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 U0002-2707201015361100
中文論文名稱 類神經網路於淹水範圍推估之研究
英文論文名稱 A Study of Flood Inundation Extent Estimation Using Aritificial Neural Networks
校院名稱 淡江大學
系所名稱(中) 水資源及環境工程學系碩士班
系所名稱(英) Department of Water Resources and Environmental Engineering
學年度 98
學期 2
出版年 99
研究生中文姓名 莊子弘
研究生英文姓名 ZI-HONG ZHUANG
學號 697480050
學位類別 碩士
語文別 中文
口試日期 2010-07-01
論文頁數 123頁
口試委員 指導教授-張麗秋
委員-張斐章
委員-施國肱
委員-張麗秋
中文關鍵字 倒傳遞類神經網路、淹水潛勢圖、淹水深度、淹水面積 
英文關鍵字 Back-Propagation Neural Network(BPNN) , Inundation potential map , Inundation depth , Inundation area 
學科別分類 學科別應用科學環境工程
中文摘要 目前國內對於淹水的防災措施,主要是利用各種設計雨型所推求的淹水潛勢圖,做為災前之淹水影響範圍與最大淹水深之評估,無法在暴雨來臨時能夠有效地依即時雨量進行各地區之淹水預報分析。以淹水潛勢模擬資料為基礎,本研究提出以複合型模式建置淹水範圍預報模式;複合型模式最重要的部分是倒傳遞類神經網路(BPNN),我們利用BPNN進行保全點淹水深預測與該村之淹水面積推估。建置複合型淹水範圍預報模式可分為三大部分:(1)以降雨資訊與模式自身預測淹水深回饋為類神經網路之輸入因子,建置保全點t+1~t+3時刻之淹水預報模式;(2)以類神經網路建置保全點淹水深,推估該保全區域淹水面積之模式;(3)由DTM資料找出累積面積與高程對照表,將推估之淹水面積對應特定高程值,再搭配地理資訊即可畫出淹水範圍。在保全點預測t+1~t+3時刻之淹水預報正確率方面,10公分淹水門檻值平均超過91%、91%與90%;30公分淹水門檻值平均超過86%、87%與86%,都呈現不錯的預測效果,且修正後測試階段更使準確率提升。在推估淹水區域方面,因設計雨型為集中雨型分佈有較大之降雨量,推估淹水面積命中率相當高,其推估淹水範圍也相當符合模擬淹水範圍;而颱風暴雨事件則在淹水情況明顯時,推估淹水面積命中率比較高。
英文摘要 At present, flood defense strategies of the flood authorities are to estimate the flood inundation extent and maximum flood depth from the existing flood inundation potential database generated by the two-dimensional overland flow simulation model with several pre-designed rainfall patterns and scenarios. However, it cannot provide an effectively and timely flood inundation forecast due to the real-time storm rainfall. This study presents hybrid models to build the regional flood inundation forecasting model. The core part is Back-Propagation Neural Network (BPNN) that is used to forecast flood depth and to estimate the area of flood inundation.
There are three parts for building the proposed hybrid models: (1) building one to three-hour ahead flood depth forecasting models of security spots due to the real-time storm rainfall, (2) building flooding area estimation models to estimate the flooding area of the security region, (3) creating the lookup tables used to transform a specific elevation into the corresponding cumulative area; then, the flood inundation map can be shown.
In this study, the results show that BPNN can be successfully applied with high accuracy for one to three-hour ahead flood depth forecasting. The correct percentages of forecasting flood depths are 91%, 91% and 90% when the threshold of flood depth is 10 cm; 86%, 87% and 86% when the threshold of flood depth is 30 cm. For estimating flooding area, the proposed approach also performs well; the correct percentages are very high for the pre-designed rainfall patterns and the larger storms.
