應用類神經網路於集水區與水庫之水質預測分析

台灣地區水庫淤積及優養化問題嚴重,每經颱風豪雨過後,水庫集水區總會有土壤沖蝕或土石崩塌的情形,而大量的汙染物及營養鹽(磷、氮等)隨著暴雨逕流及泥砂沖刷一起進入水庫庫區內,使之產生嚴重的淤積現象,並造成原水的混濁及水體之透明度降低,以及水質惡化,而可能讓水庫呈現優養化的狀態,並且水庫庫容減少縮短水庫的壽命。本研究之目的為利用類神經網路(Artificial Neutral Network, ANN)模擬降雨時在水庫與其集水區內,所造成之泥砂、營養鹽(氮、磷等)及藻類之生長情形。本研究以石門水庫為例,先收集前人研究集水區模式BASINS的資料,再結合水庫模式CE-QUAL-W2模擬水庫內藻類及營養鹽的生長情形,最後利用倒傳遞類神經網路取代複雜的集水區BASINS及水庫CE-QUAL-W2模式,以便可即時推估水庫及集水區泥砂、營養鹽產量及藻類生長的情形。在集水區模式BASINS方面,類神經網路之輸出值相關系數皆大於0.67,且峰值並不會相差太大,趨勢也能夠符合;在水庫模式CE-QUAL-W2方面,其類神經網路訓練的結果相關係數大都有0.80以上,而驗證的結果也大多有0.65以上的相關性,可見若有連續資料,可應用倒傳遞類神經網路進行對水庫水質的連續預測。

作者:林信宏