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 U0002-2007201816261200
中文論文名稱 不同平均時間風速之機率分佈特性及其對設計風速模擬之影響
英文論文名稱 Investigation on probability characteristics of different averaging-time velocity data and its effect on design wind speed prediction
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 106
學期 2
出版年 107
研究生中文姓名 胡家銘
研究生英文姓名 Chia-Ming Hu
學號 606380094
學位類別 碩士
語文別 中文
口試日期 2018-07-05
論文頁數 139頁
口試委員 指導教授-羅元隆
委員-王人牧
委員-傅仲麟
中文關鍵字 極值分佈  統計特性  非高斯轉換  The Durst curve  風工程 
英文關鍵字 Extreme value distribution  Statistics Characteristics  Non-Gaussian simulation  The Durst curve  Wind Engineering 
學科別分類 學科別應用科學土木工程及建築
中文摘要 我國處於多颱風及地震之地理位置,高層建築在設計上不僅要考慮到耐震,風力對於結構物的影響也是相當重要的一環。台灣目前的建築物耐風設計規範以50年回歸期之10分鐘平均風速進行設計風速值的估算。然而不同國家所採用的平均風速時間不同,不同平均時間間應當具有恆定的轉換模式,如Durst Curve用以計算不同平均時間的風速值轉換。
本研究首先利用日本的五個測站資料,分別為八戶市、東京、名古屋、大阪、鹿兒島,統計2001年至2007年年間,經過測站三百公里以內之颱風篩選出來,並計算出每個經過颱風之平均值、標準差、偏度、峰度之基本統計特性,再將所有篩選出之颱風的統計特性合併計算出四個區域統計特性,並利用MATLAB產生高斯分布亂數,且採用Kwon and Kareem 及 Kanda and Lo所提出的非高斯轉換式以及韋伯模擬,產生出一個模擬颱風的一個模擬極值,也就是模擬風速最大值。利用每一百個極值做一累積機率密度分佈函數曲線。重複一百組分佈曲線並取其平均線為代表此測站特性的累積機率密度分佈函數曲線,觀察其非高斯特性的分佈狀況。將其尾部特性分類為甘保分佈(Gumbel distribution)、韋伯分佈(Weibull distribution)、弗雷歇分佈(Frechet distribution),探討其尾部特性。
接著,利用Durst curve 公式中之平均時間長短對平均風速轉換公式,將1分鐘平均時間模擬風速轉換成10分鐘平均時間理論風速以及60分鐘平均時間模擬風速轉換成10分鐘平均時間理論風速,探討其理論公式轉換過後之10分鐘平均時間理論風速與模擬之10分鐘平均時間模擬風速之關係。
為了瞭解非高斯特性對於平均時間轉換的影響性,另外針對各測站的颱風平均風速值及標準差值進行高斯極值模擬,並與非高斯結果進行比較。最後列表找出不同回歸周期下的轉換誤差百分比,並標示出採用Durst Curve可能出現的不穩定性的原因。
英文摘要 Taiwan is in the geographical position of multiple typhoons and earthquakes. The design of high-rise buildings must not only consider earthquake resistance, but also the impact of wind on structures. Taiwan's current building wind resistance design specification estimates the design wind speed value based on the 10-minute average wind speed during the 50-year regression period. However, the average wind speed time used in different countries is different. There should be a constant conversion mode between different averaging time. For example, Durst Curve is used to calculate the wind speed value conversion at different averaging time.
This study first used the five stations in Japan, namely Hachinohe, Tokyo, Nagoya, Osaka, and Kagoshima. The statistics were collected from the typhoon within 300 kilometers of the station from 2001 to 2007, and calculated. Each of the basic statistical characteristics of the typhoon's mean, standard deviation, skewness, and kurtosis, and then combine the statistical characteristics of all the selected typhoons to calculate the statistical characteristics of the four regions, and use MATLAB to generate Gaussian distribution random numbers, and Using the non-Gaussian transformations proposed by Kwon and Kareem and Kanda and Lo, and the Weber simulation, a simulated extremum of the simulated typhoon is generated, which is the maximum simulated wind speed. A cumulative probability density distribution function curve is made using every hundred extreme values. Repeat one hundred sets of distribution curves and take the average line as the cumulative probability density distribution function curve representing the characteristics of this station, and observe its non-Gaussian distribution. The tail characteristics are classified into Gumbel distribution, Weibull distribution, and Frechet distribution, and the tail characteristics are discussed.
Then, using the average time length in the Durst curve formula, the average wind speed conversion formula is converted into a 10-minute average time simulated wind speed and a 60-minute average time simulated wind speed converted into a 10-minute average time theoretical wind speed. The relationship between the theoretical wind speed of the 10-minute average time after the theoretical formula conversion and the simulated 10 minute average time simulated wind speed.
In order to understand the influence of non-Gaussian on the average time conversion, Gaussian extremum simulations were performed for the typhoon mean wind speed values and standard deviations of each station, and compared with non-Gaussian results. The final list identifies the percentage of conversion error for different regression periods and indicates the reasons for the instability that may occur with the Durst Curve.
論文目次 目錄 I
圖目錄 II
表目錄 IX
第一章 緒論 1
1.1研究動機與目的 1
1.2研究方法 2
1.3論文架構 2
第二章 文獻回顧 4
2.1建築物耐風設計規範及解說 4
2.2年最大風速分布之研究文獻回顧 8
第三章 理論背景及研究方法 13
3.1常用機率分佈及其參數特性 13
3.2本文採用之極值模擬方法 18
第四章 測站特性探討 21
4.1測站資料篩選方法 21
4.2颱風歷時圖 22
4.3颱風機率密度分布函數圖 23
4.4颱風之基本統計特性 26
4.5測站之區域統計特性 26
第五章 最大風速模擬結果 28
5.1不同模擬方法之說明 28
5.2不同模擬方法之比較(10分鐘) 29
5.3不同平均時間之比較 30
5.4平均時間轉換與The Durst Curve之應用誤差 31
第六章 結論與未來展望 34
6.1結論 34
6.2未來展望 35
參考文獻 37
附表 39
附圖 49

