以人工智慧介接第一代海氣耦合模式輸出發展長期流量預報

Abstract

臺灣年平均降雨量豐沛，卻因地形條件使水資源保存不易，而降雨又常集中於夏秋的梅雨與颱風時節，使得臺灣在枯水期用水吃緊。根據臺灣近六十年的降雨量統計顯示，乾旱年的發生頻率與單次影響時間都有增加的趨勢，因此穩定的長期流量預報對水庫操作以及相關單位制定長期用水策略有助。 本研究介接中央氣象局第一代海氣耦合模式，利用K-最近鄰居法將全球的雨量及溫度預報降至集水區尺度作為人工智慧建置之降雨逕流模式的輸入。建置模式的人工智慧有機器學習法二種：支持向量機與多層感知器，以及深度學習法四種：深度神經網路、遞迴神經網路、長短期記憶以及門閘遞迴單元。模式用以預報臺灣中南部六個重要水庫及攔河堰未來180日的入流量，透過平均值、標準差、偏態係數、降雨機率、均方根誤差和平均絕對誤差等評鑑指標，選出該集水區表現最佳的長期流量預報模式。結果顯示，六個集水區在雨量及溫度皆以K = 1的降尺度模式表現最佳，表示其降雨及溫度長期變化較穩定且單一。六個集水區於枯水期與豐水期所建置的模式，深度學習法的預報趨勢和評鑑指標表現較機器學習法好，又大多數研究區域係採用深度神經網路建置長期流量預報模式。 本研究提出的長期流量預報模式，針對各個地區條件不同而有不同的建模方式，產出穩定且準確的預報結果，可供相關單位作為水庫操作及長期用水策略之參考依據。