雷達降雨資料應用於洪水預報之 可行性分析

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：124

、訪客IP：18.219.89.148

姓名

王靖斈(Jing-Xue Wang) 查詢紙本館藏

畢業系所

土木工程學系

論文名稱

雷達降雨資料應用於洪水預報之可行性分析
(Feasibility Study of Radar Rainfall Data Application in Flood Forecasting)

相關論文

★ 水資源供需指標建立之研究	★ 救旱措施對水資源供需之影響分析
★ 台灣地區颱風雨降雨型態之分析研究	★ 滯洪池系統最佳化之研究
★ 運用遺傳演算優化串聯水庫系統聯合運轉規線之研究	★ 河川魚類棲地分佈之推估與分析研究－以卑南溪新武呂河段為例－
★ 整合型區域水庫與攔河堰聯合運轉系統模擬解析及優化之研究	★ 河川低水流量分流演算推估魚類棲地之研究-以烏溪上游為例
★ 大漢溪中游生態基流量推估與棲地改善之研究	★ 石門水庫水質模擬與水理探討
★ 越域引水水庫聯合操作規線與打折供水最佳化之應用－以寶山與寶山第二水庫為例	★ 防洪疏散門最佳啟閉時間之研究－以基隆河臺北市河段為例－
★ 配水管網破管與供水穩定性關係之研究	★ 石門水庫永續指標之建立與研究
★ 台灣地區重要水庫集水區永續指標建立與評量	★ 限制開發行為對水庫集水區水質保護之探討

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

降雨資料於水文模式中是一個關鍵因子，不同的降雨資料將影響模式的表現。本研究之研究區域為新竹鳳山溪流域面積約250平方公里。透過HEC-HMS模擬山區地表逕流，其中HEC採用SCS-CN的方式評估降雨損失，並匯入WASH123D以評估模擬一維河道與二維地表水文變化。此模式透過六場降雨事件驗證與校準後，顯示檢定結果校準之相關係數在0.8，均方根誤差為0.21至0.43m，且趨勢與觀測值相符合，判斷模式具有一定的能力用以模擬河道水位。
本研究為評估雷達降雨資料之正確性，故將此資料與雨量站降雨資料輸入於水文模式中模擬河川水位變化。結果表明雷達降雨推估(QPE)比雨量站資料更能反應出整個流域的變化。另一方面，雷達降雨預測(QPF)，在預測河川水位變化時，雖然能反應出水位的變化，但預測結果並不理想。故本研究透過物理性修正(RT)法與統計性修正(SVM)法來修正QPF預測結果，其結果表明，兩種修正方式皆可提升河川水位預測的準確性，其中RT之修正結果較佳，能精確地預測未來洪水的發生與轉折。而SVM之修正結果，雖能使整體水位變化更貼近觀測值，但仍有誤差存在，其原因可能為訓練資料不足或是特徵向量代表性不佳所致。

摘要(英)

Rainfall is a key input data for flood forecasting but inherent errors in radar rainfall data can lead to poor performance of predictive hydrological models. A hydrometerological study in a Fengshan creek basin was conducted to check the feasibility of weather radar rainfall and flood forecasting. The study region has drainage area of 250 km2 located in Hsinchu, Taiwan. Rainfall-induced surface runoff from six rainstorm events were obtained from HEC-HMS using SCS-CN method. A coupled 1-D river and 2-D overland model, WASH123D was applied to simulate river stage. The performance of the model was satisfactory with correlation coefficient of 0.8 and root mean square error of 0.21 to 0.43m during calibration and validation, respectively. It was found that the simulated trends were consistent with the observed values, and WASH123D model has ability to simulate the water level of river.
In order to evaluate the feasibility of rainfall radar data as input, the hydrological model was also simulated for river water level. It was found that model performs better when it uses radar rainfall estimation (QPE) as input rather than rainfall station data. Results of using one-hour Radar rainfall prediction (QPF) as input for water level forecasting were encouraging but have over and under estimation for different rainstorm events. Therefore, QPF prediction results were corrected through physical correction (RT) and statistical correction (SVM) methods. The results showed that both correction methods can improve the accuracy of river water level prediction. However, RT correction results are better and can accurately predict the occurrence and transition of future floods. while, the SVM correction results unable to predict the occurrence and transition of future floods accurately may be due to insufficient training data or poor representation of feature vectors.

