請用此 Handle URI 來引用此文件：
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/19707完整後設資料紀錄
| DC 欄位 | 值 | 語言 |
|---|---|---|
| dc.contributor.advisor | 駱尚廉 | |
| dc.contributor.author | Sheng-Chung Huo | en |
| dc.contributor.author | 霍勝中 | zh_TW |
| dc.date.accessioned | 2021-06-08T02:14:35Z | - |
| dc.date.copyright | 2016-02-02 | |
| dc.date.issued | 2015 | |
| dc.date.submitted | 2015-12-10 | |
| dc.identifier.citation | Agrawal, D., Singh, J. K., Kumar, A., 2005. Maximum entropy-based conditional probability distribution runoff model. Biosyst Eng. 90(1), 103-113.
Amorocho, J. Espildora, B., 1973. Entropy in the Assessment of Uncertainty in Hydrologic Systems and Models. Water Resour Res. 9(6), 1511-1522. Angelica, L., Gutierrez, M., 2004. Accuracy evaluation of rainfall disaggregation methods. J. Hydrologic Eng. 9(2), 71-78. Angulo-Martinez, M., Begueria, S., 2009. Estimating rainfall erosivity from daily precipitation records: A comparison among methods using data from the Ebro Basin (NE Spain). J. Hydrol. 379(15), 111-121. Bicknell, B. R., Imhoff, J. S., Kittle, J. L., Jobes, T. H., Donigian, A. S., 2001. Hydrological Simulation Program-FORTRAN (HSPF): User’s Manual-Version 12. US Environmental Protection Agency. Burton, A., Glenis, V., Jones, M.R., Kilsby, C.G., 2013. Models of daily rainfall cross-correlation for the United Kingdom. Environ. Model. Softw. 49, 22-33. Chapman, T. G. 1986. Entropy as A Measure of Hydrologic Data Uncertainty andModel Performance. J. Hydrol. 85, 111-126. Chang, C. L., Lo, S. L., Yu, S. L., 2005. Applying fuzzy theory and genetic algorithm to interpolate precipitation. J. Hydrol. 314(1-4), 92-104. Chang, C. L., Lo, S. L., Yu, S. L., 2006. The parameter optimization in inverse distance method by genetic algorithm for estimate precipitation. Environ Monit Assess. 117(1-3), 145-155. Chapra, S. C. and Pelletier, G. J., 2003. QUAL2K: A Modeling Framework for Simulating River and Stream Water Quality: Documentation and Users Manual. Civil and Environmental Engineering Dept., Tufts University. Chen, H. W., Chang, N. B., 2010. Using fuzzy operators to address the complexity in decision making of water resources redistribution in two neighboring river basins. Adv. Water Resour. 33(6), 652-666. Chen, S. Z., Wang, X. J., Zhao, X. J., 2008. An attitude recognition model based on entropy weight for evaluating the quality of groundwater sources. J. China Univ. Mining & Technol. 18(1), 72-75. Chen, Y. C., Chiang, W., Yeh, H. C., 2008. Rainfall network design using kriging and entropy. Hydrol. Process. 22(3), 340-346. Cheng, C.L. et al., 2002. Combining a fuzzy optimal model with a genetic algorithm to solve multiobjective rainfall-runoff model calibration. J. Hydrol. 