圖目錄
圖3- 1多項式轉換過程 49

圖4- 1日本五個測站位置(1.八戶市2.東京3.名古屋4.大阪5.鹿兒島) 49
圖4- 2 2001~2007颱風的發生數 50
圖4- 3 2001~2007颱風的接近數 50
圖4- 4 2001~2007颱風的上陸數 50
圖4- 5 2001~2007每個月颱風發生數 51
圖4- 6 2001~2007每個月颱風接近數 51
圖4- 7 2001~2007每個月颱風上陸數 51
圖4- 8 颱風T0115號之颱風位置表 52
圖4- 9 颱風T0115號之颱風路徑圖 52
圖4- 10 八戶市H-T0115號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 53
圖4- 11 八戶市H-T0206號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 53
圖4- 12 八戶市H-T0221號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 53
圖4- 13 八戶市H-T0310號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 54
圖4- 14 八戶市H-T0415號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 54
圖4- 15 八戶市H-T0416號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 54
圖4- 16 八戶市H-T0418號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 55
圖4- 17 八戶市H-T0421號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 55
圖4- 18 八戶市H-T0705號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 55
圖4- 19 八戶市H-T0709號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 56
圖4- 20 東京T-T0111號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 56
圖4- 21 東京T-T0115號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 56
圖4- 22 東京T-T0121號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 57
圖4- 23 東京T-T0207號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 57
圖4- 24 東京T-T0221號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 57
圖4- 25 東京T-T0310號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 58
圖4- 26 東京T-T0422號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 58
圖4- 27 東京T-T0423號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 58
圖4- 28 東京T-T0507號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 59
圖4- 29 東京T-T0511號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 59
圖4- 30 東京T-T0607號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 59
圖4- 31 東京T-T0709號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 60
圖4- 32 東京T-T0720號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 60
圖4- 33 名古屋N-T0111號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 60
圖4- 34 名古屋N-T0115號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 61
圖4- 35 名古屋N-T0206號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 61
圖4- 36 名古屋N-T0207號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 61
圖4- 37 名古屋N-T0221號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 62
圖4- 38 名古屋N-T0310號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 62
圖4- 39 名古屋N-T0404號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 62
圖4- 40 名古屋N-T0406號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 63
圖4- 41 名古屋N-T0411號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 63
圖4- 42 名古屋N-T0416號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 63
圖4- 43 名古屋N-T0421號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 64
圖4- 44 名古屋N-T0422號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 64
圖4- 45 名古屋N-T0423號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 64
圖4- 46 名古屋N-T0507號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 65
圖4- 47 名古屋N-T0511號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 65
圖4- 48 名古屋N-T0607號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 65
圖4- 49 名古屋N-T0704號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 66
圖4- 50 名古屋N-T0709號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 66
圖4- 51 大阪O-T0111號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 66
圖4- 52 大阪O-T0115號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 67
圖4- 53 大阪O-T0206號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 67
圖4- 54 大阪O-T0207號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 67
圖4- 55 大阪O-T0304號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 68
圖4- 56 大阪O-T0310號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 68
圖4- 57 大阪O-T0404號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 68
圖4- 58 大阪O-T0406號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 69
