系統識別號 | U0002-3008201513220600 |
---|---|
DOI | 10.6846/TKU.2015.01109 |
論文名稱(中文) | 混合式群集演算法之研究及其於洪峰流量區域頻率分析之應用 |
論文名稱(英文) | A Study on the Hybrid-cluster Algorithm for Regional Frequency Analysis of Flood Discharge |
第三語言論文名稱 | |
校院名稱 | 淡江大學 |
系所名稱(中文) | 水資源及環境工程學系碩士班 |
系所名稱(英文) | Department of Water Resources and Environmental Engineering |
外國學位學校名稱 | |
外國學位學院名稱 | |
外國學位研究所名稱 | |
學年度 | 103 |
學期 | 2 |
出版年 | 104 |
研究生(中文) | 秦偉嘉 |
研究生(英文) | Wei-Chia Chin |
學號 | 603480012 |
學位類別 | 碩士 |
語言別 | 繁體中文 |
第二語言別 | |
口試日期 | 2015-07-13 |
論文頁數 | 69頁 |
口試委員 |
指導教授
-
虞國興
指導教授 - 鄭思蘋 委員 - 王如意 委員 - 楊錦釧 |
關鍵字(中) |
群集分析 線性動差 區域洪水頻率分析 |
關鍵字(英) |
Cluster Analysis L-moments Regional frequency analysis |
第三語言關鍵字 | |
學科別分類 | |
中文摘要 |
臺灣常遭逢季風、梅雨以及颱風之侵襲,高強度降雨事件使得防洪設施之排洪能力面臨相當嚴峻之考驗。2009年,莫拉克颱風對南臺灣造成重大災害,驚人之降雨量超過排洪系統負荷,使得二仁溪、荖濃溪及旗山溪等河川發生多處溢堤及潰堤現象,釀成相當嚴重之水患災情。本研究之目的係探討在面對未設置站地點或水文資料不足區域,如何改善及提升過去以臺灣全區採用單一機率分布而造成之精確度問題,研究中利用有限測站之觀測資料及其上游集水區之地文因子,並藉由劃分出具有水文特性之均一性區域,以進行區域洪水頻率分析及推估洪峰流量,進而篩選出區域之最適機率分布,也期冀可提供未來區域重新檢視防洪設施保護能力之參考。 本研究選擇臺灣南部地區包括:朴子溪流域、八掌溪流域、急水溪流域、曾文溪流域、鹽水溪流域、二仁溪流域與高屏溪流域等共七個流域作為研究區域,並以區域內之22個流量站之歷年年最大流量資料與測站地文因子為分析對象。研究中,分別以凝聚式層次群集演算法(agglomerative hierarchical clustering algorithm)、K-均值演算法(K-means algorithm)與結合上述兩方法之混合式群集分析法(hybrid-cluster algorithm)進行區域劃分,進而擇定一最佳方法,劃分出具有地理及水文特性之均一性區域。再以線性動差法為基礎之兩種區域度量,非調和度量(discordance measure)與均質性估量(homogeneous measure),檢定區域內水文特性之均一性,接著利用適合度估量(goodness-of-fit measure),判斷各區域內適合之機率分布,最後推估其洪峰流量,找出區域最適合之機率分布。 研究結果顯示,以混合式群集分析法中華德法(Ward’s method)加K-均值演算法分析之結果為最佳,且將南部地區由七個流域劃分為四個區域,其各區結果不僅滿足水文特性之均一性,亦符合測站間在地理位置上相互緊鄰之空間分布特性。此外,本研究亦顯示南部地區區域頻率分析在第一區及第二區最適機率分布為對數皮爾遜第III型分布;第三區及第四區最適機率分布為通用極端值分布。 |
英文摘要 |
Because of the monsoon climate and typhoon event, the drainage capacity of the flood control facilities in Taiwan were strictly tested by the extreme precipitation events. In 2009, Typhoon Morakot caused serious disaster in southern Taiwan. The extreme rainfall lead to flooding at many places because of the exceeding capacity of drainage system. The purpose of this study is to improve the accuracy of using the single probability distribution at the region lacking of hydrological information. In this study, by using the limited information from the gauged stations and the physiographic factor of upstream catchment area, we classify the area which has the similar hydrological characteristics so that we can analysis the flood frequency and estimate the peak flow more precisely, and select the most appropriate probability distribution for the area. In this study, the seven basins in southern Taiwan as the research area, 22 stations within the region with annual maximum flow data and station physiographic factor are the analysis objects. In this study, agglomerative hierarchical clustering algorithm, K-means algorithm and the hybrid-cluster algorithm which combined the above two methods were