268 (1-4), 72-86. Deepak Agrawal, J. K., Singh, A. K., 2005. Maximum entropy-based conditional probability distribution runoff model. Biosyst eng. 90(1), 103-113. Dhanya, C. T., Nagesh Kuma, D., 2010. Nonlinear ensemble prediction of chaotic daily rainfall. Adv. Water Resour. 33(3), 327-347. Efstratiadis, A., Dialynas, Y. G., Kozanis, S., Koutsoyiannis, D., 2014. A multivariate stochastic model for the generation of synthetic time series at multiple time scales reproducing long-term persistence. Environ. Model. Softw. 62, 139-152. Fischer, R., Armstrong, A., Shugart, H. H., Huth, A., 2014. Simulating the impacts of reduced rainfall on carbon stocks and net ecosystem exchange in a tropical forest. Environ. Model. Softw. 52, 200-206. Giudice, D. D., Reichert, P, Bares, V. Albert, C., Rieckermann, J., 2015. Model bias and complexity Understanding the effects of structural deficits and input errors on runoff predictions. Environ. Model. Softw. 64, 205-214. Giusti, E., Marsili-Libelli, S., 2015. A Fuzzy Decision Support System for irrigation and water conservation in agriculture. Environ. Model. Softw. 63, 73-86. Golan, A., Judge, G., Perloff, J. M., 1996. A maximum entropy approach to recovering Information from multinomial response data. J Am Stat Assoc. 91, 841-853. Goovaerts, P., 2000. Geostatistical approaches for incorporating elevation into the spatial interpolation of rainfall. J. Hydrol., 228(1-2), 113-129. Harmancioglu, N. 1981. Measuring the Information Content of Hydrological Processes by the Entropy Concept,' Issue for the Centennial of Ataturk's Brith, Ege University, Izmir, Turkey, 13-40. Kawachi, T., Maruyama, T., Singh, V. P., 2001. Rainfall entropy for delineation of water resources zones in Japan. J. Hydrol. 246(1-4), 36-44. Kim, Y., Shin, H. S., Plummer, J. D., 2014. A wavelet-based autoregressive fuzzy model for forecasting algal blooms. Environ. Model. Softw. 62, 1-10. Kretzschmar, A., Tych, W., Chappell, N. A., 2014. Reversing hydrology: Estimation of sub-hourly rainfall time-series from streamflow. Environ. Model. Softw. 60, 290-301. Kottegoda, N. T., Natale, L., Raiteri, E., 2004. Some considerations of periodicity and persistence in daily rainfalls. J. Hydrol. 296(1-4), 23-37. Lee, S., Ni-Meister, W., Toll, D., Nigro, J., Guiterrez-Magness, A., 2010. Assessing the hydrologic performance of the EPA’s nonpoint source water quality assessment decision support tool using North American Land Data Assimilation System (NLDAS) products. J. Hydrol. 387(3-4), 212-220. Maruyama, T., Kawachi, T., Singh, V. P., 2005. Entropy-based assessment and clustering of potential water resources availability. J. Hydrol. 309(1-4), 104-113. Mehrotra, R., Sharma, A., 2007. Preserving low-frequency variability in generated daily rainfall sequences. J. Hydrol. 