關鍵字(中)

★ 水文模式
★ WASH123D
★ 洪水預報
★ 雷達雨量
★ 即時校正

關鍵字(英)

★ Hydrological model
★ WASH123D
★ Flood forecasting
★ Radar rainfall
★ Real time correction

論文目次

摘要 I
ABSTRACT II
致謝 III
目錄 IV
圖目錄 VII
表目錄 X
第一章緒論 1
1.1研究動機與目的 1
1.2研究架構與流程 2
第二章文獻回顧 4
2.1逕流模式HEC-HMS 4
2.2水文數值模式WASH123D 5
2.3雷達降雨應用 6
2.4支撐向量機 8
第三章研究區域與水文模式之基本理論分析 10
3.1 研究區域簡介 10
3.1.1水文資料 11
3.1.2 地文資料 13
3.2 區域模式建立 15
3.2.1 A、B區塊HEC-HMS建立 15
3.2.2 C區塊模擬WASH123D格網建立 16
3.3 降雨逕流模式 18
3.3.1 HEC-HMS簡介 18
3.3.2 HEC-HMS之參數分析 19
3.4 WASH123D水文模式 21
3.4.1 WASH123D之簡介 21
3.4.2 WASH123D之理論介紹 22
3.5 物理性即時修正 28
3.6 統計性誤差修正支撐向量機 29
3.7 模式驗證方法 29
第四章雷達降雨資料與空間特性探討 31
4.1 劇烈天氣系統 31
4.2 雷達產品資訊 33
4.3 雷達觀測原理與誤差 33
4.4 QPESUMS 網格繪製 37
4.5 降雨空間分布比較 39
4.5.1 單點雨量特性 39
4.5.2 面雨量特性 43
4.5.3 單點雨量特性與面雨量特性之比較 48
4.5.4 雷達預測資料與雨量站資料 49
第五章結果與討論 53
5.1 河道驗證 53
5.1.1校準事件 54
5.1.2驗證事件 56
5.2 地表驗證 58
5.3 雨量站與雷達資料模擬比較 59
5.4 洪水水位預測 64
5.4.1 物理性即時修正之操作 64
5.4.2 支撐向量迴歸之率定 66
5.4.3 洪水水位預測結果與討論 68
第六章結論與建議 74
6.1結論 74
6.2建議 75
參考文獻 76
附錄A 支撐向量機基本原理 81
A.1結構風險最小化 81
A.2 支撐向量迴歸 83