論文目次 章節目錄
謝誌............................................................................................................. I
中文摘要....................................................................................................II
英文摘要...................................................................................................III
章節目錄....................................................................................................V
表目錄....................................................................................................VIII
圖目錄........................................................................................................X
一、前言.....................................................................................................1
1.1研究動機......................................................................................1
1.2研究目的與方法..........................................................................2
二、文獻回顧.............................................................................................5
2.1類神經相關研究..........................................................................5
2.2洪水預報與淹水潛勢相關研究..................................................7
三、理論概述...........................................................................................11
3.1類神經網路................................................................................11
3.1.1 倒傳遞類神經網路........................................................12
四、研究案例...........................................................................................21
4.1研究區域概述............................................................................21
4.1.1資料蒐集與分析.............................................................22
VI
4.1.2保全點選取.....................................................................24
4.2淹水潛勢降雨資料....................................................................26
五、模式建立與評估..............................................................................32
5.1保全點淹水預報模式架構........................................................32
5.1.1 不同輸入因子組合........................................................32
5.1.2 雨量站選取....................................................................34
5.1.3訓練事件選取.................................................................34
5.1.4 最佳淹水預報模式架構與修正模式............................35
5.2 保全點預報結果.......................................................................44
5.2.1預報t+1時刻...................................................................45
5.2.2預報t+2時刻...................................................................46
5.2.3預報t+3時刻...................................................................51
5.3淹水深度與淹水面積之關係....................................................57
5.4累積面積與保全區域高程之對照表........................................61
5.5淹水面積與預測推估結果........................................................62
六、結論與建議......................................................................................79
6.1結論.............................................................................................79
6.2建議.............................................................................................81
七、參考文獻...........................................................................................83
VII
附錄...........................................................................................................87
表目錄
表4.1 近年來颱風在宜蘭地區造成的淹水災害 .................................. 23
表4.2 宜蘭縣13個保全區域 ................................................................ 24
表4.3 宜蘭縣礁溪鄉玉田村統計資料 .................................................. 26
表4.4 雨量站個重現期降雨量 .............................................................. 27
表4.5 淹水潛勢模擬設計雨型之24種組合事件 ................................ 28
表4.6 31場颱風暴雨事件 ...................................................................... 28
表5.1 宜蘭縣t+1時刻不同輸入因子組合之淹水預報模式架構表 ... 33
表5.2 設計雨型之模擬淹水事件資料分類 .......................................... 35
