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

Abstract

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。