類神經網路於地下水位預測之時空分析

AN INTEGRATED ANN-BASED ALGORITHMS TO FORECAST SPATIAL-TEMPORAL GROUNDWATER LEVEL

方熙廷(HSI-TING FANG) ； 鍾秉宸(BING-CHEN JHONG) ； 譚義績(YIH-CHI TAN) ； 柯凱元(KAI-YUAN KE) ； 陳柏嘉(PO-CHIA CHEN)

《工程環境會刊》 37期 (2017/12) Pp. 112-128

https://doi.org/10.6562/JEE.201712_(37).0007

摘要

為獲得準確有效的地下水位預測，本研究結合自組映射組織圖(SOM)、多目標遺傳演算法(MOGA)與支持向量機演算法(SVM)，求取具備時間與空間特性之地下水系統中，地下水位預報與氣象因子的最優輸入組合。在空間分析階段，利用SOM的聚類演算，進行群聚分析，將地下水之空間分布，劃分為獨立而有意義區域。在時間分析階段，本研究將MOGA與SVM整合為時間分析模型，以確定氣象因子的最佳輸入項組合，並以屏東平原為例進行實際應用，同時利用現有之SVM模型與本研究之MOGA-SVM進行地下水位預報比較，以證明發展之MOGA-SVM模型的優越性。此外，利用本研究之模型，可確定不同地下水聚類分區中的有效氣象因子，以顯示不同聚類分區的空間特性，而這些有效氣象因子可以顯著提高預測性能，特別是對於長時間預測有顯著的改善。總之，擬本研究開發之時間-空間分析模型，適用於廣大且複雜的地下水系統，可提供現有的水資源管理問題使用。

關鍵字

屏東平原 ； 地下水位預報 ； 氣象因子 ； 自組映射組織圖（SOM） ； 多目標遺傳算法（MOGA） ； 支持向量機（SVM）

並列摘要

For the accurate and effective forecasting of groundwater level, a two-step spatial and temporal analysis process is necessary. The implementation of the SOM-based model can classify the hydrological and geographical zones and identify the recharge and subsidence regions. The Pingtung Plain is a large area with complex hydrology phenomena; the determination of optimal input meteorological factors via MOGA-SVM-based model could improve the groundwater level forecasting in the proximal-fan, the mid-fan and the distal-fan areas. The proposed spatial-temporal groundwater forecasting methodology is expected to be useful in regard to a huge and complex groundwater system, and can be provided as an alternative to the existing models for water resources management problems.

並列關鍵字

Pingtung Plain ； Groundwater level forecast ； Meteorological factor ； Self-organizing map (SOM) ； Support vector machine (SVM) ； Multi-objective genetic algorithm (MOGA)