淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


下載電子全文限經由淡江IP使用) 
系統識別號 U0002-0408201412554700
中文論文名稱 台灣地區風速機率分布特性及年最大風速之模擬
英文論文名稱 The Simulation of Annual Maximum Wind and Probability Distribution of Taiwan
校院名稱 淡江大學
系所名稱(中) 土木工程學系碩士班
系所名稱(英) Department of Civil Engineering
學年度 102
學期 2
出版年 103
研究生中文姓名 李軒誠
研究生英文姓名 Hsuan-Chang Li
學號 601380321
學位類別 碩士
語文別 中文
口試日期 2014-07-03
論文頁數 189頁
口試委員 指導教授-羅元隆
委員-朱佳仁
委員-王人牧
中文關鍵字 極值分佈  年最大風速  非高斯轉換  風工程  統計特性 
英文關鍵字 Extreme value distribution  Non-Gaussian simulation  Annual maximum wind speed  Hermite-based transformation 
學科別分類 學科別應用科學土木工程及建築
中文摘要 台灣地理位置處於西太平洋,一年四季飽受強風之侵襲如夏秋兩季之颱風與冬季有強烈的大陸冷氣團,由於飽受強風的侵襲,所以不論在做結構耐風設計,氣象預測,等相關從業人員都會需要取得當地的相關風力資訊,如此一來便可以減少強風所帶來的災害以及損失,由於觀測風速的資料量不足並不能準確的求取長期回歸期風速,因此需要使用風速模型來模擬產生人造風速。
本文所使用之方法為年最大值法以及颱風風速法,選取資料為全台灣29個人工氣象觀測站所有年份之風速風向觀測資料,針對所選取之資料進行統計特性計算,並藉由計算逐年統計特性並觀察其逐年統計特性間之相關性及各測站逐年最大風速之趨勢,接著進行區域統計特性計算,並利用逐年統計特性及區域統計特性所得之結果做為基礎並進行年最大風速之模擬。
本文使用GEVD極值分佈模型,並討論Gumbel、Frechet、Weibull三種極值分佈模型,給予各測站合適之極值分佈模型,並利用Hermite-based transformation 將高斯隨機變數轉換成非高斯隨機變數,並將前述之統計特性帶入Hermite-based transformation進行模擬,並選取最大值,視為模擬之年最大風速。
短期觀測資料部分將所有風速風向歷時資料進行分類,將資料分為5年歷時資料及10年歷時資料並進行逐年統計特性計算及區域統計特性計算步驟並利用Hermite-based transformation模擬方法模擬短期觀測資料在年最大風速模擬之可行性。
此外在颱風極值分佈的部分選出宜蘭、阿里山、新竹、高雄測站做為研究對象並搜尋其觀測年間所量測颱風風速,並將颱風風速之極值分佈與年最大風速之極值分佈進行比較。
英文摘要 Taiwan is an island located in the western Pacific Ocean and suffered from strong winds, such as tropical cyclones or typhoons in the summer season and monsoons in the winter season. To give a wind resistant design of a structure, specialists and structural engineers need to understand the local design wind speed in detail. However, due to the lack of observed wind speed data, numerical models are developed to simulate design wind speed.
In this study, analysis on annual maximum wind speed and the peak wind speed during a typhoon event is executed. 29 meteorological stations in Taiwan are collected to understand the basic statistical parameters of 10-minute mean wind speeds. Further, the trend of annual maximum wind speed and the highly correlated third and fourth moments are found.
To tell the extreme distribution of 29 stations, the GEVD extreme value distribution model is applied. Then a non-Gaussian simulation technique called Hermite-based transform is adopted for simulation of annual maximum wind speed for each station by inputting their statistical parameters. Results show that even the simulation is based on short term period record, the non-Gaussian simulation method to simulation the annual maximum wind speed provides fairly good agreement with the full-year observation. Finally in this study, the typhoon event is especially picked up among 4 stations, Yilan , Aliahsn , Hsinchu , Kaohsiung, to show the inconsistence with the distribution with annual maximum wind speeds. The GEVD model is also applied for discussion.
論文目次 目錄
摘要 I
目錄 II
表目錄 VI
圖目錄 XV
第一章 緒論 1
1.1研究緣起 1
1.2研究目的與動機 1
1.3論文架構 2
第二章 文獻回顧 5
2.1基本設計風速 5
2.1.1指數律(Power law) 6
2.1.2對數律(Logarithmic law) 7
2.1.3大氣紊流與風場特性 9
2.2台灣本土颱風與季風特性 10
2.2.1台灣本土颱風特性 10
2.2.2中央氣象局颱風侵台路線分類及風級分類 14
2.2.3台灣本土季風特性 16
2.3年最大風速分布之研究文獻回顧 17
第三章 理論背景及研究方法 19
3.1常用機率函數及其參數特性 19
3.1.1常態分佈 19
3.1.2對數分佈 20
3.2極值機率函數及其參數特性 20
3.2.1 Gumbel 分佈 21
3.2.2 Frechet 分佈 21
3.2.3 Weibull 分佈 22
3.3年最大風速模擬方法 24
3.3.1 颱風風速法 24
3.3.2年最大值法 25
3.3.3 r-LOS法(r largest order statistics) 25
3.3.4柏拉圖極值分析法(Pareto distribution) 26
3.3.5門檻值法 26
3.3.6 文所使用方法 27
3.4年最大風速分布模擬之應用 27
3.4.1多項式轉換(Polynomial Translation Method) 27
3.4.2 Hermite-based 轉換法 30
第四章 氣象資料特性探討 33
4.1氣象資料特性 33
4.2十分鐘平均風速之統計特性與極值 35
4.3逐年年最大風速分布之變化 38
4.4區域年最大風速分布之變化研究分析及結果探討 39
第五章 年最大風速模擬結果 85
5.1年最大風速分布模擬結果 85
5.2短期統計特性對年最大風速分布模擬可行性探討 86
5.3颱風極值分佈 87
第六章 結論與展望 183
6.1結論 183
6.2未來展望 184
參考文獻 186





