請用此 Handle URI 來引用此文件:
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/50212
完整後設資料紀錄
DC 欄位 | 值 | 語言 |
---|---|---|
dc.contributor.advisor | 張斐章(Fi-John Chang) | |
dc.contributor.author | Chien-Wei Huang | en |
dc.contributor.author | 黃健維 | zh_TW |
dc.date.accessioned | 2021-06-15T12:32:43Z | - |
dc.date.available | 2017-08-24 | |
dc.date.copyright | 2016-08-24 | |
dc.date.issued | 2016 | |
dc.date.submitted | 2016-08-02 | |
dc.identifier.citation | Anibas, C., Buis, K., Verhoeven, R., Meire, P. and Batelaan, O., 2011, “A simple thermal mapping method for seasonal spatial patterns of groundwater–surface water interaction”, Journal of Hydrology, 397:93-104.
Banerjee, P., Singh, V.S., Chatttopadhyay, K., Chandra, P.C., Singh, B.,2011,”Artificial Neural Network Model as A Potential Alternative for Groundwater Salinity Forecasting.”, Journal of Hydrology, 398(3):212-220. Batlle-Aguilar, J., Xie, Y., Cook, P. G, 2015, “Importance of stream infiltration data for modelling surface water–groundwater interactions”, Journal of Hydrology, 528:683–693. Chang, F.J., Chen, P.A., Lu, Y.R., Eric Huang, Chang, K.Y., 2014, “Real-time multi-step-ahead water level forecasting by recurrent neural networks for urban flood control', Journal of Hydrology, 517: 836-846. Ewa, O., Błażej, K., Stefan, T., Marek, R., Vasil, S., Zaneta, P.,2014, ” Assessment of the water quality of Kłodnica River catchment using self-organizing maps”, Science of The Total Environment ,476-477:477-484. Jin-Yong, H., Takayuki, H., Kwang-Hyeon, C., Kwang-Seuk, J., Dong-Kyun, K., 2015, “Assessment of the lake biomanipulation mediated by piscivorous rainbow trout and herbivorous daphnids using a self-organizing map: A case study in Lake Shirakaba, Japan”, Ecological Informatics, 29:182-191. Li-Chiu, C., Hung-Yu, S., Fi-John, C., 2014, “Regional flood inundation nowcast using hybrid SOM and dynamic neural networks”, Journal of Hydrology, 519:476-489. Pahar, G., Dhar, A, 2014, “A dry zone-wet zone based modeling of surface water and groundwater interaction for generalized ground profile”, Journal of Hydrology, 519:2215-2223. Rassam, D.W., Peeters, L., Pickett, T., Jolly, I., & Holz, L., 2013, “Accounting for Surface–groundwater Interactions and Their Uncertainty in River and Groundwater Models: A Case Study in The Namoi River, Australia”, Environmental Modelling & Software, 50:108-119. Tapoglou, E., Karatzas, G.P., Trichakis, I.C., Varouchakis, E.A, 2014, “Temporal and Spatial prediction of groundwater levels using Artificial Neural Networks, Fuzzy logic and Kriging interpolation”, EGU, 16:773. Young-Seuk, P., Yong-Su, K., Soon-Jin, H., Sangkyu, P., 2014, “Characterizing effects of landscape and morphometric factors on water quality of reservoirs using a self-organizing map”, Environmental Modelling & Software, 55:214-221. Yuxiao, J., Huaming, G., Yongfeng, J., Yongsheng C., Chao, H., 2015, “Principal component analysis and hierarchical cluster analyses of arsenic groundwater geochemistry in the Hetao basin, Inner Mongolia”, Chemie der Erde – Geochemistry, 75:197-205. 王煒傑,2012,「結合水質變異與水流模擬模式評估屏東平原地下水適合飲用之區域」,國立中央大學應用地質研究所碩士論文。 