圖4- 59 大阪O-T0411號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 69
圖4- 60 大阪O-T0416號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 69
圖4- 61 大阪O-T0418號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 70
圖4- 62 大阪O-T0421號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 70
圖4- 63 大阪O-T0423號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 70
圖4- 64 大阪O-T0511號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 71
圖4- 65 大阪O-T0607號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 71
圖4- 66 大阪O-T0704號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 71
圖4- 67 鹿兒島K-T0121號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 72
圖4- 68 鹿兒島K-T0204號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 72
圖4- 69 鹿兒島K-T0207號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 72
圖4- 70 鹿兒島K-T0304號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 73
圖4- 71 鹿兒島K-T0306號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 73
圖4- 72 鹿兒島K-T0310號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 73
圖4- 73 鹿兒島K-T0404號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 74
圖4- 74 鹿兒島K-T0406號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 74
圖4- 75 鹿兒島K-T0416號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 74
圖4- 76 鹿兒島K-T0418號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 75
圖4- 77 鹿兒島K-T0421號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 75
圖4- 78 鹿兒島K-T0423號颱風之一分鐘、十分鐘、六十分鐘的平均風速歷時圖 75
圖4- 79 偏態為正值、零、負值時之機率密度函數形狀 76
圖4- 80 峰態為正值、零、負值時之機率密度函數形狀 76
圖4- 81 八戶市H-T0115號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 77
圖4- 82 八戶市H-T0206號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 77
圖4- 83 八戶市H-T0221號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 77
圖4- 84 八戶市H-T0310號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 78
圖4- 85 八戶市H-T0415號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 78
圖4- 86 八戶市H-T0416號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 78
圖4- 87 八戶市H-T0418號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 79
圖4- 88 八戶市H-T0421號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 79
圖4- 89 八戶市H-T0705號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 79
圖4- 90 八戶市H-T0709號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 80
圖4- 91 東京T-T0111號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 80
圖4- 92 東京T-T0115號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 80
圖4- 93 東京T-T0121號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 81
圖4- 94 東京T-T0207號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 81
圖4- 95 東京T-T0221號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 81
圖4- 96 東京T-T0310號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 82
圖4- 97 東京T-T0422號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 82
圖4- 98 東京T-T0423號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 82
圖4- 99 東京T-T0507號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 83
圖4- 100 東京T-T0511號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 83
圖4- 101 東京T-T0607號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 83
圖4- 102 東京T-T0709號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 84
圖4- 103 東京T-T0720號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 84
圖4- 104 名古屋N-T0111號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 84
圖4- 105 名古屋N-T0115號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 85
圖4- 106 名古屋N-T0206號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 85
圖4- 107 名古屋N-T0207號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 85
圖4- 108 名古屋N-T0221號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 86
圖4- 109 名古屋N-T0310號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 86
圖4- 110 名古屋N-T0404號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 86
圖4- 111 名古屋N-T0406號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 87
圖4- 112 名古屋N-T0411號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 87
