(3.229.120.26) 您好!臺灣時間:2021/04/10 21:57
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:駱姿樺
研究生(外文):Lo, Tzu-Hua
論文名稱:以類神經網路預測台北港海域的颱風波浪
論文名稱(外文):Prediction of typhoon waves off the Port Taipei using artificial neural networks
指導教授:蔡政翰蔡政翰引用關係蔡仁智
指導教授(外文):Tsai, Chen-HanTsai, Jen-Chih
學位類別:碩士
校院名稱:國立臺灣海洋大學
系所名稱:海洋環境資訊學系
學門:自然科學學門
學類:海洋科學學類
論文種類:學術論文
論文出版年:2013
畢業學年度:101
語文別:中文
論文頁數:109
中文關鍵詞:颱風波浪類神經網路
外文關鍵詞:typhoon wavesneural network model
相關次數:
  • 被引用被引用:5
  • 點閱點閱:180
  • 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:37
  • 收藏至我的研究室書目清單書目收藏:0
本研究搜集2001年至2007年中央氣象局及日本國土交通省氣象廳(Japan Meteorological Agency, JMA)提供的颱風資料,配合交通部運輸研究所港灣技術研究中心提供之台北港實測波高資料,以倒傳遞類神經網路(BPNN)為架構結合模糊歸屬函數來建置一台北港海域颱風波浪推算模式。
在2001年至2007年本研究共蒐集17個有效颱風資料,其中將14個做為學習颱風及3個做為測試颱風。本研究依照不同的類神經輸入參數分別建置3種颱風波浪推算模式,模式中將颱風中心與觀測站距離、颱風方位角兩個參數取模糊歸屬函數,以修正測站與颱風的距離與受地形效應的影響,並將每一輸入參數往更早時間推至2-6小時前之資料做為輸入以推算颱風波浪時期的波高變化。
由本研究中3種不同模式推算結果可知,最佳模式之輸入參數為颱風中心相對測站移動速度、颱風中心與觀測站距離、颱風方位角及颱風中心最大風速。推算結果顯示在最佳模式中3個測試颱風的平均相關係數CC 為0.878及均方根誤差RMSE 為0.52公尺;波高峰值誤差分別為4.7%、3.2%、10.3%;峰值時間誤差分別為0、 7、 2小時,由結果顯示本模式所建構的倒傳遞類神經網路在颱風未受到陸地影響時,能有效的推算台北港海域颱風波浪的波高。

This study developed predictive models for typhoon waves off the Port of Taipei. The model was based on back propagation neural network method. The present paper collected information of typhoons occurred between 2001 and 2007, and wave height measured near the Port of Taipei, by the Harbor and Marine Technology Center, Institute of Transportation, Ministry of Transportation. Typhoon information was obtained from the Central Weather Bureau and the Japan Meteorological Agency (JMA). After initial screening of all data, it was found that there were seventeen typhoons having sufficient typhoon parameters and wave height for model building. Among the 17 typhoons, 14 of them were used for training and 3 for validation. This study tested three models, whose input consisted of different parameters representing the strength of typhoon as well as the distances between the typhoon and the wave station and the bearings of the typhoons. The latter two were represented by their respective fuzzy membership function. All the input parameters include the data 2-6 hours previous to the time of the prediction. Tests of this study found that the model using the speed of typhoon center relative to the wave station, the distance of the typhoon center and the bearing of the typhoon and the maximum wind speed at the typhoon center as the input parameters has the best result. The validation runs showed that the mean correlation coefficient of the three validation typhoons between the predicted significant wave height and the measured wave height was 0.878, while the mean root mean square error was 52 cm. The percentage errors for the peak wave heights during the typhoon period between the models and measurements for the three typhoons were 4.7%, 3.2%, and 10.3 % respectively. The errors in the time of the peak wave height were 0, 7, and 2 hours respectively. The positive time error means that the peak wave height occurs later than the measured. The validation showed that the model constructed in this study can satisfactorily predict typhoon wave height, if the typhoon track did not pass through Taiwan. For these typhoons their wind fields were not affected by the land and high mountain ranges.