35(1-2), 105-120. Mehrotra, R., Li, J., Westra, S., Sharma, A., 2015. A programming tool to generate multi-site daily rainfall using a two-stage semi parametric model. Environ. Model. Softw. 63, 230-239. Muzylo, A., Llorens, P., Valente, F., Kziezr, J. J., Domingo, F., 2009. A review of rainfall interception modeling. J. Hydrol. 370(1-4), 191-206. Ochieng, G. M., Otieno, F. A. O., 2009. Data-based mechanistic modelling of stochastic rainfall-flow processes by state dependent parameter estimation. Environ. Model. Softw. 24, 279-284. Pardo-Iguzquiza, E., Chica-Olmo, M., 2008. Geostatistics with the Matern semivariogram model: A library of computer programs for inference, kriging and simulation. Comput. Geosci. 34(9), 1073-1079. Ratnasingham, S., Geoffrey, G. S. P., 2009. A nested multisite daily rainfall stochastic generation model. J. Hydrol. 371(1-4), 142-153. Shen, Z., Hong, Q., Yu, H., Liu, R., 2008. Parameter uncertainty analysis of the non-point source pollution in the Daning River watershed of the Three Gorges Reservoir Region, China. Sci. Total Environ., 405(1-3), 195-205. Şen, Z., 1998. Average areal precipitation by percentage weighting polygon method. J. Hydrol Eng. 1, 69-72. Şen, Z., Habib, Z., 1998. Point cumulative semivariogram of areal precipitation in mountainous regions. J. Hydrol. 205, 81-91. Şen, Z., Habib, Z., 2000. Spatial precipitation assessment with elevation by using Point Cumulative Semivariogram Technique. Water Resour. Manag. 14, 311-325. Shannon, C. E., 1948. A mathematical theory of communication. Bell Syst. Tech. J. 27, 379-423 623-656. Sami, M., Shiekhdavoodi, M. J., Pazhohanniya, M., Pazhohanniya, F., 2014. Environmental comprehensive assessment of agricultural systems at the farm level using fuzzy logic: A case study in cane farms in Iran. Environ. Model. Softw. 58, 95-108. Sivertun, A., Prange, L., 2003. Non-point source critical area analysis in the Gisselo watershed using GIS. Environ. Modell. Software. 18(10), 887-898. Sonuga, J. O., 1976. Entropy principle applied to the rainfall-runoff process. J. Hydrol. 30(1-2), 81-94. USEPA. 2001. Better Assessment Science Integrating point and Nonpoint Sources BASINS Version 3.0 User’s Manual. US Environmental Protection Agency. Wei, C. C., 2015. Comparing lazy and eager learning models for water level forecasting in river-reservoir basins of inundation regions. Environ. Model. Softw. 63, 137-155. Valette, G., Prévost, S., Léonard, J., Lucas, L., 2012. A virtual discrete rainfall simulator. Environ. Model. Softw. 29, 51-60. Yazdi, J., Salehi Neyshabouri, S. A. A., 2014. Identifying low impact development strategies for flood mitigation using a fuzzy-probabilistic approach. Environ. Model. Softw. Environ. 