圖4- 113 名古屋N-T0416號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 87
圖4- 114 名古屋N-T0421號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 88
圖4- 115 名古屋N-T0422號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 88
圖4- 116 名古屋N-T0423號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 88
圖4- 117 名古屋N-T0507號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 89
圖4- 118 名古屋N-T0511號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 89
圖4- 119 名古屋N-T0607號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 89
圖4- 120 名古屋N-T0704號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 90
圖4- 121 名古屋N-T0709號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 90
圖4- 122 大阪O-T0111號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 90
圖4- 123 大阪O-T0115號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 91
圖4- 124 大阪O-T0206號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 91
圖4- 125 大阪O-T0207號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 91
圖4- 126 大阪O-T0304號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 92
圖4- 127 大阪O-T0310號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 92
圖4- 128 大阪O-T0404號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 92
圖4- 129 大阪O-T0406號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 93
圖4- 130 大阪O-T0411號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 93
圖4- 131 大阪O-T0416號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 93
圖4- 132 大阪O-T0418號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 94
圖4- 133 大阪O-T0421號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 94
圖4- 134 大阪O-T0423號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 94
圖4- 135 大阪O-T0511號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 95
圖4- 136 大阪O-T0607號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 95
圖4- 137 大阪O-T0704號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 95
圖4- 138 鹿兒島K-T0121號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 96
圖4- 139 鹿兒島K-T0204號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 96
圖4- 140 鹿兒島K-T0207號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 96
圖4- 141 鹿兒島K-T0304號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 97
圖4- 142 鹿兒島K-T0306號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 97
圖4- 143 鹿兒島K-T0310號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 97
圖4- 144 鹿兒島K-T0404號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 98
圖4- 145 鹿兒島K-T0406號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 98
圖4- 146 鹿兒島K-T0416號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 98
圖4- 147 鹿兒島K-T0418號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 99
圖4- 148 鹿兒島K-T0421號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 99
圖4- 149 鹿兒島K-T0423號颱風之一分鐘、十分鐘、六十分鐘的機率密度分佈函數圖 99
圖4- 150 經過八戶市的颱風之一分鐘、十分鐘、六十分鐘平均時間的平均值 100
圖4- 151 經過八戶市的颱風之一分鐘、十分鐘、六十分鐘平均時間的標準差 100
圖4- 152 經過八戶市的颱風之一分鐘、十分鐘、六十分鐘平均時間的偏度 101
圖4- 153 經過八戶市的颱風之一分鐘、十分鐘、六十分鐘平均時間的峰度 101
圖4- 154 經過東京的颱風之一分鐘、十分鐘、六十分鐘平均時間的平均值 102
圖4- 155 經過東京的颱風之一分鐘、十分鐘、六十分鐘平均時間的標準差 102
圖4- 156 經過東京的颱風之一分鐘、十分鐘、六十分鐘平均時間的偏度 103
圖4- 157 經過東京的颱風之一分鐘、十分鐘、六十分鐘平均時間的峰度 103
圖4- 158 經過名古屋的颱風之一分鐘、十分鐘、六十分鐘平均時間的平均值 104
圖4- 159 經過名古屋的颱風之一分鐘、十分鐘、六十分鐘平均時間的標準差 104
圖4- 160 經過名古屋的颱風之一分鐘、十分鐘、六十分鐘平均時間的偏度 105
圖4- 161 經過名古屋的颱風之一分鐘、十分鐘、六十分鐘平均時間的峰度 105
圖4- 162 經過大阪的颱風之一分鐘、十分鐘、六十分鐘平均時間的平均值 106
圖4- 163 經過大阪的颱風之一分鐘、十分鐘、六十分鐘平均時間的標準差 106
圖4- 164 經過大阪的颱風之一分鐘、十分鐘、六十分鐘平均時間的偏度 107
圖4- 165 經過大阪的颱風之一分鐘、十分鐘、六十分鐘平均時間的峰度 107
圖4- 166 經過鹿兒島的颱風之一分鐘、十分鐘、六十分鐘平均時間的平均值 108
圖4- 167 經過鹿兒島的颱風之一分鐘、十分鐘、六十分鐘平均時間的標準差 108
圖4- 168 經過鹿兒島的颱風之一分鐘、十分鐘、六十分鐘平均時間的偏度 109
圖4- 169 經過鹿兒島的颱風之一分鐘、十分鐘、六十分鐘平均時間的峰度 109
圖4- 170 各測站區域特性之一分鐘、十分鐘、六十分鐘平均時間的E(μ) 110
圖4- 171 各測站區域特性之一分鐘、十分鐘、六十分鐘平均時間的E(σ) 110
圖4- 172各測站區域特性之一分鐘、十分鐘、六十分鐘平均時間的E(β3) 110
圖4- 173 各測站區域特性之一分鐘、十分鐘、六十分鐘平均時間的E(β4) 110
圖4- 174 各測站區域特性之一分鐘、十分鐘、六十分鐘平均時間的σ(μ) 111
圖4- 175 各測站區域特性之一分鐘、十分鐘、六十分鐘平均時間的σ(σ) 111
圖4- 176 各測站區域特性之一分鐘、十分鐘、六十分鐘平均時間的σ(β3) 111
圖4- 177 各測站區域特性之一分鐘、十分鐘、六十分鐘平均時間的σ(β4) 111