目錄
摘要 I
Abstract III
誌謝 V
目錄 VI
表目錄 IX
圖目錄 X
符號說明 XII
第一章 緒論 1
1-1 研究動機與目的 1
1-2 文獻探討 4
1-3 論文架構 8
第二章 研究方法與資料來源 11
2-1 研究方法 11
2-1-1 類神經網路模式基本介紹 11
2-1-2 倒傳遞類神經網路架構 13
2-1-3 倒傳遞類神經網路演算法 14
2-1-4 類神經網路效能評估指標 17
2-2 模糊理論 17
2-3 海象資料來源 20
2-4 氣象資料來源 23
2-5 颱風資料分組 28
第三章 模式輸入因子之探討及模式架構建立 34
3-1 颱風波浪影響因子之探討 34
3-1-1颱風風場之探討 34
3-1-2颱風波浪模式輸入因子之選擇 38
3-1-3輸入因子之探討及與實測颱風波高之關連性 39
3-2 颱風波浪預測模式之建置 50
3-2-1 網路模式之架構棎討 51
3-2-2 網路架構及參數測試 59
3-2-3 模式之最佳網路架構 63
第四章 颱風波浪預報實例探討 65
4-1 模式的驗證與比較 65
4-1-1 模式學習結果之比較 65
4-1-2 模式評斷參數 68
4-1-3 模式測試結果之比較 69
4-2 模式的討論 82
4-3 與D及θ1未取模糊歸屬函數之模式比較 85
第五章 結論 86
參考文獻 89

表目錄
表2 1台北港2001年1月至2007年12月波浪資料統計表 22
表2 2 2001~2007年間襲台颱風列表 24
表2-3颱風波浪模式之學習颱風資料與台北港觀測樁波浪資料時間 30
表2-4颱風波浪模式之測試颱風資料與台北港觀測樁波浪資料時間表 30
表3-1隱藏層神經元數目比較表 63
表4-1 三種模式在學習訓練及測試推算示性波高的相關係數(CC) 與均方根誤差(RMSE)比較 67
表4-2 三種模式測試結果(CC、RMSE、∆HSp、∆tpeak)之比較 71
表4-3三種模式測試結果( 、 、HSm )之比較 72
表4-4最佳模式-模式二取歸屬函數及未取歸屬函數之比較 85

圖目錄
圖1-1侵台颱風路徑分類統計圖 3
圖2-1人工神經元處理單元模型 12
圖2-2雙彎曲轉移函數(Sigmoid transfer function) 14
圖2-3倒傳遞類神經網路演算流程 16
圖2-4模糊系統架構 18
圖2-5台北港觀測樁位置圖 23
圖2-6台北港觀測樁 23
圖2-7颱風分組1 31
圖2-8颱風分組2 31
圖2-9颱風分組3 32
圖3-1颱風近中心最大風速與示性波高關係圖 40
圖3-2颱風中心至觀測站距離與示性波高關係圖 41
圖3-3颱風方位角示意圖 43
圖3-4颱風中心方位角θ1與測站相對位置示意圖 44
圖3-5颱風方位角與示性波高關係圖 44
圖3-6颱風中心相對測站的移動速度與方向示意圖 45
圖3-7颱風在900hPa等壓面上內平均風速分布示意圖 47
圖3-8颱風中心相對測站移動速度與示性波高關係圖 48
圖3-9台北港測站位置與陸地影響颱風波浪之θ1角度區域分區圖 56
圖3-10颱風中心至測站距離及方位角與示性波高關係圖 56
圖3-11颱風中心方位角θ1與波高及方位角取歸屬函數之關係圖 57
圖3-12颱風中心至測站距離D與波高及距離取歸屬函數之關係圖 57
圖3-13以NeuroSolutions建立倒傳遞類神經網路之步驟圖示 61
圖4-1以model 1推算卡努颱風波高與實測值之比較 74
圖4-2以model 2推算卡努颱風波高與實測值之比較 74
圖4-3以model 3推算卡努颱風波高與實測值之比較 74
圖4-4以model 1推算泰利颱風波高與實測值之比較 77
圖4-5以model 2推算泰利颱風波高與實測值之比較 78
圖4-6以model 3推算泰利颱風波高與實測值之比較 78
圖4-7以model 1推算馬莎颱風波高與實測值之比較 81
圖4-8以model 2推算馬莎颱風波高與實測值之比較 81
圖4-9以model 3推算馬莎颱風波高與實測值之比較 81

1. Bretschneider, C.L. and Tamaye, E.E. (1976). “Hurricane wind and wave forecasting techniques,” Proceedings of the 15th International Coastal Engineering Conference, Hawaii, 202-237.