60, 31-44. Yochitomi, Y., Ikenoue, H., Takeba, T. and Tomita, S., 2000. Genetic Algorithm in Uncertain Environments for Solving Stochastic Programming Problem, J Oper Res Soc Jpn. 43, 266-290. Zou, Z. H., Yun, Y., Sun, J. N., 2006. Entropy method for determination of weight of evaluating indicators in fuzzy synthetic evaluation for water quality assessment. J Environ Sci. 18(5), 1020-1023. 台北水源特定區管理局，「台北水源特定區污水下水道系統未納戶污水處理實施計畫」，2003。 行政院環境保護署，「新店溪上游水源區水質管理計畫」， EPA-96-G103-02-211，96年12月。 行政院環境保護， 「青潭堰集水區以上污染源調查及水質管理計畫」，署EPA-95-G107-02-203，95年12月。 行政院環境保護署，「翡翠水庫水源保護區污染源調查計畫」， EPA-94-G107-02-230，95年1月。 邱智慧，「徵收水污染防治費對河川水質之影響」，台灣大學環境工程學研究所碩士論文，2006。 吳先琪、王美雪、陳世裕，「甘泉計畫(Ⅰ)水庫水維護大型計畫，子計畫(三)，水庫中磷的質量平衡及控制策略研究(第一年)」，行政院環境保護署，79年。 吳宗霖，「設置最佳管理作業成本分析之研究」，台北科技大學環境規劃與管理所碩士論文，2003。 張嘉玲，「以模糊理論分析降雨空間變異推估流量及非點源污染量」，國立台灣大學環境工程學研究所博士論文，2005。 郭振泰，「臺北水源特定區內水質涵容能力推估」，經濟部水利署臺北水源特定區管理局，2006。 郭振泰，余嘯雷，「水庫湖泊非點源性污染研究(一)」，經濟部水利署，85年。 歐陽嶠暉、溫清光、萬騰州，「河川分類水質標準及河川污染指標之檢討」, 行政院環保署委託研究計畫報告，79年. 歐陽嶠暉、溫清光、張添晉、莊順興、張維欽，「中央管河川劃定水區訂定水體分類檢討計畫」EPA-96-G103-02-245，行政院環境保護署，96年12月。 陳鶴文，「柔性計算科學應用於永續性水資源管理之研究」，國立成功大學環境工程學系博士論文，台南市，1999。 張尊國、王立志、林裕彬、徐貴新，「青潭堰集水區以上污染源調查及水質管理計畫」，行政院環境保護署，EPA-95-G107-02-203，台灣大學生物環境系統工程學系，2006。 蔣本基、高志明、林財富及顏有利，「永續台灣2011」，國科會，89年。 楊萬發，「溫泉廢水暨附設餐飲廢水水污染調查及管理制度評估計畫」，行政院環境保護署，EPA-93-G103-02-201，台灣大學環境工程學研究所，2004。 寧蜀光、徐新盛、江介倫、楊磊及張乃斌，「高屏溪流域水質系統分析，第十一屆環境規劃管理研討會論文集」，88年。 | |
| dc.identifier.uri | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/19707 | - |
| dc.description.abstract | 在流域中河川流量、土壤沖刷和河川水質等都和降雨量有密切之關係，所以降雨資料是水資源管理之重要的輸入因子。本研究使用模糊理論結合熵理論( Entropy theory )分析降雨資料，以雨量站之水平距離和高程差值做為流域各點之降雨量權重值，將所模擬的降雨資料和降雨站實際值進行比較，並藉由模擬之降雨補遺資料載入 BASINS（Better Assessment Science Integrating point & Non-point Sources）系統中以模擬流量及非點源污染量。由於推估降雨量都是由降雨站所獲得的資料來估算其降雨量，往往因為降雨站的數量及位置是影響到推估的準確性，因此降雨資料是推估雨量的重要參數，而降雨具有不確定性，所以正確評估出降雨的資料是必要的。但是在有限的資料來推估降雨的空間變異性，必須運用模式模擬，所以本研究運用模糊理論來解決降雨的不確定性，以降低降雨推估的誤差，將能更有效率地規劃水資源管理策略。正確降雨量資料可以提供完整的水文分析資料，對地區水資源決策與污染規劃設計上有很大的助益。 | zh_TW |
| dc.description.abstract | Rainfall plays an important role in watershed management; it affects the stream flow, soil erosion and water quality in the watershed. The objective of this study was to improve the use of a fuzzy model to supplement rainfall data when the watershed’s meteorological station is either far away or suffers a loss of rainfall data. The fuzzy model can also supplement rainfall data when the station is nearby. The accuracy of rainfall data in the EPA’s BASINS (Better Assessment Science Integrating Point and Nonpoint Sources) decision support tool is affected by the sparse meteorological data contained in BASINS. This study also assessed the improvement in stream flow prediction with the BASINS. This study demonstrates that using a fuzzy model to supplement rainfall data has the potential to improve stream flow predictions, thus aiding water quality assessment in the nonpoint water quality assessment decision tool. | en |