圖目錄
圖2- 1颱風剖面圖 12
圖2- 2中央氣象局颱風侵台路線分佈 14

圖3- 1多項式轉換過程 30
圖3- 2Hermite-based transform流程圖 31

圖4- 1正負偏態之機率密度函數形狀 37
圖4- 2 正負峰態之機率密度函數形狀 37
圖4- 3阿里山測站統計特性 42
圖4- 4鞍部測站統計特性 43
圖4- 5成功測站統計特性 44
圖4- 6嘉義測站統計特性 45
圖4- 7七股測站統計特性 46
圖4- 8大武測站統計特性 47
圖4- 9東吉島測站統計特性 48
圖4- 10恆春測站統計特性 49
圖4- 11新竹測站統計特性 50
圖4- 12花蓮測站統計特性 51
圖4- 13高雄測站統計特性 52
圖4- 14基隆測站統計特性 53
圖4- 15金門測站統計特性 54
圖4- 16蘭嶼測站統計特性 55
圖4- 17馬祖測站統計特性 56
圖4- 18澎湖測站統計特性 57
圖4- 19彭佳嶼測站統計特性 58
圖4- 20蘇澳測站統計特性 59
圖4- 21日月潭測站統計特性 60
圖4- 22台中測站統計特性 61
圖4- 23台南測站統計特性 62
圖4- 24台北測站統計特性 63
圖4- 25台東測站統計特性 64
圖4- 26淡水測站統計特性 65
圖4- 27梧棲測站統計特性 66
圖4- 28宜蘭測站統計特性 67
圖4- 29永康測站統計特性 68
圖4- 30玉山測站統計特性 69
圖4- 31竹子湖測站統計特性 70
圖4- 32阿里山極值分佈 71
圖4- 33鞍部極值分佈 71
圖4- 34成功極值分佈 71
圖4- 35嘉義極值分佈 71
圖4- 36七股極值分佈 71
圖4- 37大武極值分佈 71
圖4- 38東吉島極值分佈 72
圖4- 39恆春極值分佈 72
圖4- 40新竹極值分佈 72
圖4- 41花蓮極值分佈 72
圖4- 42高雄極值分佈 72
圖4- 43基隆極值分佈 72
圖4- 44金門極值分佈 73
圖4- 45蘭嶼極值分佈 73
圖4- 46馬祖極值分佈 73
圖4- 47澎湖極值分佈 73
圖4- 48彭佳嶼極值分佈 73
圖4- 49蘇澳極值分佈 73
圖4- 50日月潭極值分佈 74
圖4- 51台中極值分佈 74
圖4- 52台南極值分佈 74
圖4- 53台北極值分佈 74
圖4- 54台東極值分佈 74
圖4- 55淡水極值分佈 74
圖4- 56梧棲極值分佈 75
圖4- 57宜蘭極值分佈 75
圖4- 58永康極值分佈 75
圖4- 59玉山極值分佈 75
圖4- 60竹子湖極值分佈 75
圖4- 61阿里山測站風速趨勢 76
圖4- 62部測站風速趨勢 76
圖4- 63成功測站風速趨勢 76
圖4- 64嘉義測站風速趨勢 76
圖4- 65七股測站風速趨勢 77
圖4- 66大武測站風速趨勢 77
圖4- 67東吉島測站風速趨勢 77
圖4- 68恆春測站風速趨勢 77
圖4- 69新竹測站風速趨勢 78
圖4- 70花蓮測站風速趨勢 78
圖4- 71高雄測站風速趨勢 78
圖4- 72基隆測站風速趨勢 78
圖4- 73金門測站風速趨勢 79
圖4- 74蘭嶼測站風速趨勢 79
圖4- 75馬祖測站風速趨勢 79
圖4- 76澎湖測站風速趨勢 79
圖4- 77彭佳嶼測站風速趨勢 80
圖4- 78蘇澳測站風速趨勢 80
圖4- 79日月潭測站風速趨勢 80
圖4- 80台中測站風速趨勢 80
圖4- 81台南測站風速趨勢 81
圖4- 82台北測站風速趨勢 81
圖4- 83台東測站風速趨勢 81
圖4- 84淡水測站風速趨勢 81
圖4- 85梧棲測站風速趨勢 82
圖4- 86宜蘭測站風速趨勢圖 82
圖4- 87永康測站風速趨勢 82
圖4- 88玉山測站風速趨勢 82
圖4- 89竹子湖測站風速趨勢 83