洪耀明、萬絢、蘇苗彬、林裕益,2009,「崩塌地地下水位變化之即時預測」,水保技術,4(3),181-189。 徐國錦,2005,「淡水河流域水資源乾旱預警機制與風險管理策略之建立-子計劃:淡水河流域抗旱地下水資源可利用之研究(I)」,行政院國家科學委員會。 高慧珊、何宜樺、黃振昌、張斐章,2004,「以自組特徵映射網路推估日蒸發量」,臺灣水利,55(3),18-25。 張斐章、張麗秋,2015,「類神經網路導論原理與應用」,滄海書局。 張琬渝,2013,「 濁水溪流域地下水位抬升機制及補注量之研究」,國立臺灣大學生物環境系統工程學研究所碩士論文。 曹振翰,2015,「地下水質鹽化特徵與地層下陷關聯性之剖析研究-以濁水溪沖積扇平原地下水分區為例」,崑山科技大學環境工程研究所碩士論文。 連翊鈞,2011,「應用地理統計於地下水觀測站網之建置分析」,國立臺灣大學生物環境系統工程學研究所碩士論文。 郭津佐,2013,「應用地理資訊系統於地下水水質變化趨勢之研究-以屏東縣沿海為例」,國立屏東科技大學環境工程與科學系所碩士論文。 陳宗顯,2006,「降雨引致地下水位變化之研究-以那菝、六甲與東和地下水位觀測井為例」,國立成功大學水利及海洋工程研究所博士論文。 陳威宇,2015,「濁水溪沖積扇於颱風時期地表水與地下水交互機制之研究」,淡江大學水資源及環境工程學系碩士班碩士論文。 陳聖傑,2012,「地下水水位之主成分分析-以濁水溪沖積扇為例」,國立成功大學資源工程學系碩博士班碩士論文。 陳慶芳,2014,「結合水質空間變異分析與地下水流動模式規劃屏東平原地下水及地表水使用管理」,國立中央大學應用地質研究所碩士論文。 黃冠文,2015,「 以自組特徵映射與非線性自回歸網路於區域地下水之預測」,淡江大學水資源及環境工程學系碩士班碩士論文。 黃建演,2012,「倒傳遞類神經網路結合半變異圖模式於地下水水位預測之研究」,國立嘉義大學土木與水資源工程學系研究所碩士論文。 黃俊霖,2014,「建置智慧型地下水位推估模式-以濁水溪水系為案例」,國立臺灣大學生物環境系統工程學研究所碩士論文。 經濟部水利署,2015,「建置高屏溪地下水位查詢展示與預測模式(1/2)」。 劉瓊霦、陳春雄、金恒鑣,2004,「以主成份分析探討福山試驗林哈盆溪流域水化學 的空間變異性」,台灣林業科學,19(4),363-74。 薛光展,2007,「嘉南地區地下水含砷濃度對稻米含砷量之風險評估」,國立成功大學資源工程學系碩博士班碩士論文。 魏夢麗、呂秀英,1999,「決定係數((R^2)在迴歸分析中的解釋及正確使用」,科學農業,47(11,12),341-345。 | |
dc.identifier.uri | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/50212 | - |
dc.description.abstract | 本研究以屏東平原作為研究區域,蒐集1999年至2014年雨量、流量、抽水量、地下水位等資料,首先以主成分分析萃取枯水時期地下水資料特性,分析結果發現由兩個主成分可以解釋70%的資料特性,且由主成分的權重分布與主成分分數的分析結果發現東區與西區有不同的特性存在。第二部分探討不同水文因子與地下水之相關性,由分析結果發現以單水文因子分析難以解釋區域性地下水的變動關係,僅能推論雨量為影響地下水變動之重要因子。第三部分透過自組特徵映射網路(SOM)將月地下水資料進行分類並建立水位分布圖,其分類結果和主成分分析結果一致,發現該區域地下水位在2005年前後有明顯差異,且能獲得水位在空間分布上的情形,隨後透過含外變數非線性自迴歸模式(R-NARX)針對各含水層平均水位進行預測,各分區在T+1測試階段的表現上R^2皆能高達0.81以上,T+2測試階段R^2亦能有0.70左右,顯示R-NARX透過自身回饋水位資訊能對平均水位有良好的預測結果。最後將R-NARX模式所預測之平均水位透過SOM水位分布圖進行內、外插修正後,即可得到屏東平原各地下水觀測站水位,再以克利金法推估整體水位空間分布並完成區域地下水預測模式的建置,作為屏東平原水資源調配之參考依據。 | zh_TW |
dc.description.abstract | In this study, Pingtung Plain was the study area and the investigative data collected during 1999 and 2014 consisted of rainfall, flow, groundwater extraction and groundwater level. First, we extracted groundwater characteristics in dry seasons from historical data by using the principle component analysis (PCA). The results showed that two principal components could explain 70% of data characteristics. Besides, the analytical results on the weight distribution and scores of principal components indicated that there were distinguishable features between the eastern and the western zones of the study area. Second, we investigated the correlations between different hydrological factors and groundwater levels. The results indicated that it was difficult to explain the regional groundwater level variations based on one single hydrological factor and we only could infer rainfall was an important factor affecting groundwater level variations. Third, we used the Self-Organizing Map (SOM) to classify monthly groundwater level data for constructing groundwater level distribution maps. We found that significant differences in groundwater levels occurred around 2005 in the study area, which were consistent with the results of the PCA, and therefore we could obtain the spatial