請用此 Handle URI 來引用此文件:
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/71148
標題: | 結合水理模式和機器學習法發展颱風淹水預警系統之研究 Development of A Typhoon Inundation Warning System by Hydraulic Routing Model and Machine Learning Algorithm |
作者: | Yun-Chun Chen 陳(石勻)(女勻) |
指導教授: | 譚義績 |
關鍵字: | SOBEK,k-means聚類法,支援向量機,颱風淹水預警系統,水位預報,空間推估,淹水影響因子, SOBEK,k-means clustering,support vector machine,typhoon inundation warning system,water level forecasting,spatial estimation,flood causative factors, |
出版年 : | 2018 |
學位: | 碩士 |
摘要: | 颱風襲臺常造成淹水的災害,過去利用二維淹水模式產生淹水資料結果相當費時,無法在颱風期間及時演算,本文首先利用SOBEK產生大量淹水資料當作訓練資料,結合k-means聚類法和新型類神經網路-支援向量機(support vector machines, SVM)發展一套颱風淹水預警系統。
主要架構分成三部分:分類、預報以及空間推估,首先先區分出淹水區,在將淹水區的資料利用k-means聚類法以不同的淹水歷線型態進行分類,根據地理空間特性找尋鄰近的淹水監測站作為控制點。接著,在每個控制點建構預報模式,利用降雨量和水位兩個因子作為SVM預報模式的輸入項,預報控制點未來1至3小時的水位,將水位轉換成水深後,接著將各控制點預報的水深、二度分帶座標(X, Y)、雨量、9個淹水影響因子,分別是高程、坡度、坡向、總曲率、平面曲率、剖面曲率、與河川的距離、地形濕度指數(Topographic wetness index, TWI)、逕流強度指數(Stream power index, SPI)當作輸入項,利用SVM空間推估模式,即可推估未來1至3小時淹水區網格點的淹水深度。 本研究以宜蘭縣的宜蘭河流域與美福大排來驗證所提出的方法,結果顯示此方法能夠準確的預報未來1至3小時的淹水深度,以地理資訊系統(geographic information system, GIS)繪製各網格點的預報淹水深度,預報結果的淹水深度圖能夠反應出所收集到的淹水潛勢圖資料。 |
URI: | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/71148 |
DOI: | 10.6342/NTU201802006 |
全文授權: | 有償授權 |
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-107-1.pdf 目前未授權公開取用 | 41.43 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。