圖5- 1阿里山年最大風速模擬 91
圖5- 2鞍部年最大風速模擬 91
圖5- 3鞍部年最大風速模擬 91
圖5- 4嘉義年最大風速模擬 91
圖5- 5七股年最大風速模擬 92
圖5- 6大武年最大風速模擬 92
圖5- 7東吉島年最大風速模擬 92
圖5- 8恆春年最大風速模擬 92
圖5- 9新竹年最大風速模擬 93
圖5- 10花蓮年最大風速模擬 93
圖5- 11高雄年最大風速模擬 93
圖5- 12基隆年最大風速模擬 93
圖5- 13金門年最大風速模擬 94
圖5- 14蘭嶼年最大風速模擬 94
圖5- 15馬祖年最大風速模擬 94
圖5- 16澎湖年最大風速模擬 94
圖5- 17彭佳嶼年最大風速模擬 95
圖5- 18蘇澳年最大風速模擬 95
圖5- 19日月潭年最大風速模擬 95
圖5- 20台中年最大風速模擬 95
圖5- 21台南年最大風速模擬 96
圖5- 22台北年最大風速模擬 96
圖5- 23台東年最大風速模擬 96
圖5- 24淡水年最大風速模擬 96
圖5- 25梧棲年最大風速模擬 97
圖5- 26宜蘭年最大風速模擬 97
圖5- 27永康年最大風速模擬 97
圖5- 28玉山年最大風速模擬 97
圖5- 29竹子湖年最大風速模擬 98
圖5- 30阿里山測站年最大風速模擬圖 100
圖5- 31鞍部測站年最大風速模擬圖 102
圖5- 32成功測站年最大風速模擬圖 104
圖5- 33嘉義測站年最大風速模擬圖 106
圖5- 34七股測站年最大風速模擬圖 108
圖5- 35大武測站年最大風速模擬圖 109
圖5- 36東吉島測站年最大風速模擬圖 111
圖5- 37恆春測站年最大風速模擬圖 113
圖5- 38新竹測站年最大風速模擬圖 115
圖5- 39花蓮測站年最大風速模擬圖 116
圖5- 40高雄測站年最大風速模擬圖 118
圖5- 41基隆測站年最大風速模擬圖 120
圖5- 42金門年最大風速模擬 122
圖5- 43蘭嶼測站年最大風速模擬 123
圖5- 44澎湖測站年最大風速模擬 125
圖5- 45彭佳嶼測站年最大風速模擬 127
圖5- 46台南測站年最大風速模擬 129
圖5- 47台北測站年最大風速模擬 131
圖5- 48台東測站年最大風速模擬 133
圖5- 49宜蘭測站年最大風速模擬 135
圖5- 50玉山測站年最大風速模擬 137
圖5- 51馬祖1961-1965年最大風速模擬 139
圖5- 52蘇澳測站年最大風速模擬 140
圖5- 53台中測站年最大風速模擬 141
圖5- 54淡水測站年最大風速模擬 143
圖5- 55梧棲測站年最大風速模擬 145
圖5- 56永康測站年最大風速模擬 147
圖5- 57竹子湖測站年最大風速模擬 148
圖5- 58 玉山測站年最大風速模擬 150
圖5- 59 玉山測站年最大風速模擬(續) 151
圖5- 60阿里山測站年最大風速模擬 152
圖5- 61鞍部測站年最大風速模擬 153
圖5- 62成功測站年最大風速模擬 154
圖5- 63大武測站年最大風速模擬 155
圖5- 64恆春測站年最大風速模擬 156
圖5- 65高雄測站年最大風速模擬 157
圖5- 66基隆測站年最大風速模擬 158
圖5- 67蘭嶼測站年最大風速模擬 159
圖5- 68澎湖測站年最大風速模擬 160
圖5- 69彭佳嶼測站年最大風速模擬 161
圖5- 70日月潭測站年最大風速模擬 162
圖5- 71台南測站年最大風速模擬 163
圖5- 72台北測站年最大風速模擬 164
圖5- 73台東測站年最大風速模擬 165
圖5- 74宜蘭測站年最大風速模擬 166
圖5- 75玉山測站年最大風速模擬 167
圖5- 76竹子湖測站年最大風速模擬 168
圖5- 77永康測站年最大風速模擬 169
圖5- 78梧棲測站年最大風速模擬 170
圖5- 79淡水測站年最大風速模擬 171
圖5- 80台中測站年最大風速模擬 172
圖5- 81蘇澳測站年最大風速模擬 173
圖5- 82花蓮測站年最大風速模擬 174
圖5- 83新竹測站年最大風速模擬 174
圖5- 84東吉島測站年最大風速模擬 175
圖5- 85七股測站年最大風速模擬 176
圖5- 86嘉義測站年最大風速模擬 177
圖5- 87宜蘭颱風極值分佈 178
圖5- 88新竹颱風極值分佈 178
圖5- 89阿里山颱風極值分佈 179
圖5- 90高雄颱風極值分佈 179
圖5- 91阿里山颱風極值分佈 180
圖5- 92新竹颱風極值分佈 180
圖5- 93宜蘭颱風極值分佈 180
圖5- 94高雄颱風極值分佈 181



