69-78。
7. 48、劉婉珍(1998),展示設計與觀眾互動,博物館學季刊,12(3),頁35-39。
8. 41、陸定邦(1989),展示語言,博物館學季刊,3(4),頁21-28。
9. 38、郭義復(1999),科學博物館展示的變革,博物館學季刊,13(3),頁97-103。
10. 36、陳慧娟(2001),碳酸鈣礦物展觀眾行為研究,博物館學季刊,15(3),頁101-126。
11. 28、張美珍、陳玫岑(2002),博物館觀眾參觀學習模式之研究—以國立科工館「思想起」特展為研究現場,科技博物,6(2),頁66-78。
12. 10、林慧嫻(2006),博物館與兒童觀眾,科技博物,10(1),頁5-21。
13. 9、林崇宏(2006),博物館展演環境之共通性設計原則初探,科技博物,10(1),頁23-36。