參考文獻

1. Abrahart, R.J., See, L.M. and Solomatine, D.P., “Practical Hydroinformatics: Computational Intelligence and Technological Developments in Water Applications”, 2008.
2. Biggs, E.M. and Atkinson, P.M., “A comparison of gauge and radar precipitation data for simulating an extreme hydrological event in the Severn Uplands, UK” , Hydrological Process, 25, 795-810, 2011.
3. Chow, V. T., Mays, D. R., Mays, L. W., “Applied Hydrology.” , McGraw-Hill, New York .,1988.
4. Choy, K.Y., and Chan, C.W., “Modelling of river discharges and rainfall using radial basis function networks based on support vector regression”, International Journal of Systems Science, 34(14-15), 763-773, 2003.
5. Cole, S.J. and Moore, R.J., “Distributed hydrological modelling using weather radar in gauged and ungauged basins”. Advances in Water Resources, 32, 1107-1120, 2009.
6. Gumindoga, W., Rwasoka, D.T., Nhapi, I., Dube, T., “Ungauged runoff simulateon in Upper Manyame Catchment, Zimbabwe: Application of the HEC-HMS model”, Physics and Chemistry of the Earth, Parts A/B/C, 100, 371-382, 2017.
7. Haith, D. A., Mandel, R. and Wu, R. S., “Generalized Watershed Loading Functions Version 2.0: User’s Manual.”, Department of Agricultural and Biological Engineering, Cornell University, Ithaca, NY., 1992.
8. Halwatura, D. and Najim, M.M.M., “Application of the HEC-HMS model for runoff simulation in a tropical catchment”, Environmental Modelling & Software, 46, 155-162, 2013.
9. Kang, F. and Li, J., “Artificial Bee Colony Algorithm Optimized Support Vector Regression for System Reliability Analysis of Slopes”, Journal of Computing in Civil Engineering, 30, issue3, 2016.
10. Khan, A., Farhan, M. and Ali, A., “Speech Recognition: Increasing Efficiency of Support Vector Machines ”, International Journal of Computer Applications, 35, 17-21, 2011.
11. Lin, K.P., Chou, P.C. and Sinh, D.S., “To Study Hydrological Variabilities by using Surface and Groundwater Coupled Model – A Case Study of PingTung Plain, Taiwan.”, Procedia Engineering, 154, 1034-1042, 2016.
12. Liong, S.Y., and Sivapragasam, C.,“Flood stage forecasting with support vector machines”, Journal of the American Water Resources Association, 38(1), 173-196, 2002.
13. Lopez, V., Napolitano, F. and Russo, F., “Calibration of a rainfall-runoff model using radar and rain gauge data”, Advances in Geosciences, 2, 41-49, 2005.
14. Meenu, R., Rehana, S. and Mujumdar, P.P., “Assessment of hydrologic impacts of climate change in Tunga–Bhadra river basin, India with HEC-HMS and SDSM”, Hydrological Process, 27,1572-1589, 2013.
15. Samsudin, R., Saad, P. and Shabri, A., “River flow time series using least squares support vector machines” , Hydrol. Earth Syst.,15,1835-1852, 2011.
16. Shih, D.S. and Yeh, G.T. ,“Identified model parameterization, calibration and validation of the physically distributed hydrological model, WASH123D in Taiwan” ,Journal of Hydrology Engineering. 16 (2), 126-136, 2011.
17. Vapnik, V.N., “The Nature of Statistical Learning Theory. ” , Machine Learning 20, 273-297, 1995.
18. Wang, W.C. ,Chau, K.W., Cheng, C.T., Qiu, L., “A comparison of performance of several artificial intelligence methods”. Journal of Hydrology, 374, 294-306, 2009.
19. Yeh, G.T., Huang, G., Zhang, F., Cheng, H.P., Lin, H.C.“WASH123D：A Numerical Model of Flow, Thermal Transport, and Salinity, Sediment, and Water Quality Transport in WAterSHed System of 1-D Stream-River Network , 2-D Overland Regime, and 3-D Subsurface Media.” Technical report Submitted to US EPA. D., 2005.
20. Yeh, G.T., Shih, D.S. and Cheng, J.R.C., “An integrated media, integrated processes watershed model ” , Computers & Fluids, 45,2-13, 2011.
21. 中央氣象局劇烈天氣監測系統(QPESUMS)，http://qpesumspub.cwb.gov.tw/taiwan-html2/index.html ，2018。
22. 方偉庭、王忠斌、張保亮，「雷達定量降水預報外延技術之評估與改進」，中央氣象局衛星中心，2016。
23. 水利署地理倉儲中心，https://gic.wra.gov.tw/gis/ ，2018。
24. 水利署第二河川局，http://www.wra02.gov.tw/mp.asp?mp=102 ，2017
25. 江介倫、許俊騰、胡茵婷、吳若穎，「地理資訊系統及HEC-HMS應用於中小集水區降雨逕流模擬」，坡地防災學報，第8卷，第2期，29-44，2009。
26. 吳亭燁、李欣輯、陳永明，「氣候變遷資料應用於土石流衝擊與土方量之推估」，中華水土保持學報，048，163-174，2017。
27. 李光敦，「水文學」，2005。
28. 李明軒，「支撐向量機與模糊推論於流量預報即時誤差修正之研究」，國立成功大學水利及海洋工程研究所碩士論文，2008。
29. 李致家、劉金滔、葛文忠、趙坤，「雷達估測降雨與水文模型的耦合在洪水預報中的應用」，河海大學學報，32卷，第6期，2004。
30. 林拓，「結合數值模擬與模糊理論進行洪水預報最佳化之研究」，國立中興大學土木工程學系碩士論文，2015。
31. 林劍藝、程春田，「支持向量機在中長期逕流預報中的應用」，水利學報，第37卷，第6期，2006。
32. 唐玉霜、黃葳芃、張保亮、陳嘉榮，「劇烈天氣監測系統(QPESUMS)之防災應用」。中央氣象局。105 年天氣分析與預報研討會論文彙編，2016。
33. 張志新、施虹如、傅鏸漩，「2017 年全球重大天然災害回顧」，國家災害防救科技中心災害防救電子報，第152期，2018。
34. 張保亮，「氣象雷達與應用」，科學研習，50卷，第6期，2014。
35. 張保亮、丘台光、王碧霞、林品芳，「應用多重觀測工具之定量降雨估計之研究」，中央氣象局衛星中心，2004。
36. 許家銘，「淹水預警之研究」，中國科技大學土木防災與防災應用科技學系碩士論文，2010。
37. 陳奕全，「水文模式結合季長期天氣展望推估鳳山溪流域地下水位變化」，國立中央大學土木工程學系碩士論文，2018。
38. 陳憲宗、游保杉，「洪水位之即時機率預報-結合支撐向量機與模糊推理」，農業工程學報，第53卷，第4期，2007。
39. 陳憲宗、劉鑌鋈、游保杉，「應用支撐向量機與輻狀基底神經網路修正 QPESUMS 雨量」。農業工程學報，第 56 卷，第3期，2010。
40. 黃碧慧、陳穗碧，「QPE 於颱風事件的估計差異與空間之關聯性分析」，行政院農業委員會水土保持局，2017。
41. 經濟部水利署，https://www.wra.gov.tw/，2018。
42. 蔡孟原、許銘熙、傅金城、林李耀、王安翔，「雷達定量降水估計在河川洪水預報模式之應用」，農業工程學報，57卷，第4期，2014。
43. 蔡忠遠，「探討土地利用和氣候變遷下鳳山溪流域地下水位及流量影響」，國立中央大學土木工程學系碩士論文，2015。
44. 謝章廷，「應用雷達降雨於分布型水文模式與不確定性分析」，國立成功大學水利及海洋工程研究所碩士論文，2007。

指導教授

吳瑞賢(Ray-Shyan Wu)

審核日期

2019-7-24

推文