請用此 Handle URI 來引用此文件：
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/43334完整後設資料紀錄
| DC 欄位 | 值 | 語言 |
|---|---|---|
| dc.contributor.advisor | 許銘熙(Ming-Hsi Hsu) | |
| dc.contributor.author | Meng-Yuan Tsai | en |
| dc.contributor.author | 蔡孟原 | zh_TW |
| dc.date.accessioned | 2021-06-15T01:50:16Z | - |
| dc.date.available | 2009-07-14 | |
| dc.date.copyright | 2009-07-14 | |
| dc.date.issued | 2009 | |
| dc.date.submitted | 2009-07-03 | |
| dc.identifier.citation | 1.Barnhart, R.J. and See, L., 2000. Comparing neural network and autoregressive moving average techniques for the provision of continuous river flow forecasts in two contrasting catchments. Hydrological Processes, 14, pp. 2157-2172.
2.Brands, E., 1974. Radar rainfall pattern optimizing technique. NOAA Teach. Memo. ERL NSSL-67, Oklahoma, pp.16 3.Bell, V.A. and Moore, R.J., 1998. A grid-based distributed flood forecasting model for use weather radar data: Part 1. Formulation. Hydrology and Earth System Sciences, 2(2-3), pp.265-281, 1998a. 4.Bell, V.A. and Moore, R.J., 1998, A grid-based distributed flood forecasting model for use weather radar data: Part 2. Case Studies. Hydrology and Earth System Sciences, 2(2-3), pp.283-298, 1998b. 5.Barth, A., Montana, A., and Toth, E., 2002. Neural networks and non-parametric methods for improving real-time flood forecasting through conceptual hydrological models. Hydrology and Earth System Sciences, 6(4), pp.627-640. 6.Bedient, B.P., Holder, A., Benavides, A.J., and Vieux, E.B., 2003. Radar-based flood warning system applied to tropical storm Allison. Journal of Hydrologic Engineering, 8(6), pp.308-318. 7.Collier, C.G., 1996. Weather radar precipitation data and their use in hydrological modeling. Distributed Hydrological Modeling (ed. by Abbott, M.B. and Refsgaard, J.C.), Ch.8, pp.143-163. Kluwer Academic Publishers, Dordrecht, The Netherlands. 8.Chang, F.J., Chang, L.C., and Huang, H.L., 2002. Real time recurrent learning neural network for stream flow forecasting. Hydrological Processes, 16, pp.2577-2588. 