表5.3 玉田村淹水預報結果比較表 ...................................................... 36
表5.4 13個保全點最佳淹水預報模式結果比較表 .............................. 36
表5.5 13個保全點3站與4站雨量站之結果比較 .............................. 40
表5.6 玉田村t+1時刻類神經淹水預報結果比較表 ............................ 41
表5.7 宜蘭縣各保全點t+1時刻類神經淹水預報結果比較表 ............ 45
表5.8 宜蘭縣t+2時刻類神經淹水預報模式架構比較表 .................... 46
表5.9 玉田村t+2時刻類神經淹水預報結果比較表 ............................ 48
表5.10 宜蘭縣各保全點t+2時刻類神經淹水預報結果比較表 .......... 50
表5.11 宜蘭縣t+3時刻類神經淹水預報模式架構比較表 .................. 51
表5.12 玉田村t+3時刻類神經淹水預報結果比較表 .......................... 53
IX
表5.13 宜蘭縣各保全點t+3時刻類神經淹水預報結果比較表 .......... 55
表5.14 評估指標比較表 ........................................................................ 59
表5.15 13個保全區域高程範圍 ............................................................ 61
表5.16 24小時淹水面積命中率 ............................................................ 63
表5.17 玉田村設計雨型與颱風暴雨事件淹水點命中率 .................... 69
表5.18 海棠颱風24小時淹水總點數比較表 ...................................... 78
附表1 古結村設計雨型與颱風暴雨事件淹水點命中率 ..................... 89
附表2 玉光村設計雨型與颱風暴雨事件淹水點命中率 ..................... 92
附表3 吉祥村設計雨型與颱風暴雨事件淹水點命中率 ..................... 95
附表4 忠孝村設計雨型與颱風暴雨事件淹水點命中率 ..................... 98
附表5 東港村設計雨型與颱風暴雨事件淹水點命中率 ................... 101
附表6 武淵村設計雨型與颱風暴雨事件淹水點命中率 ................... 104
附表7 時潮村設計雨型與颱風暴雨事件淹水點命中率 ................... 107
附表8 復興村設計雨型與颱風暴雨事件淹水點命中率 ................... 110
附表9 新社村設計雨型與颱風暴雨事件淹水點命中率 ................... 113
附表10 新南村設計雨型與颱風暴雨事件淹水點命中率 ................. 116
附表11 補城村設計雨型與颱風暴雨事件淹水點命中率 ................. 119
附表12 錦眾村設計雨型與颱風暴雨事件淹水點命中率 ................. 122
圖目錄
圖1.1 研究流程圖 ..................................................................................... 4
圖3.1 倒傳遞類神經網路架構圖(張斐章、張麗秋,2010) .......... 14
圖4.1 宜蘭縣行政區配置圖 .................................................................. 22
圖4.2 宜蘭研究區塊 .............................................................................. 24
圖4.3 雨量站與研究區域相關位置 ...................................................... 25
圖4.4 保全點相關位置與玉田村高程分佈圖 ...................................... 26
圖4.5 宜蘭縣雨量站設計雨型分配圖 .................................................. 27
圖4.6 宜蘭縣設計雨型模擬淹水潛勢圖 .............................................. 31
圖4.7 宜蘭縣海棠颱風模擬淹水潛勢圖 .............................................. 31
圖5.1 淹水預報模式三輸入因子組合之網路架構 .............................. 33
圖5.2 保全區域與太平山站相關位置圖 .............................................. 34
圖5.3 玉田村模式三於設計雨型之淹水預報結果圖(4個雨量站) ................................................................................................................... 37
圖5.4 玉田村模式三不同雨量站預報比較圖(4個與3個雨量站) ................................................................................................................... 39
圖5.5 玉田村t+1時刻預報淹水深結果比較圖 .................................... 43
圖5.6 宜蘭縣保全點之t+2時刻類神經淹水預報模式架構 ................ 47
圖5.7 玉田村t+2時刻預報淹水深結果比較圖 .................................... 49
圖5.8 宜蘭縣保全點之t+3時刻類神經淹水預報模式架構 ................ 52
XI
圖5.9 玉田村t+3時刻預報淹水深結果比較圖 .................................... 54
圖5.10 玉田村淹水深度與淹水面積關係圖 ........................................ 57
圖5.11 玉田村淹水深度與淹水面積方程式繪圖 ................................ 58
圖5.12 10公分為淹水門檻值預報淹水面積結果比較圖 .................... 60
圖5.13 30公分為淹水門檻值預報淹水面積結果比較圖 .................... 60
圖5.14 玉田村高程與累積面積關係圖 ................................................ 62
圖5.15 設計雨型1243場次10公分淹水門檻值 (深色為淹水區域) 64
圖5.16 設計雨型1243場次30公分淹水門檻值 (深色為淹水區域) 65
圖5.17 海棠颱風10公分淹水門檻值 (深色為淹水區域) ................. 66
圖5.18 海棠颱風30公分淹水門檻值 (深色為淹水區域) ................. 67
圖5.19 玉田村設計雨型淹水面積命中率 ............................................ 70
圖5.20 玉田村颱風暴雨事件淹水面積命中率 .................................... 70
圖5.21 海棠颱風24小時淹水區域比較圖 .......................................... 77
附圖1 12個保全區域高程與累積面積關係圖 ..................................... 87
附圖2 古結村10公分淹水門檻值預報淹水面積結果比較圖 ........... 88
附圖3 古結村30公分淹水門檻值預報淹水面積結果比較圖 ........... 88
附圖4 古結村設計雨型淹水面積命中率 ............................................. 90
附圖5 古結村颱風暴雨事件淹水面積命中率 ..................................... 90
附圖6 玉光村10公分淹水門檻值預報淹水面積結果比較圖 ........... 91
XII
附圖7 玉光村30公分淹水門檻值預報淹水面積結果比較圖 ........... 91