表目錄
表2- 1所提出對各地況α參考數值 6
表2- 2 Daveport對各地況α之建議 7
表2- 3本國風力規範α值之規定 7
表2- 4 Counihan不同地形z0之建議 8
表2- 5 Simiu不同地形z0之建議 8
表2- 6颱風強度分級 11
表2- 7蒲福風級表 15

表3- 1TypeI極值分佈模型誤差表 24
表3- 2多項式轉換表格 29

表4- 1全台29個人工測站資料記錄狀況 35
表4- 2各站極值分佈形式 41
表4- 3各站測站特性 84

表5- 1模擬誤差總表 99
表5- 2颱風風速與年最大風速之50年設計風速比較 181
參考文獻 參考文獻

[1]. Sherlock ,R.H,1951, ”Analyzing winds for frequency and duration on atmospheric pollution” 1951 Meteorological Monograph American Meteorological Society

[2]. John D. Holmes ,2001,”Wind Load of Structures”,2001 by Spon Press

[3]. Yuan-Lung Lo ,Jun Kanda ”Annual Maximum Wind Simulation Base on Moment Parameter of Parent Distribution’

[4]. Jun Kanda, Yuan-Lung Lo,Takayuki Wada, “Application of Polynomial Translation Method to Prediction of Annual Maximum Wind Speeds”

[5]. Winterstein , S.R. ,1988.”Nonlinear Vibration Model for Extremes and Fatigue”, Journal of Engineering Mechanics 114 (1988) 1772–1790

[6]. George Deodatis , ASCE, and Raymond C. Micaletti “SIMULATION OF HIGHLY SKEWED NON-GAUSSIAN STOCHASTIC PROCESSES” Journal of Engineering Mechanics, Vol. 127, No. 12, December 2001, pp. 1284-1295

[7]. L.B. Li, K.K. Phoon, S.T. Quek,2007,” Comparison between Karhunen–Loe`ve expansion and translation-based simulation of non-Gaussian processes”, Computers and Structures 85 (2007) 264–276

[8]. Ying An , M.D. Pandey ”The r largest order statistics model for extreme wind speed estimation”journal of Wind Engineeringand Industrial Aerodynamics 95(2007) 165–182