9.Chiang, Y.M., Chang, F.J. and Lin P.F., 2007. Dynamic ANN for precipitation estimation and forecasting from radar observations. Journal of Hydrology, 334, pp.250-261. 10.Chiou, T.K., Chen, C.R., and Chang, P.L., 2005. Status and outlook of a quantitative rainfall estimation technique in central weather bureau, Taiwan. Geophysical Research Abstracts, 7, pp.10637. 11.Francisco J., Tapiador, K., Chris, L., Vincenzo, M, and Frank S., 2004. A neural networks-based fusion technique to estimate half-hourly rainfall estimates at 0.1° resolution from satellite passive microwave and infrared data. Journal of Applied Meteorology, 43(4), pp.576-594, 12.Forster, S., Kneis, D., Gocht, M., and Bronstert, A., 2005. Flood risk reduction by the use of retention areas at Elbe River. Journal of Hydraulic Research de Recherché Hydrauliques, 3(1), pp.21-29. 13.Garrote, L., and Bras, R.L., 1995. A distributed model for real-time flood forecasting using digital elevate on models. Journal of Hydrology, 167, pp.279-306. 14.Helmio, T., 2005. Unsteady 1-D flow model of a river with partly vegetated flood plains-application to Rhine River. Environmental Modeling and Software, 20, pp.361-375. 15.Hsu, K.L., Gupta, H.V. and Sorooshian, S., 1995. Artificial neural network modeling of the rainfall-runoff process. Water Resources Research, 31, pp. 2517-2530. 16.Hsu, M.H., Fu, J.C., and Liu, W.C., 2003. Flood routing with real-time stage correction method for flash flood forecasting in the Tanshui River, Taiwan. Journal of Hydrology, 283, pp.267-280. 17.Hsu, M.H., Fu, J.C., and Liu, W.C., 2006. Dynamic routing model with real-time roughness updating for flood forecasting. Journal of Hydraulic Engineering, 132(6), pp.605-619. 18.Imrie, C.E., Durucan, S., and Korre, A., 2000. River flow prediction using artificial neural network : generalization beyond the calibration range. Journal of Hydrology, 233, pp.138-158. 19.Lopez, V., Napolitano, F., and Russo, F., 2005. Calibration of a rainfall-runoff model using radar and rain gauge data. Advances in Geosciences, 2, pp.41-46. 20.Marier, H.R. and Dandy, G.C., 2000. Neural networks for the prediction and forecasting of water resources variables: a review of modeling issuers and application, Environmental Modeling and Software, 15, pp.101-124. 