跳到主要內容

臺灣博碩士論文加值系統

(18.97.14.81) 您好!臺灣時間:2024/12/05 08:20
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

我願授權國圖
: 
twitterline
研究生:林益峰
研究生(外文):Yi-Feng Lin
論文名稱:以人工智慧模式評估在氣候變遷影響下對台灣區域河川流量之衝擊
論文名稱(外文):Use Artificial intelligence model to assess the Taiwan region’s river flows impact under the influence of climate change
指導教授:林旭信林旭信引用關係
指導教授(外文):Shiu-Shin Lin
學位類別:碩士
校院名稱:中原大學
系所名稱:土木工程研究所
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:2011
畢業學年度:99
語文別:中文
論文頁數:116
中文關鍵詞:輻狀基底類神經網路拔靴法氣候變遷區域流量
外文關鍵詞:BootstrapRegion river flowClimate changeRBFNN
相關次數:
  • 被引用被引用:4
  • 點閱點閱:271
  • 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
氣候變遷為目前世界各國所重視的議題,根據IPCC第四次之評估報告,氣候變遷對氣候及降雨型態帶來變化,相對的水資源也會受到衝擊影響。而台灣之水資源大都來自於河川,因此以河川流量做預估對象,藉此評估對未來水資源之衝擊。
研究中利用台灣北、中、南、東四區中央氣象局雨量及溫度資料和水利署之流量資料,以輻狀基底類神經網路(Radial Basis Function Neural Network,簡稱RBFNN)為核心結合基因演算法建立區域流量評估模式(Regional Flow Impact Model,簡稱RFIM),再將降尺度後之氣候資料輸入RFIM模式,模擬分析未來氣候變遷對區域流量之衝擊,並利用拔靴法(Bootstrap Method)重複建立模型來評估RFIM模式之不確定性,提供給決策者做為規劃未來水資源應用之參考。
模擬分析結果顯示未來各區流量上下界差異不會因情境上之不同而影響極大,約為正負2億立方公尺之間。北區上下界流量差異平均13億立方公尺,中區平均21億立方公尺,南區平均17億立方公尺,東區平均10億立方公尺。在任一情境下北區豐枯水期流量差異約為每年40億立方公尺,中區豐枯水期流量差異約為每年88億立方公尺,南區豐枯水期流量差異約為每年93億立方公尺,其東區受情境影響較大,在A1B情境下豐枯水量差異約為每年30億立方公尺,在B1及A2情境下約為每年67億立方公尺。在流量趨勢方面,在A2情境短期、A1B情境短期、A1B情境長期、B1情境中期,四區皆有流量增加之趨勢。



The climate changes are the most currently important issue around the world. According to the forth assessment report from IPCC, the climate changes will result in the climate and rainfall variations; it will also impact on the water resources. The water resources almost come from the river flow in Taiwan. For this reason, the study estimates the impact of river flow in the future.
In this research, the related rainfall and temperature data from the Central Weather Bureau and river flow data from the Water Resources Agency, including the northern, the middle, the southern and the eastern region of Taiwan, were collected first. Then, the Regional Flow Impact Model (RFIM) is constructed by combining the Radial Basis Function Network (RBFNN) and the Genetic Algorithm (GA). The downscaling climate data are inputted to the calibrated RFIM to investigate the impact on regional river flow which offers the references for decision- makers as planning the applications of future water resources. Meanwhile, the Bootstrap sampling method is used estimate the uncertainty of RFIM.
Simulation results show that there exist slight differences in river flow under different scenarios with upper and lower bounds about 0.2 billion cubic meters between positive and negative. The average difference between the upper and lower flows is 1.3 billion cubic meters in the northern region, 2.1 billion cubic meters in the middle region, 1.7 billion cubic meters in the southern region, and 1.0 billion cubic meters in the eastern region. For any scenarios, the river flows between the wet season and dry season are about 4.1 billion cubic meters in the northern region per year, 8.8 billion cubic meters in the middle region per year, 9.3 billion cubic meters in the southern region per year. However, the river flow in the eastern region is highly influenced by the scenarios. In A1B scenarios, the flow between the wet and dry season are about 3.1 billion cubic meters in the eastern region per year. In B1 and A2 scenarios, the difference in flow is about 6.7 billion cubic meters. Increase in river flow of the four regions under the scenarios of A2 short-term, A1B short-term, A1B long-term and B1 mid-term can be observed.