附圖8 玉光村設計雨型淹水面積命中率 ............................................. 93
附圖9 玉光村颱風暴雨事件淹水面積命中率 ..................................... 93
附圖10 吉祥村10公分淹水門檻值預報淹水面積結果比較圖 ......... 94
附圖11 吉祥村30公分淹水門檻值預報淹水面積結果比較圖 ......... 94
附圖12 吉祥村設計雨型淹水面積命中率 ........................................... 96
附圖13 吉祥村颱風暴雨事件淹水面積命中率 ................................... 96
附圖14 忠孝村10公分淹水門檻值預報淹水面積結果比較圖 ......... 97
附圖15 忠孝村30公分淹水門檻值預報淹水面積結果比較圖 ......... 97
附圖16 忠孝村設計雨型淹水面積命中率 ........................................... 99
附圖17 忠孝村颱風暴雨事件淹水面積命中率 ................................... 99
附圖18 東港村10公分淹水門檻值預報淹水面積結果比較圖 ....... 100
附圖19 東港村30公分淹水門檻值預報淹水面積結果比較圖 ....... 100
附圖20 東港村設計雨型淹水面積命中率 ......................................... 102
附圖21 東港村颱風暴雨事件淹水面積命中率 ................................. 102
附圖22 武淵村10公分淹水門檻值預報淹水面積結果比較圖 ....... 103
附圖23 武淵村30公分淹水門檻值預報淹水面積結果比較圖 ....... 103
附圖24 武淵村設計雨型淹水面積命中率 ......................................... 105
附圖25 武淵村颱風暴雨事件淹水面積命中率 ................................. 105
XIII
附圖26 時潮村10公分淹水門檻值預報淹水面積結果比較圖 ....... 106
附圖27 時潮村30公分淹水門檻值預報淹水面積結果比較圖 ....... 106
附圖28 時潮村設計雨型淹水面積命中率 ......................................... 108
附圖29 時潮村颱風暴雨事件淹水面積命中率 ................................. 108
附圖30 復興村10公分淹水門檻值預報淹水面積結果比較圖 ....... 109
附圖31 復興村30公分淹水門檻值預報淹水面積結果比較圖 ....... 109
附圖32 復興村設計雨型淹水面積命中率 ......................................... 111
附圖33 復興村颱風暴雨事件淹水面積命中率 ................................. 111
附圖34 新社村10公分淹水門檻值預報淹水面積結果比較圖 ....... 112
附圖35 新社村30公分淹水門檻值預報淹水面積結果比較圖 ....... 112
附圖36 新社村設計雨型淹水面積命中率 ......................................... 114
附圖37 新社村颱風暴雨事件淹水面積命中率 ................................. 114
附圖38 新南村10公分淹水門檻值預報淹水面積結果比較圖 ....... 115
附圖39 新南村30公分淹水門檻值預報淹水面積結果比較圖 ....... 115
附圖40 新南村設計雨型淹水面積命中率 ......................................... 117
附圖41 新南村颱風暴雨事件淹水面積命中率 ................................. 117
附圖42 補城村10公分淹水門檻值預報淹水面積結果比較圖 ....... 118
附圖43 補城村30公分淹水門檻值預報淹水面積結果比較圖 ....... 118
附圖44 補城村設計雨型淹水面積命中率 ......................................... 120
XIV
附圖45 補城村颱風暴雨事件淹水面積命中率 ................................. 120
附圖46 錦眾村10公分淹水門檻值預報淹水面積結果比較圖 ....... 121
附圖47 錦眾村30公分淹水門檻值預報淹水面積結果比較圖 ....... 121
附圖48 錦眾村設計雨型淹水面積命中率 ......................................... 123
附圖49 錦眾村颱風暴雨事件淹水面積命中率 ................................. 123
參考文獻 1. Ahmad S., Simonovic S.P., An aritifical neural network model for generating hydrograph from hydro-meteorological parameters, Journal of Hydrology, Volume.315, Issues 1-4, p236-51, 2005
2. Badji M., Dautrebande S. and Characterisation of flood inundated areas and delineation of poor drainage soil using ERS-1 SAR imagery, Hydrological Processes, Volume 11, Issue 10, p1441-1450, 1998.
3. Chang F.J., Chang L.C. and Huang H.L., Recurrent Neural Network for Streamflow Estimation, Journal of Chinese Agricultural Engineering, Vol. 47, No. 2, 2001.
4. Chang L.C., Chang F.J. and Chiang Y.M., A two-step ahead recurrent neural network for streamflow forecasting, Hydrological Processes 18(1), p81-92, 2004.
5. Chang L.C., Shen H.Y., Wang Y.F., Huang J.Y., Lin Y.T., Clustering-based hybrid inundation model for forecasting flood inundation depths, Journal of Hydrology, v. 385, iss. 1-4, p. 257-268, 2010.
6. Chen A.S., Hsu M.H., Teng W.H., Huang C.J., Yeh S.H. and Lien W.Y., Establishing the database of inundation potential in Taiwan, Natural Hazards. 27: 107-132. 2006.
7. Chetty K., Smithers J., Continuous simulation modelling for design flood estimation in South Africa: Preliminary investigations in the Thukela catchment, Physics and Chemistry of the Earth 30, p634-638, 2005.
8. Chua L.H.C., Holz K.P., Hybrid Neural Network—Finite Element River Flow Model, J. Hydr. Engrg. , Volume 131, Issue 1, p52-59, 2005.
9. Dawson C.W., Abrahart R.J., Shamseldin A.Y. and Wilby R.L., Flood estimation at ungauged sites using artificial neural networks, Journal of Hydrology 319, p391-409, 2006.
10. Feng L.H., Lu J., The practical research on flood forecasting based on artificial neural networks, Expert Systems with Applications 37, p2974-2977, 2010.