21.Maden, H. and Skotner, C., 2005. Adaptive state updating in real-time river flow forecasting combined filtering and error forecasting procedure. Journal of Hydrology, 308, pp.302-312. 22.Ramamurthy, A. S., Junying, Q., and Diep V., 2007. Numerical and Experimental Study of Dividing Open-Channel Flows. Journal of Hydraulic Engineering, 133(10), pp.1135-1144. 23.Sun, X., Mein, R.G., Keenan, T.D., and Elliott, J.F., 2000. Flood estimation using radar and rain-gauge data. Journal of Hydrology, 239, pp.4-18. 24.Toth, E., Brath, A., and Montanari, A., 2000. Comparison of shirt-term rainfall prediction models for real-time flood forecasting. Journal of Hydrology, 239, pp.132-147. 25.Wong, T.S.W., and Zhou, M.C., 2003. Kinematic wave parameters and time of travel in circular channel revisited. Advances in Water Resources, 26, pp.417-425. 26.Yu, P.S., 1987, Real-time grid based distributed rainfall-runoff model for flood forecasting with weather radar, PhD Thesis, University of Birmingham. 27.王如意、易任，1979，應用水文學上下冊，國立編譯館。 28.王如意、游保杉、許銘熙、陳增壽，2005，即時洪水預報模式之研究與應用(II)，行政院國家科學委員會專題研究計畫成果報告。 29.王毓麒、謝章廷、李明軒、游保杉，2007，結合QPESUMS系統在分佈型降雨逕流模式之應用與不確定性分析，第十六屆水利工程研討會論文集，288-293。 30.丘臺光、陳嘉榮、張保亮、林品芳，2007，雷達降雨估計與雨量站觀測整合之評估，2007年臺灣地球科學聯合學術研討會。 31.丘臺光、陳嘉榮、張保亮、林品芳，應用多重觀測工具之定量降水估計之研究，2003颱風及中尺度災變天氣預報技術研討會。 32.江衍銘、張麗秋、張斐章，2002，回饋式類神經網路於二階段即時流量預測，臺灣水利，第五十卷第二期，15-21。 33.江衍銘、張斐章，類神經網路建構定量降水及流量預報模式，2006農業工程研討會論文集，191-204。 34.李光敦、何曜顯，2004，納莉颱風期間基隆河水位之數值模擬與分析，臺灣水利，第五十二卷，第二期，pp.1-8。 35.李清勝、周仲島、劉格非、何興亞，2004，土石流潛勢區之雨量估計與即時預報技術發展先期研究，九十三年度農委會水土保持局科技計畫。 36.林國峰、蔡斐毓、吳明璋，類神經網路於颱風降雨與流量預報之研究，2006農業工程研討會論文集，1201-1212。 37.吳育奇，2000自組特徵映射圖模糊類神經網路於河川流量推估之應用，國立臺灣大學農業工程研究所碩士論文。 38.柳文成、許銘熙、李振豪、郭義雄，淡水河上游流量對潮汐傳播之影響，2006農業工程研討會論文集，26-36。 39.徐國錦，結合小波轉換與SOM類神經網路應用於臺灣雨量特性分析，2005第二屆資源工程研討會論文集，454-459。 40.徐年盛、林尉濤、鄭文明、陳敬文，利用類神經網路預測濁水溪沖積扇之地下水位變化，2007農業工程研討會論文集，269 -280。 41.許銘熙，1984，河川變量流非線性隱式法模式之穩定性，國立臺灣大學土木工程研究所博士論文。 42.許銘熙、傅金城，1999，參數即時修正河川洪水預報模式，臺灣水利，第四十七卷第一期，8-18。 43.許銘熙、傅金城、林洙宏，2000，河川動力波洪水預報模式，中國土木水利工程學刊，第十二卷第三期，561-571。 44.許銘熙，2003，臺灣地區洪水災害及防治策略，工程環境特刊，第十 期，3-19。 45.