中文摘要
Abstract
誌謝
目錄
圖目錄
表目錄
附圖目錄
附表目錄
第一章 緒論
1.1 前言
1.2 研究目的
1.3 研究方法與步驟
1.4 論文組織
第二章 理論分析
2.1 全球環流模式
2.2 輻狀基底類神經網路
2.3 基因演算法
2.4 不確定性分析
第三章 資料分析與模式建立
3.1 資料簡介與分析
3.1.1 資料簡介
3.1.2 資料分析
3.2 區域流量模式建立(RFIM)
3.2.1 輸入變數之選擇
3.2.2 RFIM模式參數之決定
3.3 預測效能評估指標
3.4 模式效能評估
3.4.1 RFIM1模式
3.4.2 RFIM2模式
3.5 小結
第四章 未來區域流量預測
4.1 使用未來氣候資料模擬未來區域流量
4.2 未來流量之衝擊評估
第五章 結論與建議
5.1 結論
5.2 建議
參考文獻

圖目錄
圖 1. 未來水資源衝擊評估流程
圖 2. 研究流程示意
圖 3. 輻狀基底函數類神經網路架構示意
圖 4. 基因演算法流程
圖 5. 拔靴法(Bootstrap Method)流程示意
圖 6. 台灣水資源分區
圖 7. 淡水站(雨量)對北區流量之CCF示意
圖 8. 淡水站(溫度)對北區流量之CCF示意
圖 9. 彭佳嶼站(雨量)對北區流量之CCF示意
圖 10. 彭佳嶼站(溫度)對北區流量之CCF示意
圖 11. 鞍部站(雨量)對北區流量之CCF示意
圖 12. 鞍部站(溫度)對北區流量之CCF示意
圖 13. 竹子湖站(雨量)對北區流量之CCF示意
圖 14. 竹子湖站(溫度)對北區流量之CCF示意
圖 15. 宜蘭站(雨量)對北區流量之CCF示意
圖 16. 宜蘭站(溫度)對北區流量之CCF示意
圖 17. 基隆站(雨量)對北區流量之CCF示意
圖 18. 基隆站(溫度)對北區流量之CCF示意
圖 19. RFIM1模式示意
圖 20. RFIM2模式
圖 21. 參數測試流程
圖 22. GOAL及SPREAD參數測試
圖 23. 決定GOAL測試範圍
圖 24. 建立流量評估模式(RFIM)訓練流程
圖 25. 建立流量評估模式(RFIM)測試流程
圖 26. 訓練事件編號199結果示意
圖 27. 驗證事件編號199結果示意
圖 28. RFIM1-N測試
圖 29. RFIM1-N(90%)測試
圖 30. RFIM1-N(80%)測試
圖 31. RFIM1-N(70%)測試
圖 32. RFIM1-N(60%)測試
圖 33. 參數組合說明
圖 34. RFIM1-N最終參數組合測試
圖 35. RFIM1-N(80%)最終參數組合測試
圖 36. RFIM1-N(80%)(25%(3))測試
圖 37. RFIM2-N測試
圖 38. RFIM2-N(80%)測試
圖 39. RFIM2-N(80%)(25%(3))測試
圖 40.A1B情境下之北區流量範圍(RFIM1-N(80%)(25%(3)))
圖 41.在A2情境下之北區流量範圍值(RFIM1-N(80%)(25%(3)))
圖 42. 在B1情境下之北區流量範圍值(RFIM1-N(80%)(25%(3)))

表目錄
表 1. 所選用中央氣象測站表
表 2. 所選用之水利署流量測站
表 3. 所採用之降尺度模式列表
表 4. 氣象站及流量站資料所採用時間之列表
表 5. 歷史降雨及溫度資料(1970~2009年)平均值及標準差
表 6. 各區模式Input及Output組合
表 7. 各區模式二輸入檔之組合
表 8. 中區資料簡介
表 9. 各區RFIM模式參數範圍
表 10. 北區模式建立資料
表 11. 北區測試事件編碼
表 12. RFIM1-N效能評估
表 13. RFIM1-N(90%~60%)效能評估
表 14. RFIM1-N及RFIM1-N(80%)最終參數組合測試表現
表 15. 各區RFIM1較佳修正指標及各區較佳之參數組合
表 16. RFIM2-N效能評估
表 17. 模式一和模式二各區模式評估指標
表 18. 北區未來流量平均(A1B情境) (RFIM1-N(80%)(25%(3)))
表 19. 北區未來流量平均(A2情境) (RFIM1-N(80%)(25%(3)))
表 20. 北區未來流量平均(B1情境) (RFIM1-N(80%)(25%(3)))

