非線性計算單元串聯模式於降雨─逕流模式之應用

楊志偉(Chih-Wei Yang)

指導教授 ： 林國峰

國立臺灣大學/工學院/土木工程學研究所/碩士(2005年)

https://doi.org/10.6342/NTU.2005.02743

摘要

降雨─逕流過程是一個高度複雜和非線性的物理現象，導致模擬降雨─逕流過程相當困難，於是乎研究者相當迫切需要可以精準模擬、方便使用的降雨─逕流模式。非線性計算單元串聯模式（Nonlinear computational unit cascaded model, NCUC model）吸取以往經常被應用在降雨─逕流的水筒模式或是類神經網路等等模式的優點並避免有這些模式的缺點，比如內建參數自動檢定功能，可以輕鬆取得模式參數；並可視需求調整模式架構及內部設定參數，自由性相當高；輸入資料也只需要降雨資料即可。本研究以翡翠水庫集水區為研究對象，非線性計算單元串聯模式為架構，以求適切反映集水區的地表逕流與地下水流。參數檢定方法為模式內建的簡單型遺傳演算法（simple genetic algorithms, SGA），並選用弗雷特颱風（FRED）以及葛拉絲颱風（GLADYS）進行模式的參數檢定；寶莉颱風（POLLY）與泰德颱風（TED）進行模式的參數驗證。目標函數使用簡單最小平方法（simple least square）與效率係數（efficiency coefficient）。本研究將分別比較2、3與4個非線性計算單元（Nonlinear computational unit, NCU），並且探討將不同數目的非線性計算單元加以串聯與不同目標函數對模擬結果的影響。結果顯示，不論以簡單最小平方法或是效率係數為目標函數的檢定與驗證的結果都相當不錯，洪峰流量誤差與總逕流體積誤差可以在10％之內，均方根誤差在檢定時平均為50，驗證時平均為80，效率係數與決定係數在檢定時均有95％以上的水準，驗證時也可以到達90％以上。同時從研究結果中也可以得到當模式中非線性計算單元串聯的數目越多時，可以提高模擬結果更好的可能性，並且最後從結果中可以驗證非線性計算單元串聯模式在降雨─逕流過程的模擬上有相當好的成效。

關鍵字

非線性計算單元串聯模式 ； 逕雨─逕流 ； 模擬 ； 簡單型遺傳演算法

並列摘要

無資料

並列關鍵字

Nonlinear computational unit cascaded model ； rainfall-runoff ； simulation ； simple genetic algorithms

參考文獻

Isaaks, E.H., Srivastava, R.M., 1989 Applied geostatistics. Oxford University Press, New York.

Cai, X.M., McKinney, D.C., Lasdon, L.S., 2001. Solving nonlinear water management models using a combined genetic algorithm and linear programming approach. Advances in Water Resources 24(6), 667–676.

Chang, F.J., Chang, L.C., Huang, H.L., 2002. Real-time recurrent learning neural network for stream-flow forecasting. Hydrological Processes 16(13), 2577–2588.

Chang, L.C., Chang, F.J., Chiang, Y.M., 2004. A two-step-ahead recurrent neural network for stream-flow forecasting. Hydrological Processes 18(1), 81–92.

Chiang, Y.M., Chang, L.C., Chang, F.J., 2004. Comparison of static-feedforward and dynamic-feedback neural networks for rainfall-runoff modeling. Journal of Hydrology 290(3–4), 297–311.