支援向量機於降雨逕流預報之研究

降雨逕流的預報不論是在颱洪時期的防洪規劃上或是平時的水資源規劃上,都是不可或缺的部分。因此,如何得到一個準確且可靠的預報結果是相當重要的課題。在模式的準確度上已有許多人研究出許多改善的模式,而預報結果的可靠度則是較少人探討的問題。若想得到一個可靠的預報結果,就需要一個強健性高的預報模式。而在近幾年研究中,顯示有一種稱為「支援向量機」的類神經網路能取代常用的倒傳遞類神經網路,主要的原因除了在準確度上有所提昇之外,在強健性上也較佳。然而,研究中雖然有提出支援向量機具有較佳的強健性,但於強健性方面的討論卻很少,基於此,本研究將分別以支援向量機及倒傳遞類神經網路架構流量預報模式,並針對模式強健性的部份,分成訓練資料量、訓練場次挑選、訓練資料內噪音及初始權重這四個可能影響模式表現的因素進行討論。結果顯示,支援向量機的預報結果不但準確度優於倒傳遞類神經網路,且四個因素對支援向量機的影響更遠小於對倒傳遞類神經網路的影響。這表示支援向量機的準確度及強健性均高於倒傳遞類神經網路,亦即支援向量機的預報成果是更為有效且可靠的。因此,本研究建議在架構降雨逕流模式時,採用支援向量機取代傳統的倒傳遞類神經網路。

作者:許峰源