附圖目錄
附圖 1. 日月潭站(雨量)對中區流量之CCF示意
附圖 2. 日月潭站(溫度)對中區流量之CCF示意
附圖 3. 台中站(雨量)對中區流量之CCF示意
附圖 4. 台中站(溫度)對中區流量之CCF示意
附圖 5. 玉山站(雨量)對南區流量之CCF示意
附圖 6. 玉山站(溫度)對南區流量之CCF示意
附圖 7. 阿里山站(雨量)對南區流量之CCF示意
附圖 8. 阿里山站(溫度)對南區流量之CCF示意
附圖 9. 高雄站(雨量)對南區流量之CCF示意
附圖 10. 高雄站(溫度)對南區流量之CCF示意
附圖 11. 嘉義站(雨量)對南區流量之CCF示意
附圖 12. 嘉義站(溫度)對南區流量之CCF示意
附圖 13. 大武站(雨量)對東區流量之CCF示意
附圖 14. 大武站(溫度)對東區流量之CCF示意
附圖 15. 臺東站(雨量)對東區流量之CCF示意
附圖 16. 臺東站(溫度)對東區流量之CCF示意
附圖 17. 成功站(雨量)對東區流量之CCF示意
附圖 18. 成功站(溫度)對東區流量之CCF示意
附圖 19. 花蓮站(雨量)對東區流量之CCF示意
附圖 20. 花蓮站(溫度)對東區流量之CCF示意
附圖 21. 蘭嶼站(雨量)對東區流量之CCF示意
附圖 22. 蘭嶼站(溫度)對東區流量之CCF示意
附圖 23. 北區GOAL及SPREAD參數測試
附圖 24. 北區決定GOAL測試範圍
附圖 25. 南區GOAL及SPREAD參數測試
附圖 26. 南區決定GOAL測試範圍
附圖 27. 東區GOAL及SPREAD參數測試
附圖 28. 東區決定GOAL測試範圍
附圖 29. RFIM1-M測試
附圖 30. RFIM1-M(90%)測試
附圖 31. RFIM1-M(80%)測試
附圖 32. RFIM1-M(70%)測試
附圖 33. RFIM1-M(60%)測試
附圖 34. RFIM1-S測試
附圖 35. RFIM1-S(90%)測試
附圖 36. RFIM1-S(80%)測試
附圖 37. RFIM1-S(70%)測試
附圖 38. RFIM1-S(60%)測試
附圖 39. RFIM1-E測試
附圖 40. RFIM1-E(90%)測試
附圖 41. RFIM1-E(80%)測試
附圖 42. RFIM1-E(70%)測試
附圖 43. RFIM1-E(60%)測試
附圖 44. RFIM1-M最終參數組合測試
附圖 45. RFIM1-M(80%)最終參數組合測試
附圖 46. RFIM1-M(80%)(25%(4))測試
附圖 47. RFIM1-S最終參數組合測試
附圖 48. RFIM1-S(80%)最終參數組合測試
附圖 49. RFIM1-S(80%)(25%(4))模擬
附圖 50. RFIM1-E最終參數組合測試
附圖 51. RFIM1-E(80%)最終參數組合測試
附圖 52. RFIM1-E(80%)(25%(1))模擬
附圖 53. RFIM2-M測試
附圖 54. RFIM2-M(80%)測試
附圖 55. RFIM2-S測試
附圖 56. RFIM2-S(80%)測試
附圖 57. RFIM2-E測試
附圖 58. RFIM2-E(80%)測試
附圖 59. RFIM2-M(80%)(25%(4))測試
附圖 60. RFIM2-S(80%)(25%(4))測試
附圖 61. RFIM2-E(80%) (25%(1))測試
附圖 62.在B1情境下中區未來流量趨勢(RFIM1-M(80%)(25%(4)))
附圖 63.在A1B情境下中區未來流量趨勢(RFIM1-M(80%)(25%(4)))
附圖 64.在A2情境下中區未來流量趨勢(RFIM1-M(80%)(25%(4)))
附圖 65.在B1情境下南區未來流量趨勢(RFIM1-S(80%)(25%(4)))
附圖 66.在A1B情境下南區未來流量趨勢(RFIM1-S(80%)(25%(4)))
附圖 67.在A2情境下南區未來流量趨勢(RFIM1-S(80%)(25%(4)))
附圖 68.在B1情境下東區未來流量趨勢(RFIM2-E(80%)(25%(1)))
附圖 69.在A1B情境下東區未來流量趨勢(RFIM2-E(80%)(25%(1)))
附圖 70.在A2情境下東區未來流量趨勢(RFIM2-E(80%)(25%(1)))