used to regionalized the area. In each determined region, it’s will have the homogeneity of geographical and hydrological characteristics. Then using discordance measure and homogeneous measure which based on the L-moments to verify the homogeneity of hydrological characteristics. In the end, using the goodness-of-fit measure to determine the appropriate probability distribution for each region and then estimate the peak flow to find the best probability distributions for the region. The results indicated that the Ward's method and K-Means algorithm of hybrid-cluster algorithm is the best choice, and the seven basins in southern Taiwan were divided into four regions. The result not only meet the homogeneity of hydrological characteristics but also in line with the stations on the spatial distribution characteristics of geographical location. Moreover, the optimal probability distribution for the first and second region is Log Pearson Type III Distribution (LPT3) and the optimal probability distribution for the third and fourth region is Generalized Extreme-Value Distribution (GEV). |
第三語言摘要 | |
論文目次 |
謝誌 I 中文摘要 II 英文摘要 III 目錄 IV 表目錄 VI 圖目錄 VII 附圖目錄 VIII 第一章 緒論 1 1-1 研究動機與目的 1 1-2 文獻回顧 2 第二章 理論基礎 4 2-1群集分析(Cluster Analysis) 4 2-1-1單一連結法(Single Linkage, SL) 5 2-1-2完全連結法(Complete Linkage, CL) 5 2-1-3華德法(Ward’s Method, W) 6 2-1-4 K-均值演算法(K-means Algorithm, KMA) 6 2-1-5混合式群集演算法(Hybrid-cluster Algorithm) 7 2-2區域洪水頻率分析 9 2-2-1非調和度量(Discordance Measure) 10 2-2-2均質性估量(Homogeneous Measure) 12 2-2-3適合度估量(Goodness-of-fit Measure) 13 2-2-4區域迴歸分析(Regional Regression Analysis) 17 2-2-5推估能力指標 18 第三章 研究方法與實際案例 19 3-1 研究流程 19 3-1-1 群集分析 19 3-1-2 區域洪水頻率分析 20 3-2案例分析 23 3-2-1分析資料 23 3-2-2群集分析演算法之屬性 28 3-2-3調整劃分區域 29 第四章 結果與討論 30 4-1群集分析演算法結果 30 4-1-1目標函數與劃分結果 30 4-1-2 調整群集演算法之結果 35 4-1-3非調和度量 37 4-1-4均質性估量 38 4-2 區域洪水頻率分析 43 4-2-1適合度估量 43 4-2-2區域迴歸分析 44 第五章 結論與建議 51 5-1 結論 51 5-2 建議 52 參考文獻 53 附件 55 表目錄 表 1 非調和度量之臨界值表 11 表 2 研究區域流量站選用說明表 24 表 3 研究區域及採用之流量站基本資料表 26 表 4 平均年最大流量與各屬性之相關係數表 28 表 5 目標函數F值之比較表 31 表 6 非調合度量檢定結果表 37 表 7 均質性估量檢定結果表 39 表 8 第四區均質性估量檢定結果表 39 表 9 各區之適合度估量計算結果表 43 表 10 各區之迴歸模型式係數一覽表 44 表 11 各區之平均年最大洪流量迴歸式 45 表 12 各區適合分布之區域頻率成長因子一覽表 45 表 13 各區適合分布之推估能力指標一覽表 47 圖目錄 圖 1 群集分析流程圖 21 圖 2 區域頻率分析流程圖 22 圖 3 流量測站位置示意圖 27 圖 4 華德法-分群數K=6 32 圖 5 K-均質演算法(Option-1)-分群數K=4 33 圖 6 華德法加上K-均值法-分群數K=5 34 圖 7 群集分析演算法劃分結果 36 圖 8 保留流域界線之分區結果圖 41 圖 9 排除流域界線之分區結果圖 42 圖 10 第一區單站與區域洪水頻率分析推估結果 47 圖 11 第二區單站與區域洪水頻率分析推估結果 48 圖 12 第三區單站與區域洪水頻率分析推估結果 49 圖 13 第四區單站與區域洪水頻率分析推估結果 50 附圖目錄 附圖1 朴子溪朴子(2)站歷年流量紀錄圖 56 附圖 2 朴子溪壩址橋站歷年流量紀錄圖 56 附圖 3 朴子溪鹿滿站歷年流量紀錄圖 56 附圖 4 朴子溪竹崎站歷年流量紀錄圖 57 附圖 5 朴子溪牛稠溪橋站歷年流量紀錄圖 57 附圖 6 朴子溪蒜頭站歷年流量紀錄圖 57 附圖 7 朴子溪灣內橋站歷年流量紀錄圖 58 附圖 8 朴子溪華興橋站歷年流量紀錄圖 58 附圖 9 八掌溪觸口站歷年流量紀錄圖 58 附圖 10 八掌溪義竹(厚生橋)站歷年流量紀錄圖 59 附圖 11 八掌溪軍輝橋站歷年流量紀錄圖 59 附圖 12 八掌溪常盤橋站歷年流量紀錄圖 59 附圖 13 急水溪六溪站歷年流量紀錄圖 60 附圖 14 急水溪吉貝耍站歷年流量紀錄圖 60 附圖 15 急水溪新營站歷年流量紀錄圖 