許少華、劉子明，1998，顯示法於明渠穿臨界流上的應用，臺灣水利，第四十六卷，第二期，38-47。 46.陳昶憲、黃尹龍、吳青俊、蔡曜隆，2001，應用倒傳遞與反傳遞類神經網路模式於洪流量之預測，臺灣水利，第五十二卷第三期，65-77。 47.陳昶憲、唐村啟、陳建宏，1998，限制性卡門濾波器應用於馬斯金更洪水演算，臺灣水利，第四十六卷，第二期，30-37。 48.陳昶憲、陳建宏，1999，類神經模糊邏輯法應用於洪水位預報，中國土木水利學刊，第十一卷第二期，317-326。 49.陳昶憲、蔡國慶、黃尹龍，2001，模糊類神經網路應用於集水區出流量之預測，中國土木水利學刊，第十三卷第二期，395-403。 50.陳莉、簡大為，2001，逕流量推估之研究，臺灣水利，第四十九卷第四期，55-67。 51.陳信中，2006，蘭陽溪洪水預報模式之研究，國立臺灣大學生物環境系統工程學研究所碩士論文。 52.黃宗逢，1995，模擬雷達與地面雨量資料整合方法之研究，國立臺灣大學土木工程研究所碩士論文。 53.黃尹龍，2000，類神經網路架構颱風豪雨流量預測模式，私立逢甲大學土木及水利工程研究所碩士論文。 54.黃威雄，2000，應用類神經網路於颱風期間雷達降雨模擬之研究，國立臺灣大學土木工程研究所碩士論文。 55.黃鵬豪，2008，應用QPESUMS高解析降雨改良洪水預報之研究，國立臺灣大學生物環境系統工程學研究所碩士論文。 56.商家瑞，2003，河系ㄧ維變量流結合卡門濾波回饋演算模式，國立臺灣大學土木工程研究所碩士論文。 57.梁晉銘，2002，複合型類神經網路架構集水區水文模式之研究，國立臺灣大學生物環境系統工程學研究所博士論文。 58.游保杉、林李耀、傅金城、許銘熙、謝龍生，2008，雷達降雨應用在洪水及淹水預報之研究(2/3)，行政院國家科學委員會專題研究計畫成果報告，NSC 95-2625-Z-006-002-MY3。 59.傅金城，2003，即時回饋演算之河川洪水預報模式，國立臺灣大學生物環境系統工程學研究所博士論文。 60.張智星，2004，Matlab 程式設計，清蔚科技、鈦思科技。 61.張斐章、張麗秋，2006，類神經網路，東華書局。 62.張斐章、孫建平，1997，類神經網路及其應用於降雨-逕流過程之研究，農業工程學報，第四十三卷第一期，9-25。 63.張斐章、江衍銘，2005，類神經網路建構多階段降雨-逕流模式(3/3)，行政院國家科學委員會專題研究計畫成果報告，NSC 93-2313-B-002-006。 64.張智昌，2006，整合氣象雷達與即時降雨資料於颱風降雨推估之研究，碩士論文，國立臺灣大學地理資源環境學研究所。 65.葉克家、魏曉萍，2008，結合SSM/I衛星資料與類神經網路推估海上颱風降雨量之研究，大氣科學期刊，第36期第2號，pp.147-162。 66.楊政潭，2003，雷達回波應用於颱風降雨空間分佈與總量之研究-以納莉颱風為例，國立中央大學水文科學研究所碩士論文。 67.劉清煌，2001，雷達雨量估計與雨量即時預報技術-利用雷達及衛星資料與類神經網路之結合(2/3)，行政院國家科學委員會專題研究報告，NSC 90-2625-Z-034-001。 68.蔡長泰，1993，曾文溪洪水預報模式之硏究(一)，行政院國家科學委員會防災科技研究報告80-80號。 69.蔡長泰、顏沛華、盧炳堃，1983，濁水溪洪水預報系統之硏究(一)，行政院國家科學委員會防災科技硏究報告72-10號。 70.蔡長泰、歐善惠、顏沛華、宋長虹、陳聰智，1984，濁水溪洪水預報系統之硏究(二)，行政院國家科學委員會防災科技硏究報告73-25號。 71.蔡長泰、郭慧貞、蔡柏棋、蔡智恆，1993，曾文溪洪水預報模式之硏究(二)，行政院國家科學委員會防災科技研究報告81-61號。 72.蔡智恆、蔡長泰，1999，水深平均二維明渠變量流有限元素模式之研究，臺灣水利，第四十七卷第三期，22-33。 73.蔡長泰、楊昌儒及游保杉，1999，SOM類神經網路應用於降雨特性均一區劃分之研究，中國土木水利工程學刊，第十一卷第二期。 74.蔡亞欣，2003，模糊範例學習推論系統於水位預測之研究，國立臺灣大學生物環境系統工程學研究所碩士論文。 75.蔡明璋，2004，複式斷面河道一維與平面二維水理現象模擬之研究，國立成功大學水利及海洋工程研究所碩士論文。 76.賴經都、王燦文、賴坤勇，1995，以多方式特徵法建立多成分合流模式，行政院國家科學委員會專題硏究報告，NSC 83-0410-E002-038。 77.謝榮哲，1999，類神經網路在長時期潮汐預報之應用，國立中央大學土木工程研究所碩士論文。 78.顏清連、徐年盛、徐木成，1979，河川坡度對變量流數值解穩定性之影響，臺大土木研究所研究報告，水利6807。 79.顏清連、蔡惠峰，1980，斷面變化對變量流數值解穩定性之影響，國立臺灣大學土木研究所碩士論文。 80.顏清連、林中柱，1981，曼寧式n值對變量流數值解穩定性之影響，國立臺灣大學土木研究所碩士論文。 