附表目錄
附表 1. 北區資料簡介
附表 2. 南區資料簡介
附表 3. 東區資料簡介
附表 4. 各區RFIM1效能評估
附表 5. 各區RFIM2效能評估
附表 6. 中區未來流量平均(B1情境)(RFIM1-M(80%)(25%(4)))
附表 7. 中區未來流量平均(A1B情境)(RFIM1-M(80%)(25%(4)))
附表 8. 中區未來流量平均(A2情境)(RFIM1-M(80%)(25%(4)))
附表 9. 南區未來流量平均(B1情境)(RFIM1-S(80%)(25%(4)))
附表 10. 南區未來流量平均(A1B情境)(RFIM1-S(80%)(25%(4)))
附表 11. 南區未來流量平均(A2情境)(RFIM1-S(80%)(25%(4)))
附表 12. 東區未來流量平均(B1情境)(RFIM2-E(80%)(25%(1)))
附表 13. 東區未來流量平均(A1B情境)(RFIM2-E(80%)(25%(1)))
附表 14. 東區未來流量平均(A2情境)(RFIM2-E(80%)(25%(1)))


Al-Abed, N., and Al-Sharif, M., 2007, “Hydrological Modeling of Zarqa River Basin – Jordan Using the Hydrological Simulation Program – FORTRAN (HSPF) Model ,” Water Resources Management, 22, pp.1203-1220
Archer, D. R., and Fowler, H. J., 2008, “Using Meteorological Data to Forecast Seasonal Runoff on the River Jhelum, Pakistan”, Journal of Hydrology, 361, pp.10-23.
Albek, M., Ogutveren, U. B., and Albek, E., 2004, “Hydrological Modeling of Seydi Suyu Watershed(Turkey) with HSPF,” Journal of Hydrology, 285, pp. 260-271.
Booij. M. J.(2005), “Impact of Climate Change on River Flooding Assessed With Different Spatial Model Resolutions,”Journal of Hydrology, 303, pp. 176-198。
Blasone, R. S., Madsen, H., and Rosbjerg, D., 2008, “Uncertainty Assessment of Integrated Distributed Hydrological Models Using GLUE with Markov Chain Monte Carlo Sampling,” Journal of Hydrology, 353, pp. 18-32。
Chang, F. J., and Chang, Y. T., 2006, “Adaptive Neuro-Fuzzy Inference System for Prediction of Water Level in Reservoir,” Advances in Water Resources, 29, pp.1-10
Chen, Y. H., and Chang, F. J., 2009, “Evolutionary Artificial Neural Networks for Hydrological Systems Forecasting,” Journal of Hydrology, 367, pp.125-137.
Chen, Y. C., and Chang, F. J., 2003, “Estuary Water-Stage Forecasting by Using Radial Basis Function Neural Network,” Journal of Hydrology, 270, pp.158-165.
Cheng, C. T., Zhao, M. Y., Chau, K. W., and Wu, X. Y., 2006, “Using Genetic Algorithm and TOPSIS for Xinanjiang Model,” Journal of Hydrology, 316, pp.129-140.
Dawson, C. W., and Wilby, R. L., 2001,” Hydrological Modeling Using Artificial Neural Networks,” Progress in Physical Geography, 25(1), pp.80-108.
Gardner, L. R., 2009, “Assessing the Effect of Climate Change on Mean Annual Runoff,” Journal of Hydrology, 379, pp.351-359
Lian, Y., Chan, I. C., Singh, J., Demissie, M., Knapp, V., and Xie, H., 2007, “Exploiting Simulation Model Results in Parameterising a Bayesian network – A Case Study of Dissolved Organic Carbon in Catchment Runoff,” Journal of Hydrology, 344, pp.210-222
Menzel, L., and Burger, G., 2002, “Climate Change Scenarios and Runoff Response in the Mulde Catchment (Southern Elbe, Germany),” Journal of Hydrology, 267, pp.53-64。