distribution of groundwater levels. Fourth, we used the Nonlinear Autoregressive with Exogenous Inputs (R-NARX) to forecast the average groundwater level in each layer of the aquifer. The results showed that the R^2 value reached as high as 0.81 at T+1 and remained around 0.70 at T+2 in the testing phrases for each zone. It demonstrated that the R-NARX could well forecast the average groundwater levels by using the feedback information of groundwater level. Finally, based on the SOM groundwater level distribution maps we interpolated and extrapolated the forecasted average groundwater levels obtained from the R-NARX to derive the groundwater level of each monitoring well in the study. We then used the Kriging method to estimate the spatial distribution of groundwater levels in the whole study area for completing the construction of the regional groundwater level forecast model, which can provide valuable information for the management of water resources. | en |
dc.description.provenance | Made available in DSpace on 2021-06-15T12:32:43Z (GMT). No. of bitstreams: 1 ntu-105-R03622011-1.pdf: 5682534 bytes, checksum: e9d2face5d70b42f2c8b619ec227e9a9 (MD5) Previous issue date: 2016 | en |
dc.description.tableofcontents | 摘要 I
Abstract III 目錄 V 圖目錄 IX 表目錄 XII 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 地面水與地下水變動關係之相關研究 3 2.2 主成分分析在地下水相關應用 4 2.3 克利金法在地下水相關應用 5 2.4 自組特徵映射類神經網路相關研究 6 2.5 含外變數非線性自迴歸模式相關研究 7 第三章 理論概述 9 3.1 主成分分析 9 3.1.1 主成分分析目的與功能 9 3.1.2 主成分分析理論概述 11 3.2 自組特徵映射網路 13 3.2.1 自組特徵映射網路架構 13 3.2.2 自組特徵映射網路演算法 14 3.3 克利金法 18 3.3.1 克利金系統方程式 18 3.3.2 半變異數 20 3.3.3 理論半變異數 22 3.4 含外變數非線性自迴歸模式 24 3.4.1 R-NARX網路演算法 25 第四章 研究案例 28 4.1. 研究區域 28 4.2. 資料蒐集 31 4.3. 研究流程架構 32 4.4. 評估指標 34 第五章 結果與討論 36 5.1 水文因子分析 36 5.1.1 地下水位 37 5.1.2 雨量與地下水位 44 5.1.3 流量與地下水位 46 5.1.4 抽水量與地下水位 50 5.2 區域地下水預測模式 54 5.2.1 水位分布分類模式SOM 54 5.2.2 SOM拓樸圖分析 58 5.2.3 平均水位預測模式 64 5.2.4 SOM-NARX水位預測模式 80 第六章 結論與建議 85 6.1 結論 85 6.2 建議 87 第七章 參考文獻 89 附錄一基本資料表 94 附錄二主成分分數與地下水位圖 100 附錄三NARX平均水位預測模式結果 104 附錄四R-NARX平均水位預測模式結果 107 附錄五SOM-R-NARX預測模式結果 111 | |
dc.language.iso | zh-TW | |
dc.title | 自組特徵映射網路結合非線性自回歸模式預測屏東平原地下水位 | zh_TW |
dc.title | Self-Organizing Map and Nonlinear Autoregression Networks for Forecasting Groundwater Levels at Pingtung Plain | en |
dc.type | Thesis | |
dc.date.schoolyear | 104-2 | |
dc.description.degree | 碩士 | |
dc.contributor.oralexamcommittee | 劉振宇(Chen-Wuing Liu),黃文政(Wen-Cheng Huang),張麗秋(Li-Chiu Chang),曾鈞敏(Jyun-Min Zeng) | |
dc.subject.keyword | 主成分分析,自組特徵映射網路,外變數非線性自迴歸模式,區域地下水水位預測模式, | zh_TW |
dc.subject.keyword | Principle component analysis (PCA),Self-Organizing Map (SOM),Nonlinear Autoregressive with Exogenous Inputs (NARX),Regional groundwater level forecast model., | en |
dc.relation.page | 113 | |
dc.identifier.doi | 10.6342/NTU201601833 | |
dc.rights.note | 有償授權 | |
dc.date.accepted | 2016-08-03 | |
dc.contributor.author-college | 生物資源暨農學院 | zh_TW |
dc.contributor.author-dept | 生物環境系統工程學研究所 | zh_TW |
顯示於系所單位: | 生物環境系統工程學系 |
文件中的檔案:
檔案 | 大小 | 格式 | |
---|---|---|---|
ntu-105-1.pdf 目前未授權公開取用 | 5.55 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。