60 附圖 16 急水溪青葉橋站歷年流量紀錄圖 61 附圖 17 曾文溪照興(3)站歷年流量紀錄圖 61 附圖 18 曾文溪玉田站歷年流量紀錄圖 61 附圖 19 曾文溪西港站歷年流量紀錄圖 62 附圖 20 曾文溪左鎮站歷年流量紀錄圖 62 附圖 21 曾文溪麻善大橋站歷年流量紀錄圖 62 附圖 22 鹽水溪關廟站歷年流量紀錄圖 63 附圖 23 鹽水溪新市站歷年流量紀錄圖 63 附圖 24 二仁溪岡山頭站歷年流量紀錄圖 63 附圖 25 二仁溪南雄橋(阿蓮(2))站歷年流量紀錄圖 64 附圖 26 二仁溪崇德橋站歷年流量紀錄圖 64 附圖 27 高屏溪小林(1)站歷年流量紀錄圖 64 附圖 28 高屏溪月眉站歷年流量紀錄圖 65 附圖 29 高屏溪九曲堂(2)站歷年流量紀錄圖 65 附圖 30 高屏溪荖濃(新發大橋)站歷年流量紀錄圖 65 附圖 31 高屏溪美濃站歷年流量紀錄圖 66 附圖 32 高屏溪大津站歷年流量紀錄圖 66 附圖 33 高屏溪三地門站歷年流量紀錄圖 66 附圖 34 高屏溪民族站歷年流量紀錄圖 67 附圖 35 高屏溪梅山站歷年流量紀錄圖 67 附圖 36 高屏溪六龜站歷年流量紀錄圖 67 附圖 37 高屏溪杉林大橋站歷年流量紀錄圖 68 附圖 38 高屏溪里嶺大橋站歷年流量紀錄圖 68 附圖 39 高屏溪阿其巴橋站歷年流量紀錄圖 68 附圖 40 高屏溪楠峰橋站歷年流量紀錄圖 69 |
參考文獻 |
1.王如意、易任,1979,「應用水文學」,國立編譯館。 2.虞國興,1989,「臺灣水文頻率分析之規範研究—年一日、二日及三日最大暴雨」,農業工程學報,36(2),56-79。 3.虞國興,1990,「水文頻率分析中偏態係數修正方法及點繪法之研究」,農業工程學報,37(2),1-13。 4.游罄竹,2012,「模糊群集方法之研究及其於氣候變遷水文時序辨識之應用」,淡江大學水資源及環境工程學系碩士論文。 5.虞國興、劉振宗,1991,「臺灣地區年一日、二日、三日最大暴雨及年最大日流量之頻率分析研究」,農業工程學報,27-37。 6.蕭正宗、黃亮芸,2007,「利用區域化法推估台灣地區未設站地點年最大一日雨量之頻率」,農業工程學報,53(2),77-94。 7.陳儒賢、陳清田、謝宛吟,2011,「台灣地區區域洪水頻率分析之研究」, 臺灣水利,59(1),37-52。 8.Hosking, J. R. M., & Wallis J. R. 1997. Regional frequency analysis:An approach based on L-moments. New York, USA. Cambridge University Press. 9.A. Ramachandra Rao, & V.V. Srinivas. 2006. Regionlization of watersheds by hybrid-cluster analysis. Journal of Hydrology, 318, 37-56. 10.K. Nruthya, & V.V. Srinivas. 2015. Evaluating Methods to Predict Streamflow at Ungauged Sites using Regional Flow Duration Curves: A Case Study. Aquatic Procedia, 4, 641-648. 11.Bhaskar, N. R., & O’Connor C. A. 1989. Comparison of method of residuals and cluster analysis for flood regionalization. Journal of Water Resources Planning and Management, 115(6), 793–808. 12.Burn, D. H. 1997. Catchment similarity for regional flood frequency analysis using seasonality measures. Journal of Hydrology, 202, 212–230. 13.Burn, D. H. 1989. Cluster analysis as applied to regional flood frequency. Journal of Water Resources Planning and Management, 115(5), 567–582. 14.Burn, D. H., & Goel N. K. 2000. The formation of groups for regional flood frequency analysis. Hydrological Sciences Journal, 45(1), 97–112. 15.Mosley, M. P. 1981. Delimitation of new zealand hydrologic regions. Journal of Hydrology, 49, 173-192. 16.Nathan, R. J., & McMahon T. A. 1990. Identification of homogeneous regions for the purposes of regionalisation. Journal of Hydrology, 121, 217–238. 17.Tasker, G. D. 1982. Comparing methods of hydrologic regionalization. Water Resources Bulletin, 18, 965–970. 18.Wiltshire, S. E. 1986. Regional flood frequency analysis II. multivariate classification of drainage basins in britain. Hydrological Sciences Journal, 31(3), 335–346. 19.Ward, J. H., Jr. 1963. Hierarchical Grouping to Optimize an Objective Function. Journal of the American Statistical Association, 58, 236–244. |
論文全文使用權限 |
如有問題,歡迎洽詢!
圖書館數位資訊組 (02)2621-5656 轉 2487 或 來信