圖5- 1 模擬一百條CDF 112
圖5- 2 CDF的中位線 112
圖5- 3 CDF (非超越機率曲線形態) 112
圖5- 4 八戶市的五種不同方法以之模擬結果 113
圖5- 5 東京的五種不同方法以之模擬結果 113
圖5- 6 名古屋的五種不同方法以之模擬結果 113
圖5- 7 大阪的五種不同方法以之模擬結果 114
圖5- 8 鹿兒島的五種不同方法以之模擬結果 114
圖5- 9 機率90%之KWO與Gau1之誤差百分比計算示意圖 114
圖5- 10 Gau1模擬五個測站的三種不同平均時間CDF 115
圖5- 11 Gau2模擬五個測站的三種不同平均時間之CDF 115
圖5- 12 KWO模擬五個測站的三種不同平均時間之CDF 116
圖5- 13 PTM模擬五個測站的三種不同平均時間之CDF 116
圖5- 14 Wei1模擬五個測站的三種不同平均時間之CDF 117
圖5- 15機率50%的不同方法對三種平均時間之誤差百分比 118
圖5- 16機率90%的不同方法對三種平均時間之誤差百分比 118
圖5- 17 The Durst curve(平均風速隨平均時間之變化) 119
圖5- 18經由Durst curve轉換過後之極值風速改變程度 119
圖5- 19 Gau1模擬八戶市的三種CDF (左)與Durst curve轉換後的三種CDF (右) 120
圖5- 20 Gau1模擬東京的三種CDF (左)與Durst curve轉換後的三種CDF (右) 120
圖5- 21 Gau1模擬名古屋的三種CDF (左)與Durst curve轉換後的三種CDF (右) 120
圖5- 22 Gau1模擬大阪的三種CDF (左)與Durst curve轉換後的三種CDF (右) 121
圖5- 23 Gau1模擬鹿兒島的三種CDF (左)與Durst curve轉換後的CDF (右) 121
圖5- 24 Gau2模擬八戶市的三種CDF(左)與Durst curve轉換後的三種CDF (右) 122
圖5- 25 Gau2模擬東京的三種CDF (左)與Durst curve轉換後的三種CDF (右) 122
圖5- 26 Gau2模擬名古屋的三種CDF (左)與Durst curve轉換後的三種CDF (右) 122
圖5- 27 Gau2模擬大阪的三種CDF (左)與Durst curve轉換後的三種CDF (右) 123
圖5- 28 Gau2模擬鹿兒島的三種CDF (左)與Durst curve轉換後的三種CDF (右) 123
圖5- 29 KWO模擬八戶市的三種 CDF (左)與Durst curve轉換後的三種CDF (右) 124
圖5- 30 KWO模擬東京的三種CDF (左)與Durst curve轉換後的三種CDF (右) 124
圖5- 31 KWO模擬名古屋的三種CDF (左)與Durst curve轉換後的三種CDF (右) 124
圖5- 32 KWO模擬大阪的三種CDF (左)與Durst curve轉換後的三種CDF (右) 125
圖5- 33 KWO模擬鹿兒島的三種CDF (左)與Durst curve轉換後的三種CDF (右) 125
圖5- 34 PTM模擬八戶市的三種CDF (左)與Durst curve轉換後的三種CDF (右) 126