[9]. 莊月璇,2001, “台灣地區風速機率分佈之研究 ”,中央大學碩士論文

[10]. 徐偉誌,2008,“應用高斯過程於風速之回歸分析與隨機數值模擬”,台灣科技大學 博士學位論文

[11]. Alessio Torrielli, Maria Pia Repetto, Giovanni Solari,2011, ” Long-term simulation of the mean wind speed” Journal of Wind Engineering and Industrial Aerodynamics 99(2011) 1139-1150

[12]. Jing Li , Xin Wang,2012,” An exponential model for fast simulation of multivariate non-Gaussian processes with application to structural wind engineering”, Probabilistic Engineering Mechanics 30 (2012) 37–47

[13]. Debasis Karmakar, Samit Ray-Chaudhuri , Masanobu Shinozuka,2012,” Conditional simulation of non-Gaussian wind velocity profiles: Application to buffeting response of Vincent Thomas suspension bridge”, Probabilistic Engineering Mechanics 29 (2012) 167–175

[14]. Paolo Bocchini, George Deodatisb,2008,” Critical review and latest developments of a class of simulation algorithms for strongly non-Gaussian random fields”, Probabilistic Engineering Mechanics 23 (2008) 393–407

[15]. M. Grigoriu,2009,” Existence and construction of translation models for stationary non-Gaussian processes”, Probabilistic Engineering Mechanics 24 (2009) 545–551

[16]. Be’ne’dicte Puig, Jean-Luc Akian,2004,” Non-Gaussian simulation using Hermite polynomials expansion and maximum entropy principle”, Probabilistic Engineering Mechanics 19 (2004) 293–305

[17]. V. Denoel,2009,” Polynomial approximation of aerodynamic coefficients based on the statistical description of the wind incidence”, Probabilistic Engineering Mechanics 24 (2009) 179–189

[18]. M.D. Shields, G.Deodatis,2013,” A simple and efficient methodology to approximate a general non-Gaussian stationary stochastic vector process by a translation process with applications in wind velocity simulation”, Probabilistic Engineering Mechanics 31 (2013) 19–29

[19]. M. Gioffre`, V. Gusella, M. Grigoriu,2000,” Simulation of non-Gaussian field applied to wind pressure fluctuations”, Probabilistic Engineering Mechanics 15 (2000) 339–345

[20]. Kok-Kwang Phoon, Ser-Tong Quek, Hongwei Huang,2004,” Simulation of non-Gaussian processes using fractile correlation”, Probabilistic Engineering Mechanics 19 (2004) 287–292

[21]. K.K. Phoona, H.W. Huang, S.T. Quek,2005,” Simulation of strongly non-Gaussian processes using Karhunen–Loeve expansion’, Probabilistic Engineering Mechanics 20 (2005) 188–198

[22]. Emil Simu , Robert H. Scalan,1996,”Wind Effect on Structure” , 1996 by John Wiley &Sons, inc.

[23]. Alfredo H-S. Ang , Wilson H. Tang,1984.”Probabiluty Concepts in Engineering Planning and Design Volume I”, 1984 by John Wiley &Sons, inc.

[24]. Atsushi Yamaguchi , Takeshi Ishihara , Yozo Fujino ” Experimental study of the wind flow in a coastal region of Japan” Journal of Wind Engineering and Industrial Aerodynamics 2003 January vol. 91, 247-264

[25]. Junjie Luo, Cheng Su, Dajian Han,2012,” A simulation methodology of the stationary non-Gaussian stochastic wind pressure field”, Probabilistic Engineering Mechanics 30 (2012) 77–88

[26]. M. Grigoriu ,2007,” A class of weakly stationary non-Gaussian models”, Probabilistic Engineering Mechanics 23 (2008) 378–384

[27]. Jun Kanda, Yuan-Lung Lo,Takayuki Wada, “Application of Polynomial Translation Method to Prediction of Annual Maximum Wind Speeds”
[28].Edgeworth,F.Y,1989.On the representation of statistics by mathematical formulae(Part1).Journal of the Royal Statistical Society,61(4),670-700

[29]. R.V. Field Jr. , M. Grigoriu ,2012,” A method for the efficient construction and sampling of vector-valued translation random fields”, Probabilistic Engineering Mechanics 29 (2012) 79–91
論文使用權限
  • 同意紙本無償授權給館內讀者為學術之目的重製使用,於2014-08-07公開。
  • 同意授權瀏覽/列印電子全文服務,於2014-08-07起公開。


  • 若您有任何疑問,請與我們聯絡!
    圖書館: 請來電 (02)2621-5656 轉 2281 或 來信