(3.236.222.124) 您好!臺灣時間:2021/05/14 14:54
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:唐偉倫
研究生(外文):Wei-Luen Tang
論文名稱:以類神經網路建構集水區降雨-逕流分佈模式
論文名稱(外文):Developing rainfall-runoff distributed model by Artificial Neural Network in Wu Chi River
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:水利工程與資源保育研究所
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:2009
畢業學年度:97
語文別:中文
論文頁數:151
中文關鍵詞:遺傳演算法分佈型降雨-逕流模式類神經網路
外文關鍵詞:Genetic AlgorithmsArtificial Neural NetworkDistributed rainfall-runoff model
相關次數:
  • 被引用被引用:13
  • 點閱點閱:475
  • 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:62
  • 收藏至我的研究室書目清單書目收藏:0
水文系統中降雨-逕流模式於時間、空間上的變異所造成的高度非線性現象,因具有許多不確定的因素,難以描述其間的複雜過程。本文主要考量集水區之降雨分佈不均及地文條件差異,故以類神經網路為主要架構,期望結合水文分佈模式與類神經網路理論,建構模擬集水區降雨-逕流之概念模式。首先以流域流量站的位置劃分許多次集水區,依流域水系圖繪製成流域系統圖,再根據系統圖之次集水區以及渠道網路分佈情況,分別以倒傳遞類神經網路建構次集水區漫地流演算模式及渠道流演算模式,最後將類神經網路予以串聯組合,以完整模擬暴雨對流域各次集水區降雨對逕流之關係。
本文嘗試將颱風資料分類進行訓練,使用多組的類神經網路建立模式庫,以不同網路起始值建構多組符合學習要求之模式,依資料特性,由推論機制判斷應使用之模式,以歐式距離進行比對,依輸入資料結構不同選擇合適的模式進行推論。另利用遺傳演算法搜尋網路連結加權值與閥值,經多次世代的計算達到符合精度水準予以接受,則遺傳演算法搜尋結果為近似最佳之網路參數。驗證資料直接以近似最佳網路參數進行輸出值之推估。將所建立之模式應用於烏溪流域颱風流量預報上,由結果得知類神經網路模式庫表現較為良好,能對未知的水文事件,提供較穩定流量推估。
中文摘要 I
英文摘要 II
目錄 III
表目錄 VII
圖目錄 VIII

第一章 緒論 1
1.1研究動機與目的 1
1.2文獻回顧 2
1.2.1 水文學物理模式 3
1.2.2 類神經網路 4
1.3遺傳演算法 6
1.3研究方法 7
1.4研究架構 9

第二章 理論分析 11
2.1 線性轉換函數 11
2.2 類神經網路 12
2.2.1 倒傳遞類神經網路 12
2.2.2 BPN學習過程的建立 13
2.2.3 BPN回想過程建立 17
2.3比對方式 18
歐式距離(Euclidean distance) 18
2.4 遺傳演算法 19
2.4.1 遺傳演算法之基本架構 19
2.4.2遺傳演算法之主要運算子 20
2.4.3 遺傳演算法之優點 22
第三章 模式建立與應用 24
3.1 模式建構 24
3.2 研究區域 30
3.3研究資料處理 31
3.4 評鑑標準 33
3.5 模式應用 35
3.5.1 網路架構訂定 35
3.5.2 倒傳遞類神經模式庫 38
3.5.3 遺傳演算類神經網路模式 43
第四章 結果與討論 46
4.1 模式網路輸入項訂定 46
4.2 單一評鑑指標模式庫(SEDB) 49
4.2.1 SEDB檢定結果 49
4.2.2 SEDB驗證結果 54
4.3 多重評鑑指標模式庫(MEDB) 59
4.3.1 MEDB檢定結果 59
4.3.2 MEDB驗證結果 64
4.4 遺傳演算類神經網路模式 (ANN-GA) 69
4.4.1 ANN-GA檢定結果 69
4.4.2 ANN-GA驗證結果 74
4.5 模式結果分析與比較 79
4.5.1 模式庫比較 79
4.5.2 最佳模式庫結果分析與討論 87
4.5.3 最佳模式庫與遺傳演算類神經網路比較 107
4.6模式應用與討論 118
4.6.1資料分類判斷條件修正 118
4.6.2未設測站流量推估 124
第五章 結論與建議 130
5.1結論 130
5.2建議 131
參考文獻 132
1.王如意,「應用水文學」,國立編譯館 (1992)。
2.王如意、謝龍生、嚴玉書,「以類神經網路模式分析颱風降雨與半分佈並聯式水庫概念模式模擬颱洪歷線之串聯應用」,農業工程學報,第44券,第2期,第1-25頁(1998)。
3.王寧本,「應用遺傳演算法建立推估洪水出流歷線模式之研究」,私立逢甲大學土木及水利工程研究所碩士論文(1996)。
4.方唯鈞,「應用遺傳規劃模式於洪流量預測」,私立逢甲大學水利工程學系碩士論文(2006)。
5.李光敦,「水文學」,五南圖書 (2002)。
6.李繼尊,「流域降雨-逕流串聯集塊模式序率微分方程理論分析」,農業工程學報,第44券,第2期,第48-58頁(1998)。
7.邱昭彰、李安邦,「遺傳模糊專家系統(GA-Fuzzy)技術在眷投資操作之決策輔助」,資訊管理研究,第2卷,第2期,第61-82頁(2007)。
8.周鵬程,「類神經網路入門活用Matlab」,全華科技圖書股份有限公司(2002)。
9.周鵬程,「遺傳演算法原理與應用活用Matlab」,全華科技圖書股份有限公司(2002)。
10.陳昶憲、黃尹龍,「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(2000)。