11. Kim G., Barros A., Quantitative flood forecasting using multisensor data and neural networks, Journal of hydrology 246, p45-62, 2001.
12. Horritta M.S., Bates P.D., Evaluation of 1D and 2D numerical models for predicting river flood inundation, Journal of Hydrology 268, p87-99, 2002.
13. Hsu M.H., Chen S.H. and Chang T.J., Dynamic inundation simulation of storm water interaction between sewer system and overland flows, Journal of the Chinese Institute of Engineers, Vol. 25, No. 2, p171-177, 2002.
14. Jain A., Kumar A.M., Hybrid neural network models for hydrologic time series forecasting, Applied Soft Computing, Volume 7, Issue 2, p585-592, 2007.
15. Jeb D.N. , Aggarwal S.P., Flood Inundation Hazard Modelling of the River Kaduna Using Remote Sensing and Geographic Information Systems, Journal of Applied Sciences Research, 4(12): p1822-1833, 2008.
16. Keisuke U., Kazuo K., Development of Simulation System for the Disaster Evacuation Based on Multi-Agent Model Using GIS, TSINGHUA science and technology, issn 1007-0214 56/67, p348-353, Volume 13, Number S1, 2008.
17. Mark O., Weesakul S., Apirumanekul C., Aroonnet S.B. and Djordjevic S., Potential and limitations of 1D modelling of urban flooding, Journal of Hydrology 299, p284-299, 2004.
18. Masatoshi S., Flood hazard map distribution, Urban Water 1,p125-129, 1999.
19. Merwade V., Cook A. and Coonrod J., GIS techniques for creating river terrain models for hydrodynamic modeling and flood inundation mapping, Environmental Modelling & Software 23, p1300-1311, 2008.
20. Pappenberger F., Matgen P., Beven K.J., Henryc J.B., Pfisterb L. and Fraipont P., Influence of uncertain boundary conditions and model structure on flood inundation predictions, Advances in Water Resources 29, p1430-1449, 2006.
21. Rajurkar M.P., Kothyari U.C. and Chaube U.C., Artificial neural networks for daily rainfall-runoff modeling, Hydrological Sciences Journal 47, p865-877, 2002.
22. Ramirez M.C.V., Velho H.F.D.C. and Ferreira N.J., Artificial neural network technique for rainfall forecasting applied to the Sao Paulo region, Journal of Hydrology, Volume 301, Issues 1-4, p146-162, 2005.
23. Townsend P.A., Walsh S.J., Modeling floodplain inundation using an integrated GIS with radar and optical remote sensing, Geomorphology, Volume 21, Issues 3-4, p295-312, 1998.
24. Werner M.G.F., Impact of grid size in GIS based flood extent mapping using a 1D flow model, Physics and Chemistry of the Earth Part, Part B:Hydrology, Oceans and Atmospheres Volume 26, Issues 7-8, p517-522, 2001.
25. Yarar A., Onucyildiz M. and Copty N.K., Modelling level change in lakes using neuro-fuzzy and artificial neural networks, Journal of Hydrology 365, p329-334, 2009.
26. Zerger A., Examining GIS decision utility for natural hazard risk modelling, Environmental Modelling & Software 17, p287-294, 2002.
27. 宜蘭縣地理資訊多元加值應用系統。
28. 吳青俊、陳昶憲、陳柏蒼,類神經日流量及時預報模式之建立,第13屆水利工程研討會,2002。
29. 許銘熙、鄧慰先、黃成甲,嘉義地區逕流即淹水模式之研究(四),台灣水利局,1996。
30. 張斐章、孫建平,倒傳遞網路演算法於時雨量之研究,八十四年度農業工程研討會論文集,p209-223,1995。
31. 張斐章、孫建平,類神經網路應用於降雨-逕流過程之研究,中國農工學報,Vol.43,No.1,p9-25,1997。
32. 張斐章、張麗秋,「類神經網路導論原理與應用」,滄海書局,民國99年1月初版一刷。
33. 張麗秋、林永堂、張斐章,結合OLS 與SGA 建構輻狀基底類神經網路於洪水預測之研究,臺灣水利第53 卷,第4期,民國94年12月出版。
34. 詹仕堅、孫志鴻、徐美玲、李建堂,以集水區地文特徵為基礎的類神經網路洪水推估研究,中華水土保持學報 35(1),p1-16,2004。
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2010-07-29公開。
  • 同意授權瀏覽/列印電子全文服務,於2010-07-29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