類神經網路應用於降雨逕流模式之研究

A Study of Applying ANN on Rainfall-Runoff Model

張維倫(Wei-Lun Zhang)

指導教授 ： 鄒禕

國立屏東科技大學/工學院/土木工程系所/碩士(2012年)

https://doi.org/10.6346/NPUST.2012.00140

摘要

在水文應用上，降雨與流量之關係通常由許多經驗或半經驗公式表示。經驗公式的概念簡單、平易、快速且實用，尤其在無流量紀錄流域或在工程設計上，透過少許的參數條件即可快速推出洪峰流量、稽延時間等。
類神經網路為眾多黑盒模型的一種，具有多變的數學結構、快速求解，能判別輸入資料與輸出資料間的非線性關係。近年來，許多文獻指出類神經網路能有效的推求雨量與流量之間的映射關係。因此本研究透過類神經網路建立林邊溪降雨逕流的模式。以不同階段的降雨時間與降雨量作為輸入資料，如0-25%、50%-75%、75%-100%等區間，推求流量歷線的重要參數，例如尖峰流量、基期、尖峰流量到達時間、尖峰流量到達50與75%的寬度、尖峰流量到達50與75%的時間。最後模式驗證4場颱洪事件，並與傳統的複迴歸方程與Snyder合成單位歷線作比較。結果顯示，類神經網路誤差在Qp與tb部份，誤差和Snyder合成歷線與複迴歸方程間差距不大。其餘tb、W50、W75、Wup50、Wup75的歷線參數，類神經網路則是在三種模式中，誤差最小的方法。因此未來在工程實務的應用上，只需要雨型的設計，導入類神經網路的模型，便可求得流域的流量歷線。

關鍵字

類神經網路 ； 降雨逕流模式 ； 林邊溪

並列摘要

In hydrological applications, Empirical formula is conceptually simple, easy to use, commonly used in the compute relationship between Rainfall and Runoff . Particularly to no flow record region or engineering design, through the few parameters such formula can quickly estiniate a peak flow discharge and lag time.
Artificial neural network (ANN) is one of a commonly used black-box model scheme with variables mathematical structure and can objectively judge the nonlinear relationship between input and output data. In recent years, many studies pointed out that the neural network can derived successfully the mapping relationship between ramfall and runoff. This study tries to applied ANN model on Linbian Creek rainfall runoff analysis. The model input data include different rainfall periods and amount in proportion to 0-25%, 25%-50%, 50%-75%, and 75%-100% stage. By using these input data, model will estimate the hydrograph parameters, such as peak discharge, base time, time to peal, time to 50% and 75% peak, and width of time of 50% and 75% peak. The final model verified by 4 flood events, and results compared to traditional multiple regression model and Snyder unit hydrograph showed that ANN model has more accurate estimation than other two methods on most of parameters. Therefore the future practical engineering application, only need thedesign hyetograph, as the input of the neural network model ehich can estimate the runoff discharge hydrograph fo the tiver baisn, hydrograph in Linbian Creek.

並列關鍵字

Artificial neural network ； Rainfall-Runoff Model ； Linbian Creek

參考文獻

2. 何宜樺，2009，「建構集水區多時刻降雨-逕流機制與類神經網路洪水預報模式」，碩士論文，國立臺灣大學，生物資源暨農學院生物環境系統工程學研究所，台北。

9. 林永堂，2004，「結合OLS與SGA建構輻狀基底類神經網路於洪水預測之研究」，碩士論文，國立臺灣大學，生物環境系統工程學研究所，台北。

10. 林家興，2008，「結合類神經網路及時序列方法建立颱風暴潮預測模式」，碩士論文，長榮大學，土地管與開發研究所，台南。

13. 張家銓，2009，「改良式自組織映射線性輸出模式於水庫入流量預報之研究」，碩士論文，國立臺灣大學，土木工程學研究所，台北。

14. 張斐章、江衍銘、蔡孟蓉，2007，「類神經網路結合衛星影像於颱風降雨預報」，臺灣水利，第55卷，第1期，第22-31頁。