81.顏清連、許銘熙，1982，河系匯流點變量流數值解穩定性之研究，中國土木水利學會，第17年年會論文集。 82.顏清連、葛餘恕，1983，邊界條件對變量流數值解穩定性之影響，國立臺灣大學土木研究所碩士論文。 83.顏清連、許銘熙、陶偉麟，1983，淡水河系洪水演算模式(1)，現況河道模式之建立驗證，行政院國家科學委員會防災科技研究報告72-08。 84.顏清連、許銘熙、段鏞，1984，淡水河系洪水演算模式(2)，二重疏洪道完成後河系洪水演算模式，行政院國家科學委員會防災科技研究報告73-26。 85.顏清連、許銘熙、唐建章，1985，淡水河系洪水演算模式(3)，與逕流模式之銜接，行政院國家科學委員會防災科技研究報告74-26。 86.顏清連、許銘熙、陳昶憲、賴進松，1986，淡水河系洪水演算模式(4)，堤防潰堤洪流模式之建立，行政院國家科學委員會防災科技研究報告75-19。 87.顏清連、劉家富，1987，淡水河系洪水演算模式(5)，水庫操作對洪流之影響，行政院國家科學委員會防災科技研究報告76-51。 88.顏清連、王如意、許銘熙、楊德良、李天浩，1996-1998，淡水河整體洪水預報系統模式之研發第一至第六階段報告，國立臺灣大學水工試驗所。 89.鍾世豐，2007，類神經網路在洪水演算及預報之應用，國立臺灣大學生物環境系統工程學研究所碩士論文。 | |
| dc.identifier.uri | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/43334 | - |
| dc.description.abstract | 臺灣地處西太平洋亞熱帶地區，每年平均受到3.6次颱風侵襲，颱風災害損失平均每年約為新臺幣170億元，其中颱風豪雨造成河岸地區與低窪地區的洪水及淹水災害損失最為嚴重，颱風過境期間河川洪水位受到暴雨影響水位暴漲，加劇排水之困難度甚至溢流城鄉地區造成淹水。倘若能夠準確預測洪水位的變化，提供給災害應變單位作為決策支援，就能夠增加災害發生前的應變時間，將災害損失降到最低。
近年來臺灣加強在觀測降雨的研發與應用方面，隨著中央氣象局與水利署合作建置完成都卜勒雷達觀測網，引進美國劇烈風暴實驗室的多重觀測工具之定量降水估計與分類技術(Quantitative Precipitation Estimation and Segregation Using Multiple Sensors, QPESUMS)後，降雨的即時估計技術已日趨成熟。目前，定量降水估計(Quantitative Precipitation Estimation, QPE)技術已可以提供一高解析度的降雨資訊，故本研究為整合氣象雷達降雨、地面觀測雨量及河川洪水位等資訊，利用類神經網路建立簡單快速的洪水位預報模式，最後結合一維變量流動力波模式，建立一套淡水河系之河川洪水預報模式，以做為發布洪水警報、淹水疏散及防救災應變措施之參考。 本研究以2008年的鳳凰(Fung-Wong)、辛樂克(Sinlaku)與薔蜜 (Jangm)等3場颱風事件進行模式測試。由模擬結果顯示，因為雷達定量降水估計提供一高解析度降雨資訊，可以有效提升流域內水位站洪水位預報的準確性，再藉由精準的定點水位預報結果，使的預報水位剖線更能趨近於觀測值，克服預報水位偏離問題，故本研究的成果確實可在颱風期間提供更為合理及準確的河川洪水資訊。 | zh_TW |
| dc.description.abstract | Taiwan, located on subtropical zone of west Pacific, encounters typhoons around 3.6 times annually in average. The typhoons disaster caused about 17 billions NT dollars loss per year. The most part of loss in typhoons is the flooding in low-lying areas by the torrential rain. Due to the torrential rain, the sudden rise of flood stage will not only destroy water conservancy facilities, but also threaten the life and property of the residents near the riverbank. If the variation trend of flood stage precisely forecast in advance, the flood management agency will take proper actions for response and mitigation before the disaster happens.
