應用類神經網路於颱風降雨量即時預報之研究

台灣由於位於西北太平洋之濱、颱風路徑之要衝,再加上河川坡陡流急、沿海地區地層下陷嚴重,颱風所帶來之洪水常致使人民生命財產損失;為了提供資訊予淹水預警與水庫防洪操作系統,短至長延時之颱風降雨預報為一相當重要之課題。颱風降雨為一混沌且不確定性高之系統,而調適性網路模糊推論系統(Adaptive Network-based Fuzzy Inference System)具有學習與模糊邏輯推理的能力,對於預測如降雨量這種非定律性颱風大氣-降雨關係效果可能較佳,因此本研究應用ANFIS並研發最佳化模式參數與架構之建構機制來建立提前1小時至6小時之颱風降雨預報模式,並與傳統最常使用之倒傳遞類神經網路(Back Propagation Neural Networks)做比較。本研究流程首先使用無母數之相關性分析來判別多種參數與降雨量之間的關係,決定最適合類神經網路之輸入變數。接著為了增進高雨量預報之精確度,本研究使用兩種架構來建構單一延時之雨量預報模式,第一種是單模式建立法,即直接建立一擁有最小誤差之模式;第二種是雙模式混合建立法,其方法為組合單一延時之高雨量與低雨量預報模式;而後比較單模式或雙模式混和兩種架構之優劣。而為了改善建構ANFIS雨量預報模式時搜尋最佳架構之效率與預報之準確性,本研究分別使用禁忌演算法與隨機試誤法搜尋減法聚類法之鄰近半徑,期望禁忌演算法能得到較隨機試誤法好之解。此外利用耦合之架構來建立短至長延時之雨量預報模式,期望能增進長延時雨量預報之精確度。最後比較BPN-耦合、BPN-非耦合、ANFIS-耦合、ANFIS-非耦合四種短至長延時預報模式架構來做比較。本研究以石門水庫集水區為研究區域,研究年限為西元2001至2009年,目的為預報玉峰以及霞雲雨量站提前1小時至提前6小時之雨量;結果顯示,禁忌演算法來優選ANFIS之最佳初始參數,並以雙模式混合法與耦合之架構來做短至長延時之颱風降雨預報,可得到最精確、快速且穩定之預報效果。

作者:羅竣文