圖5- 35 PTM模擬東京的三種CDF (左)與Durst curve轉換後的三種CDF (右) 126
圖5- 36 PTM模擬名古屋的三種CDF (左)與Durst curve轉換後的三種CDF (右) 126
圖5- 37 PTM模擬大阪的三種CDF (左)與Durst curve轉換後的三種CDF (右) 127
圖5- 38 PTM模擬鹿兒島的三種CDF (左)與Durst curve轉換後的三種CDF (右) 127
圖5- 39 Wei1模擬八戶市的三種CDF (左)與Durst curve轉換後的三種CDF (右) 128
圖5- 40 Wei1模擬東京的三種CDF (左)與Durst curve轉換後的三種CDF (右) 128
圖5- 41 Wei1模擬名古屋的三種CDF (左)與Durst curve轉換後的三種CDF (右) 128
圖5- 42 Wei1模擬大阪的三種CDF (左)與Durst curve轉換後的三種CDF (右) 129
圖5- 43 Wei1模擬鹿兒島的三種CDF (左)與Durst curve轉換後的三種CDF (右) 129
圖5- 44機率90%之六十分鐘平均時間轉換至十分鐘平均時間極值風速與之模擬十分鐘平均時間極值風速之誤差百分比計算示意圖 130
圖5- 45各區域特性對Gau1在機率50%處與1min轉換至10min之曲線擬合 130
圖5- 46各區域特性對Gau1在機率50%處與60min轉換至10min之曲線擬合 131
圖5- 47各區域特性對Gau1在機率90%處與1min轉換至10min之曲線擬合 131
圖5- 48各區域特性對Gau1在機率90%處與60min轉換至10min之曲線擬合 132
圖5- 49各區域特性對Gau2在機率50%處與1min轉換至10min之曲線擬合 132
圖5- 50各區域特性對Gau2在機率50%處與60min轉換至10min之曲線擬合 133
圖5- 51各區域特性對Gau2在機率90%處與1min轉換至10min之曲線擬合 133
圖5- 52各區域特性對Gau2在機率90%處與60min轉換至10min之曲線擬合 134
圖5- 53各區域特性對KWO在機率50%處與1min轉換至10min之曲線擬合 134
圖5- 54各區域特性對KWO在機率50%處與60min轉換至10min之曲線擬合 135
圖5- 55各區域特性對KWO在機率90%處與1min轉換至10min之曲線擬合 135
圖5- 56各區域特性對KWO在機率90%處與60min轉換至10min之曲線擬合 136
圖5- 57各區域特性對PTM在機率50%處與1min轉換至10min之曲線擬合 136
圖5- 58各區域特性對PTM在機率50%處與60min轉換至10min之曲線擬合 137
圖5- 59各區域特性對PTM在機率90%處與1min轉換至10min之曲線擬合 137
圖5- 60各區域特性對PTM在機率90%處與60min轉換至10min之曲線擬合 138
圖5- 61各區域特性對Wei1在機率50%處與1min轉換至10min之曲線擬合 138
圖5- 62各區域特性對Wei1在機率50%處與60min轉換至10min之曲線擬合 138
圖5- 63各區域特性對Wei1在機率90%處與1min轉換至10min之曲線擬合 139
圖5- 64各區域特性對Wei1在機率90%處與60min轉換至10min之曲線擬合 139