11.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)。
12.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46-53頁(2003)。
13.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,第I95-I104頁(1998)。
14.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, (1997)。
15.馮正民、邱裕鈞,「研究方法分析」,建都文化事業股份有限公司(2004)。
16.黃尹龍,「類神經網路架構颱洪流量預測模式」,私立逢甲大學土木及水利工程研究所碩士論文, (2001)。
17.游保杉,「應用全域最佳化技巧於分佈型降雨-逕流模式」,台灣水利季刊,第43券,第2期,第45-54頁(1995) 。
18.葉怡成,「類神經網路模式應用與實作」,儒林圖書有限公司,(1999)。
19.楊朝仲,「類神經網路在集水區出流量預測之應用」,私立逢甲大學土木及水利工程研究所碩士學位論文, (1997)。
20.蔡國慶,「模糊類神經網路應用在集水區出流量之預測」,私立逢甲大學土木及水利工程研究所碩士論文, (1999)。
21.蘇木春、張孝德,「機器學習類神經網路、模糊系統以及基因演算法則」,全華科技圖書股份有限公司(1997)
22.A. Sedki, D. Ouazar, E. El Mazoudi ,"Evolving neural network using real coded genetic algorithm for daily rainfall–runoff forecasting",Expert Systems with Applications, Vol.36, pp.4523-4527 (2009).
23.Bin Zhang1, Rao S. Govindaraju, “Geomorphology-based artificial neural networks (GANNs) for estimation of direct runoff over watersheds.” , Journal of Hydrology, Vol.273, pp.18-34(2003).
24.Cordan, O. and Herrera, F., “A General Study on Genetic Fuzzy Systems”, Genetic Algorithms in Engineering and Computer Science, pp. 33-57(1995).
25.Dooge,J.C.I.,”A General theory of the unit hydro-grapph”, J.Geophys.Res., Vol.64, NO.2, pp.241-256(1959).
26.Elizabrth M.Shaw, "Hydrology in Practice-third edition" ,Chapman & Hall(1994).
27.Gokmen Tayfur ,Vijay P. Singh, “ANN and Fuzzy Logic Models for Simulating Event-Based Rainfall-Runoff.” , Journal of Hydrologic Engineering, Vol.132, No.12,December 1, pp.1069-1075(2006).
28.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).
29.Hsu, Kao-Lin, "Application of a recurrent neural network to rainfall-runoff modeling", Annual Water Resources Planning and Management Conference (1997).
30.Kwan Tun Lee and Ben Chie Ten, “Geomorphology and Kinematic–Wave -Based Hydrograph Derivation ”, Journal of Hydrologic Engineering, Vol.123, No.1, January, pp.73-80(1997).
31.Lung-sheng Hsieh and Ru-yih Wang, “A semi-distributed parallel-type linear reservoir rainfall-runoff model and its application in Taiwan”, Hydrological Processes, Vol.13, pp.1247-1268(1999).
32.Subhash Sharma, “Applied Multivariate Techniques”, John Wiley & Sons(Asia) Pte Ltd. (1996).
33.Thirumalaiah, K. and C.D. Makarand, "Hydrological Forecasting Using Neural Networks", Journal Of Hydrologic Engineering, Vol.5, No.2, pp.180-189 (2000).
34.Pang-Ning Tan , ichael Steinbach and Vipin Kumar, ”Introduction to Data Mining ”, Pearson Education, Inc.(2008).
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