2. Booij, N., Holthuijsen, L. H., and Ris, R.C. (1996) “The SWAN wave model for shallow water,” Proceedings of 24th Conference International Conference on Coastal Engineering, ASCE, Orlando, Vol. 1, pp. 668-676.
3. Chang, S.W. (1982). “The orographic effects induced by an island mountain range on propagating tropical cyclones,” Monthly Weather Review, 114, 115-122.
4. Chang, H.K. and Chien, W.A. (2006a). “Neural network with multi-trend simulating transfer function for forecasting typhoon wave,” Advances in Engineering Software, 37, 184-194.
5. Chang, H.K. and Chien, W.A. (2006b). “A fuzzy-neural hybrid system of simulating typhoon waves,” Coastal Engineering, Vol. 53, 737-748.
6. Cybenko, G. (1989). “Approximation by superpositions of a sigmoidal function,” Mathematics of Control, Signals, and Systems, Vol. 2 , No.4, 303-314.
7. Deo, M.C. and Sridhar Naidu, C. (1998). “Real time wave forecasting using neural networks,” Ocean Engineering, Vol. 26, No. 3, 191-203.
8. Deo, M.C., Jha, A., Chaphekar, A.S. and Ravikant, K. (2001). “Neural networks for wave forecasting”, Ocean Engineering, Vol. 28, N0. 7, 889-898.
9. Deo, M.C., Gondane, D.S. and Sanil Kumar, V. (2002). “Analysis of wave directional spreading using neural networks,” Journal of Waterway, Port, Coastal, and Ocean Engineering, Vol. 128, 30-37.
10. Deo, M.C. and Jagdale, S.S. (2003). “Prediction of breaking waves with neural networks,” Ocean Engineering, Vol. 30, No. 9, 1163-1178.
11. Harper, B. A. and Holland, G. J. (1999). “An updated parameter model of the tropical cyclone,” Proceedings of the 23th Conference of Hurricane and Tropical Meteorology, Dallas, Texas, 893-896.
12. Hasselmann, H., Barnett, T., Bouws, P.E., Carlson, H. and Cartwright, D.E. (1973). “Measurements of wind-wave growth and swell decay during the Joint North Sea Wave Project (JONSWAP) ,” Deutsche Hydrographische Zeitschrift, Supplement A, Vol. 8, No. 12, 95.
13. Hasselmann, S., Hasselmann, K., Allender, J.H. and Barnett, T.P. (1985). “Computations and parameterizations of the nonlinear energy transfer in a gravity-wave spectrum,” Part II: Parameterizations of the nonlinear energy transfer for application in wave models. Journal of Physical Oceanography, vol. 15: 1378-1391.
14. Holland, G.J. (1980). “An analysis model of the wind and pressure profiles in hurricanes,” Monthly Weather Review, Vol. 108, No. 8, 1212-1218.
15. Shea, D.J. and Gray, W.M. (1973). “The hurricane's inner core region: I. Symmetric and asymmetric structure,” Journal of Atmospheric Science, Vol. 30, 1544-1564.
16. Shore Protection Manual (SPM) (1984). 4th Ed., U.S. Army Coastal Engineering Research Center, Fort Belvoir, Vol. I-III.
17. Shore Protection Manual (SPM) (2002). 4th Ed., U.S. Army Coastal Engineering Research Center, Fort Belvoir, Vol. I-III.
18. Tsai, J.C. and Tsai, C.H. (2009). “Wave measurements by pressure transducers using artificial neural networks,” Ocean Engineering 36(15-16), 1149-1157.