In recent years, Taiwan made an effort on improving the technique of real-time rainfall observations. After the completion and applications of the Doppler Radar Networks developed from Center Weather Bureau and Water Resources Agency with the cooperation of U.S. National Severe Storm Laboratory, QPESUMS (Quantitative Precipitation Estimation and Segregation Using Multiple Sensors) makes the technique of real-time spatial rainfall estimation better. At present, QPE (Quantitative Precipitation Estimation) is capable of providing the information of high-resolution rainfall. In order to integrate the information of weather radar rainfall, rainfall-gauges data and flood stage, this research uses ANN (Artificial Neural Networks) to establish a set of simple and fast flood stage forecasting and combine 1-D gradually-varied unsteady flow with feedback routing. Then a set of river flood forecasting model was developed to provide accurate and detailed flood information for Tanshui Basin in typhoon period. The above will be taken as reference for announcing flood alert, evacuation and actions for response and mitigation before the disaster happens. In present research, Typhoons Fung-Wong, Sinlaku and Jangm in 2008 are taken as the model testing. The result shows that the application of QPE makes the stage forecasting closer to observations in river flood routing model and provides reasonable and accurate results for river flood mitigation. | en |
| dc.description.provenance | Made available in DSpace on 2021-06-15T01:50:16Z (GMT). No. of bitstreams: 1 ntu-98-R96622029-1.pdf: 4755605 bytes, checksum: 84145dc736edc20e8b08d2c3a36c7997 (MD5) Previous issue date: 2009 | en |
| dc.description.tableofcontents | 謝 誌I
摘 要II AbstractIII 目 錄V 表目錄VIII 圖目錄IX 第一章 緒 論1 1.1 研究目的1 1.2 研究方法2 1.3 本研究組織4 第二章 文獻回顧7 2.1 類神經網路相關研究7 2.2 QPESUMS系統相關研究10 2.3 河川變量流模式相關研究14 第三章 模式理論19 3.1 降雨預測模式19 3.1.1 雷達-雨量站整合降雨估計法19 3.1.2 等比法20 3.1.3 自組織映射類神經網路22 3.1.4 動態回饋式神經網路23 3.2 洪水位預報模式25 3.2.1 間接式雙架構法25 3.2.2 直接式單架構法27 3.3 河川洪水預報模式28 3.3.1 初始值修正之動力波模式28 3.3.2 整合類神經網路水位預報之洪水演算模式30 第四章 研究區域33 4.1 研究區域概述33 4.2 地文資料34 4.2.1 河道斷面34 4.2.2 堤防高程34 4.2.3 曼寧係數35 4.3 水文資料35 4.3.1 水文監測站35 4.3.2 上游邊界及河口潮位35 第五章 結果與討論37 5.1 降雨預測38 5.2 洪水位預報模式44 5.2.1 間接式雙架構模式44 5.2.2 直接式單架構模式49 5.2.3 兩架構模擬結果比較51 5.3 河川洪水預報模式52 5.3.1 鳳凰颱風模擬結果53 5.3.2 辛樂克颱風模擬結果58 5.3.3 薔蜜颱風模擬結果64 5.4 模式演算時間69 第六章 結論與建議71 6.1 結論71 6.2 建議74 參考文獻75 附錄A QPESUMS系統簡介165 附錄B 徐昇多邊形法169 附錄C 自組織映射類神經網路175 附錄D 動態回饋式神經網路179 附錄E 倒傳遞類神經網路183 附錄F 動力波模式189 作者簡介195 | |
| dc.language.iso | zh-TW | |
| dc.subject | 初始值修正 | zh_TW |
| dc.subject | QPESUMS系統 | zh_TW |
| dc.subject | 降雨預測 | zh_TW |
| dc.subject | 洪水位預報 | zh_TW |
| dc.subject | 類神經網路 | zh_TW |
| dc.subject | 動力波模式 | zh_TW |
| dc.subject | flood stage forecasting | en |
| dc.subject | initial correction | en |
| dc.subject | dynamic routing | en |
| dc.subject | rainfall forecasting | en |
| dc.subject | Artificial Neural Networks | en |
| dc.subject | QPESUMS system | en |
| dc.title | 雷達定量降水估計應用在河川洪水預報之研究 | zh_TW |
| dc.title | Application of Radar-based Quantitative Precipitation Estimation on River Flood Forecast | en |
| dc.type | Thesis | |
| dc.date.schoolyear | 97-2 | |
| dc.description.degree | 碩士 | |
| dc.contributor.oralexamcommittee | 葉克家(Keh-Chia Yeh),張倉榮(Tsang-jung Chang),傅金城(Jin-Cheng Fu) | |
| dc.subject.keyword | QPESUMS系統,降雨預測,洪水位預報,類神經網路,動力波模式,初始值修正, | zh_TW |
| dc.subject.keyword | QPESUMS system,rainfall forecasting,flood stage forecasting,Artificial Neural Networks,dynamic routing,initial correction, | en |
| dc.relation.page | 195 | |
| dc.rights.note | 有償授權 | |
| dc.date.accepted | 2009-07-06 | |
| 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-98-1.pdf 未授權公開取用 | 4.64 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。