| dc.description.provenance | Made available in DSpace on 2021-06-08T02:14:35Z (GMT). No. of bitstreams: 1 ntu-104-D95541009-1.pdf: 1779957 bytes, checksum: 1d0355e463c07619af10bc539a0e019b (MD5) Previous issue date: 2015 | en |
| dc.description.tableofcontents | 口試委員審定書 I
誌謝 II 中文摘要 III 英文摘要 IV 第一章 前言 1 1.1研究緣起 1 1.2研究目的 2 第二章 文獻回顧 3 2.1非點源污染 3 2.2降雨空間變異分析方法 5 2.3遺傳演算法 9 2.4模糊理論 12 2.5 HSPF模式 13 2.6熵理論 15 第三章 研究方法及流程 18 3.1流域概況 18 3.2氣象及水文 18 3.3水體分類及水資源利用 20 第四章 案例分析研究 33 4.1評估污染量與河川涵容能力的關係 33 4.2水質模式研選 38 4.3水質模式建立 40 4.4設計流量之水質模擬 48 第五章 結果與討論 49 5.1日流量延時曲線建立 49 5.2河川涵容能力分析 53 5.3 HSPF模式模擬 58 5.3 HSPF的應用 70 5.4 BMPS之效益分析 73 第六章 結論與建議 85 6.1 結論 85 6.2 建議 86 參考文獻 88 表 目 錄 表3-1雨量站水平距離及高程差 30 表3-2各雨量站資料缺額數 30 表3-3雨量站權重值 31 表3-4算數平均法、徐昇式法及熵理論雨量模擬RMSE值 31 表4-1水利參數 47 表5-1北勢溪水量推估 53 表5-2北勢溪豐枯水季水量推估 53 表5-3民國九十七年日流量表(坪林) 56 表5-4涵容能力推估 57 表5-5南北勢污染削減量 57 表5-6北勢溪、金瓜寮溪及魚 逮 魚堀溪子集水區懸浮固體參數率定值 60 表5-7北勢溪、金瓜寮溪及魚 逮 魚堀溪集水區水文參數率定值 61 表5-8北勢溪、金瓜寮溪及魚 逮 魚堀溪子集水區懸浮固體參數率定值 62 表5-9 北勢溪、金瓜寮溪及魚 逮 魚堀溪子集水區總磷參數率定值 62 表5-10北勢溪、金瓜寮溪及魚 逮 魚堀溪子集水區總磷參數率定值（續） 63 表5-11流量模擬MAPE值 67 表5-12河川總磷推估量 70 表5-13河川BMPS削減量 73 表5-14北勢溪、金瓜寮溪及魚逮 魚堀溪各類土地利用百分比 74 表5-15北勢溪、金瓜寮溪及魚逮 魚堀溪總磷削減量 75 表5-16 BMPS草帶初期建造成本估算表 77 表5-17 BMPS滯留池初期建造成本估算表 78 表5-18 BMPS草帶+兩個滯留池初期建造成本估算表 79 表5-19 BMPS削減方案年成本估算表 80 表5-20草帶過濾系統、滯留設施、草帶串連兩個滯留池之總磷去除成本 81 表5-21草帶、滯留池總磷去除效率 81 表5-22情境甲建立BMPS控制污染削減 81 表5-23情境乙建立BMPS控制污染削減 82 表5-24估算草帶、滯留池、草帶+兩個滯留池、削減總磷之成本 83 表5-25估算河川水質達到甲類水體標準之成本 84 表5-26情境甲及情境乙成本分析比較 84 圖 目 錄 圖2-1遺傳演算法求解流程圖 11 圖3-1本水文測報系統位置圖 20 圖3-2模糊隸屬函數圖 25 圖3-3 研究流程圖 29 圖3-4各雨量站RMSE值 32 圖4-1集水區雨量站 36 圖4-2北勢溪雨量站盒鬚圖 37 圖4-3模式建立與應用流程圖 (邱智慧，2006) 41 圖4-4北勢溪河道劃分圖 43 圖4-5北勢溪水力參數(V,Q) 46 圖4-6北勢溪水力參數(H,Q) 46 圖5-1坪林日流量延時曲線 51 圖5-2坪林枯水期日流量延時曲線(2~4月) 52 圖5-3坪林豐水期日流量延時曲線(7~9月) 52 圖5-4北勢溪總磷Q90~Q75模擬圖 55 圖5-5北勢溪集水區劃分圖 64 圖5-6金瓜寮溪集水區劃分圖 65 圖5-7魚逮魚堀溪集水區劃分圖 66 圖5-8 2007年北勢溪、金瓜寮溪及魚逮魚崛溪流量模擬圖 68 圖5-9 2007年北勢溪、金瓜寮溪及魚逮 魚堀溪磷酸鹽模擬圖 69 圖5-10北勢溪、金瓜寮溪及魚逮 魚崛溪BMPS圖 72 | |
| dc.language.iso | zh-TW | |
| dc.title | 應用模糊理論分析降雨空間變異性於非點源污染之模擬 | zh_TW |
| dc.title | Applying a fuzzy model to supplement rainfall data and assess the hydrologic performance of nonpoint source water quality | en |
| dc.type | Thesis | |
| dc.date.schoolyear | 104-1 | |
| dc.description.degree | 博士 | |
| dc.contributor.oralexamcommittee | 林鎮洋,張嘉玲,陳起鳳,闕蓓德 | |
| dc.subject.keyword | 模糊理論,BASINS,熵理論,降雨, | zh_TW |
| dc.subject.keyword | Fuzzy model,BASINS,Entropy,Rainfall, | en |
| dc.relation.page | 95 | |
| dc.rights.note | 未授權 | |
| dc.date.accepted | 2015-12-11 | |
| dc.contributor.author-college | 工學院 | zh_TW |
| dc.contributor.author-dept | 環境工程學研究所 | zh_TW |
| 顯示於系所單位： | 環境工程學研究所 | |
文件中的檔案：
| 檔案 | 大小 | 格式 | |
|---|---|---|---|
| ntu-104-1.pdf 未授權公開取用 | 1.74 MB | Adobe PDF |
系統中的文件，除了特別指名其著作權條款之外，均受到著作權保護，並且保留所有的權利。