Efron, B., 1979, “Bootstrap Methods:Another Look at the Jackknife,” The Annals of Statistics,7,pp.1-26。
Moore, K., Pierson, D., Pettersson, K., Schneiderman, E., and Samuelsson, P., 2008, “Effects of Warmer World Scenarios on Hydrologic Inputs to Lake Mälaren, Sweden and Implications for Nutrient Loads,” Hydrobiologia, 599, pp.191-199
Muzik., 2002, “A First-Order Analysis of the Climate Change Effect on Flood Frequencies in a Subalpine Watershed by Means of a Hydrological Rainfall–Runoff Model,” Journal of Hydrology, 267, pp.65-73
Pal, I., and Al-Tabbaa, A., 2009, “Trends in Seasonal Precipitation Extremes – An Indicator of ‘Climate Change’ in Kerala, India,” Journal of Hydrology, 367, pp.62-69
Payne, J., Wood, A., Hamlet, A., Palmer, R., and Lettenmaier, P., 2004, “Mitigating the Effects of Climate Change on the Water Resources of the Columbia River Basin,” Climatic Change,62,pp.233-256
Simpson, P. K, 1993, “Fuzzy Min-Max Neural Networks-Part2,” IEEE Transactions on Fuzzy Systems, VOL. 1, NO. I
Sedkia, A., Ouazara, D., and Mazoudib, E. E., 2009, “Evolving neural Network Using Real Coded Genetic Algorithm for Daily Rainfall–Runoff Forecasting,” Expert Systems with Applications,36,pp.4253-4257
Yu, Pao-Shan, Tao-Chang Yang and Chin-Kang Wu(2002), “The Impact of Climate Change on Water Resources in Southern Taiwan,” Joural of Hydrology, Vol. 260(1-4), pp. 161-175.
李清縢、吳明進,2005,「台灣氣候降尺度模擬」,全球變遷通訊雜誌,第四十七期。
李穆,2009,「以徑向基底類神經網路建立簡支梁位移場之研究」,國立台北科技大學,台北。
沈宗澤,2001,「以遺傳演算法及共軛梯度訓練類神經網路」,國立成功大學航太工程研究所,台南。
林淑華、柳中明、陳正達,2005,「近地面氣溫模擬場之統計降尺度方法發展。氣候變遷、衝擊、因應與永續發展研究進展2005(上冊)」,國立台灣大學全球變遷研究中心,台北。
林國峰,2005,「輻狀基底函數網路於水文系統之研究(1/3)」,行政院國家科學委員會專題研究計畫。
林國峰,2008,「輻狀基底函數網路於水文系統之研究(3/3)研究成果報告(完整版)」,行政院國家科學委員會專題研究計畫。
林國峰,2004,「自組織映射圖網路於水文屬性均一區劃分之研究:以設計雨型為例」,行政院國家科學委員會專題研究計畫。
金紹興、謝明昌,2001,「氣候變遷對台灣水文環境之影響」,新世紀水資源問題研析與對策研討會,台南縣。
周湘俊、許盈松、張義敏、陳福田、陳茂雄、黃鎮豐,2004,「類神經網路方法分析流量率定曲線之研究」,第八屆海峽兩岸水利科技交流研討會。
周心怡,2004,「拔靴法(Bootstrap)之探討及其應用」,中央大學統計研究所,中壢。
張斐章、張麗秋、林永堂,2005,「結合OLS與SGA建構輻狀基底類神經網路於洪水預測之研究」,臺灣水利,第五十三卷,第四期。
洪益發,梁昇,2004,「集水區暴雨與逕流關係個案研究」,水土保持學報,36(4),pp.345-364。
黃晉華,2007,「以類神經模糊推理修正水位預測之一階延遲現象」,逢甲大學水利工程學系,台中。
陳立偉,2007,「氣候變遷對水資源之衝擊評估-以牡丹水庫集水區為例」,中原大學土木系水利所,中壢
陳惠菁,廖宜恩,2005「結合自適應共振理論網路二世與基因演算法之分類器」,第十屆人工智慧與應用研討會。
陳永昌,2002,「應用類神經網路與遺傳演算法對端銑削加工參數最佳化」,國立高雄第一科技大學機械與自動化工程系,高雄。
柳中明,林旭信,林淑華,2007,「因應氣候變遷及京都議定書水利政策調整(2/2)」,國立台灣大學變遷研究中心,台北。
虞國興、許書平,1998,「氣候變遷對水資源之衝擊-雨量分析」,農業工程學報,第四十四卷,第一期。
謝龍生、童慶斌、劉子明、陳明業、王銘燦,2002,「氣候變化綱要公約資訊速報」,國立臺灣大學生物環境系統工程學系統,第三十四期,pp.8-13。
龔志富,2008,「聯合波浪與水位機率之分佈」,國立成功大學碩士在職專班,台南。
張斐章、張麗秋,2006,「類神經網路」,東華書局,台北市。

電子全文 電子全文(本篇電子全文限研究生所屬學校校內系統及IP範圍內開放)
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top