19. Tsai, J.C. Tsai, C.H., and Tseng, H.M. (2008). “Pressure derived wave height using artificial neural networks,” Oceans’08 MTS/IEEE Kobe-Techno-Ocean ‘08, Kobe, Japan.
20. Tsai, C.P., Lin, C., Shen. J.N., (2002). “Neural network for wave forecasting among multi-stations”, Ocean Engineering 29, 1683-1695.
21. Vickery, P.J., Skerlj, P.F., Steckley, A.C. and Twisdale, L.A. (2000). “Hurricane Wind Field Model for Use in Hurricane Simulations,” Journal of Structural Engineering, Vol.126, No. 10, 1203-1221.
22. WAMDI Group (1988) “A Third generation ocean wave prediction model,” Journal of Physical Oceanography, Vol.18, pp.1775-7810.
23. Yeh, T.C. and Elsberry, R.L. (1993a). “Interaction of typhoons with the Taiwan orography. Part I: Upstream track deflections,” Monthly Weather Review, Vol. 121, 3193-3212.
24. Yeh, T.C. and Elsberry, R.L. (1993b). “Interaction of typhoons with the Taiwan orography. Part II: Continuous and discontinuous tracks across the island,” Monthly Weather Review, Vol. 121, 3213-323.
25. Young, I.R. (1988). “Parametric Hurricane Wave Prediction Model,” Journal of Waterway, Port, Coastal, and Ocean Engineering, Vol. 114, No. 5, 637-652.
26. Young, I.R. (2000). “A review of the sea state generated by hurricanes,” Marine Structures, Vol. 16, 201-218.
27. 中央氣象局(2013),http://www.cwb.gov.tw/V7/knowledge/ encyclopedia/ty000.htm, last access :2013/01/25.
28. 尹相志 (2006),「SQL Server 2005 資料採礦聖經」,學貫行銷股份有限公司。
29. 王珍貴 (2007),「應用類神經網路模式模擬颱風降雨量」,國立成功大學水利及海洋研究所碩士論文。
30. 王進德 (2008),「類神經網路與模糊控制理論入門與應用」,第二版,全華圖書有限公司。
31. 王進德、蕭大全 (2005),「類神經網路與模糊控制理論入門」,全華科技圖書有限公司。
32. 何良勝、林受勳、江金德 (2002),「台灣地區波浪預警系統之應用研究」,交通部運輸研究所研究報告。
33. 李東峰 (2004),「倒傳遞類神經網路颱風波浪預報模式之研究」,國立臺灣海洋大學河海工程學系碩士論文。
34. 林賢銘 (2011),「結合歸屬函數之類神經網路颱風波浪推算模式」,國立交通大學土木工程研究所碩士班碩士論文。
35. 邱方瑜 (2011),「以類神經網路預測龍洞海域的颱風波浪」,國立臺灣海洋大學海洋環境資訊學系碩士班碩士論文。
36. 段智懷 (2004),「倒傳遞類神經網路小區域颱風降雨預報-前饋式與遞迴式之比較」,逢甲大學水利工程所碩士論文。
37. 張憲國、錢維安、何良勝 (2003),「 應用類神經網路在台灣東岸海域颱風波浪推算之研究」,海洋工程學刊,第3卷,第1期,第73-95頁。
38. 張憲國、錢維安、何良勝、林受勳 (2004),「台灣港灣地區颱風波浪推算之應用研究(二). 」,交通部運輸研究研究報告。
39. 黃明宏 (2008),「格網型類神經網路颱風降雨量模擬模式」,國立成功大學水利及海洋工程研究所碩士論文。
40. 蔡仁智 (2010),「資料探勘應用於波浪測量與近岸危險波浪預測模式」,國立臺灣海洋大學海洋環境資訊系博士論文。
41. 錢維安 (2006),「模糊-類神經混合網路之颱風波浪推算模式」,國立交通大學土木工程研究所博士論文。
42. 羅俊雄、張隆男 (1987),「颱風特性及風對結構物影響」,行政院國家科學委員會防災科技研究報告。
43. 蘇昭安 (2003),「應用倒傳遞類神經網路在颱風風浪預報之研究」,碩士論文,國立台灣大學工程科學及海洋工程學研究所。

連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
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