表目錄
表2- 1地況相關參數 5
表2- 2 n年回歸期風速 Vn(n≦100 )與基本設計風速之比值,Vn=γnV10(C) 7

表3- 1多項式轉換表格 39

表4- 1日本五個測站經緯度 40
表4- 2 2001~2007颱風的發生數 40
表4- 3 2001~2007颱風的接近數 40
表4- 4 2001~2007颱風的上陸數 40
表4- 5經過八戶市之颱風編號及開始時間與結束時間 41
表4- 6經過東京之颱風編號及開始時間與結束時間 41
表4- 7經過名古屋之颱風編號及開始時間與結束時間 42
表4- 8經過大阪之颱風編號及開始時間與結束時間 42
表4- 9經過鹿兒島之颱風編號及開始時間與結束時間 43
表4- 10測站之標準差與平均時間長度的關係 44
表4- 11測站之偏度與平均時間長度的關係 44
表4- 12測站之峰度與平均時間長度的關係 44
表4- 13各測站一分鐘、十分鐘、六十分鐘平均時間的統計區域特性 45
表4- 14各測站一分鐘、十分鐘、六十分鐘平均時間的尺度與形狀區域特性 45

表5- 1不同模擬方法在不同測站十分鐘平均時間之機率50%的誤差百分比 46
表5- 2不同模擬方法在不同測站十分鐘平均時間之機率90%的誤差百分比 46
表5- 3不同模擬方法在十分鐘平均時間在機率50%及90%的誤差百分比 47
表5- 4不同模擬方法在一分鐘平均時間在機率50%及90%的誤差百分比 47
表5- 5不同模擬方法在六十分鐘平均時間在機率50%及90%的誤差百分比 47
表5- 6各區域特性在機率50%時與轉換關係誤差百分比趨勢統計表 48
表5- 7各區域特性在機率90%時與轉換關係誤差百分比趨勢統計表 48

參考文獻 [1] 建築物耐風設計規範及解說,內政部營建署,中華民國104年。

[2] Durst, C. S.(1960), “Wind Speed Over Short Periods of Time,” Meteorological Magazine, 89, 181-187,

[3] 蔡益超、林宗賢 (1984) , “建築物所受風力規範研擬” , 國科會防災科技研究報告(NSC73-0414-P002-04)

[4] 張景鐘 (1995), “台灣風力載重規範中相關係數之可靠度研究” , 國科會專題研究報告

[5] 陳瑞華 (1995) , “風力規範中標稱風速與載重係數之研究(I)” , 國科會專題研究報告

[6] 蔡益超、陳瑞華、項維邦 (1996) , “建築物風力規範條文、解說及示範例之研訂” , 內政部建築研究所計畫研究報告(MOIS850015)

[7] 莊月璇 (2001), “台灣地區風速機率分佈之研究” , 國立中央大學土木工程碩士論文

[8] 鄭啟明、吳重成、陳若華 (2002) , “建築物風力規範之研究” , 內政部建築研究所研究計畫成果報告

[9] 朱佳仁 (2013) , “1961~2008期間臺灣地面風速變化趨勢之分析” , 氣象學報 第49 卷第1期

[10] 李軒誠 (2013) , “台灣地區風速機率分布特性及年最大風速模擬” , 淡江大學碩士論文

[11] 陳瑞華 (2014) , “建築物耐風設計規範及案例應用” , 風工程理論與應用,科技圖書公司

[12] J. P. Palutikof、B. B. Brabson、D. H. Lister、S. T. Adcock (1999) , ” A review of methods to calculate extreme wind speeds (pp.119-132)”, Meteorology Application Vol.6

[13] Cook, N.J. (1985) , “The Designer’s Guide to Wind Loading of Building Structures.” , Dept. of the Environment, Building Research Establishment.

[14] Coles, S.G. and Walshaw, D. (1994) , “Directional Modelling of Extreme Wind Speeds.” , Journal of the Royal Statistical Society. Series C (Applied Statistics), 43, 139-157.

[15] Winterstein, S.R. (1988) , “Nonlinear Vibration Models for Extremes and Fatigue.” , Journal of Engineering Mechanics , 114, 1772-1790.

[16] 建築耐風設計規範風速模式探討及設計風速修訂研究,中華國民105年

[17] Y. L. Lo, H. C. Li(2014), Moment Effects of Parent Distribution on Annual Maximum Wind Speeds, Journal of Applied Science and Engineering, 17(4), 391-402.

[18] 日本國土交通省氣象廳提供之颱風位置表(2018年6月28日),資料摘自http://www.data.jma.go.jp/fcd/yoho/typhoon/position_table/index.html

[19] 日本國土交通省氣象廳提供之颱風發生數(2018年5月20日),資料摘自
http://www.data.jma.go.jp/fcd/yoho/typhoon/statistics/generation/generation.html

[20] 日本國土交通省氣象廳提供之颱風接近數(2018年5月20日),資料摘自
http://www.data.jma.go.jp/fcd/yoho/typhoon/statistics/accession/accession.html

[21] 日本國土交通省氣象廳提供之颱風上陸數(2018年5月20日),資料摘自http://www.data.jma.go.jp/fcd/yoho/typhoon/statistics/landing/landing.html

[22] 日本國土交通省氣象廳提供之颱風路徑圖(2018年6月28日),資料摘自
http://www.data.jma.go.jp/fcd/yoho/typhoon/route_map/index.html
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2018-07-24公開。
  • 同意授權瀏覽/列印電子全文服務,於2018-07-24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