利用鍵結函數與最大熵定理於颱風降雨推估-以高屏溪流域為例

颱風短時間內大量降雨時常造成巨大的災害，造成許多生命財產的損失，由於颱風降雨於集水區之時空分布不均，所以掌握降雨型態是非常重要的，因此分析颱風暴雨之時間空間關係為目前颱風降雨主要課題，每一場颱風的變異性相當高，但若能從颱風的時空分布尋找某些特徵，再從這些特徵建構出關連性，再由給定已知測站特定降雨量，以推估未設測站點可能降雨量，在未來決定水利設施尺寸或災害風險管理將會有些助益。本研究主要分成三個部分，首先為颱風降雨分類，利用多維尺度分析法將高維度之七十六場發生於高屏溪流域之歷史颱風降雨事件投射至二維平面上，使觀察者易了解颱風之間的相對距離關係，再透過K-means分類法將颱風事件分為六群，利用颱風之資料透過最大熵機率密度函數法，由一到四階動差為限制條件以建立機率密度函數，可得到不同時間空間各測站之邊際分布，再將集水區內建立網格以推估未設測站，將網格的值內插取得一到四階動差，並透過高斯鍵結函數將同一時刻邊際函數鍵結以形成颱風時空間聯合機率密度函數。建立聯合機率密度函數後，利用貝氏最大熵法進行颱風降雨推估，由聯合分布作為一般性知識，進行三個類別的颱風事件降雨推估，結果顯示第一、三、六群颱風的降雨型態，為該集水區主要降雨之時空分布型態，且第三類颱風事件之瑞伯颱風推估，該場事件之推估與實際降雨時空分布量值較為接近。

關鍵字

颱風降雨分類；多元尺度分析；最大熵機率密度函數；高斯鍵結函數；聯合機率密度函數；貝式最大熵法；颱風降雨推估

並列摘要

無資料

並列關鍵字

typhoon classification ； multidimensional scaling (MDS) ； maximum entropy probability density function ； Gaussian copula ； joint probability density function ； Bayesian maximum entropy (BME)

參考文獻

[3] Abramov, Rafail V. "An improved algorithm for the multidimensional moment-constrained maximum entropy problem." Journal of Computational Physics226.1 (2007): 621-644.

[4] Bárdossy, András. "Copula‐based geostatistical models for groundwater quality parameters." Water Resources Research 42.11 (2006).

[5] Bárdossy, András, and Jing Li. "Geostatistical interpolation using copulas."Water Resources Research 44.7 (2008).

[6] Bogaert, Patrick. "Spatial prediction of categorical variables: the Bayesian maximum entropy approach." Stochastic Environmental Research and Risk Assessment 16.6 (2002): 425-448.

[7] Brechmann, Eike Christain, and Claudia Czado. "Risk management with high-dimensional vine copulas: An analysis of the Euro Stoxx 50." Statistics & Risk Modeling 30.4 (2013): 307-342.

國際替代計量

利用鍵結函數與最大熵定理於颱風降雨推估-以高屏溪流域為例

查找全文

主題瀏覽