第五章 案例成果與討論
5.4 路徑九
路徑九學習模式:
ANN 的設定經過多次嘗試,採用 1 個隱藏層,個 8 節點數,學習代數 1100 代。
GAOT 的參數設定群集大小 100,染色體長度 8 位元,交配率 0.9,突變率 0.001,收 斂條件為連續200 個世代不再進步則停止程式。路徑九經 MLR 與 GAOT 模式運算後 產生的方程式如下式5.9、5.10:
MLR
1 2 3
4 5 6
7 8
( ) 18 4 .1 13 0 X -0.1 8 6 34 X - 0 .1 05 4 3 X - 0 .0 02 2 1 X + 0 .0 6 3 1 4 4 X + 0 .0 0 4 8 8 8 X
+ 0 .0 8 7 3 7 6 X -0 .2 5 6 5 9 X ...(5.9 )
m m = + × × ×
× × ×
× ×
路 徑 九
GAOT
( ) ( )
{ }
{
4X / X2 6 / X4 X2}
(m m) 14.0392 -192.3164= × ln X⎡⎣ + ⎤⎦ ...(5.10)
路 徑 九
圖5-31 路徑九 GAOT 示意圖
GAOT 模式於 8 個因子中篩選出 3 個因子,分別為 X2(颱風中心氣壓)、X4(颱風 與測站距離)、X6(颱風中心風速),其敏感度分析圖如 5-32~34:
颱風與測站距離
X 颱風中心氣壓
X 4
0 200 400 600 800 1000
Y
0 2 4 6 8 10 12
2
940 950 960 970 980 990 1000
Y
0 2 4 6 8 10 12
圖5-32 路徑九因子 X2敏感度分析 圖5-33 路徑九因子 X4敏感度分析
颱風中心風速
X6
60 80 100 120 140 160
Y
0 2 4 6 8 10 12
圖5-34 路徑九因子 X6敏感度分析
由敏感度圖中可看出與颱風與測站距離(X4)及颱風中心風速(X6)此兩項因子有較 顯著的影響,降雨量會隨颱風與測站距離的增加表現出先減少後增加的曲線變化;颱 風中心風速則是隨著中心風速的增加降雨量也會隨之增加,在路徑九中颱風與測站距 離此一因子敏感度會呈現如此的曲線變化,是由於颱風再遠離時降雨量會先依照一般 的大氣現象而減少,但在颱風持續北行的同時通常都會引進旺盛的西南氣流,故降雨
57
量會再向上提升一些;颱風中心風速的敏感度圖表現則是與實際的大氣現象相符合,
而颱風中心氣壓(X2)從圖中可看出於路徑九的模式中影響較不明顯,故將此一因子以 平均值代換後如式5.11。
( ) ( )
{ }
{
4967.5 / X6 / X4 967.5}
(m m) 14.0392 -192.3164= × ln X⎡⎣ + ⎤⎦ ...(5.11) 路 徑 九
路徑九之運算結果比較如表 5-8,訓練資料中三種模式的訓練誤差以 ANN 的訓 練RMSE 值 1.54 最小,驗證部份的 RMSE 值為 5.18 明顯優於 MLR 與 GAOT 模式;
GAOT 模式在訓練部分只有略優於 MLR,但驗證誤差的部份也是明顯的優於 MLR,
由散佈圖5-35~37 可看出 ANN 於路徑九的預測模式中具有較佳的預測能力。
表5-8 路徑九運算結果比較表(驗證資料-珍珠颱風)
CC RMSE SS(%)
路徑九 training testing training testing training testing MLR 0.72 0.17 2.23 18.29 - - ANN 0.88 0.21 1.54 5.18 30.66 71.65 GAOT 0.74 0.23 2.18 7.31 2.31 60.05
Actual Value(mm)
0 5 10 15 20 25 30
Predicted Value(mm)
0 5 10 15 20 25 30
Training Testing
Actual Value(mm)
0 2 4 6 8 10 12 14
Predicted Value(mm)
0 2 4 6 8 10 12
14 Training
Testing
圖5-35 路徑九 MLR 散佈圖 圖5-36 路徑九 ANN 散佈圖
Actual Value(mm)
0 2 4 6 8 10 12 14
Predicted Value(mm)
0 2 4 6 8 10 12
14 Training
Testing
圖5-37 路徑九 GAOT 散佈圖
在比較總降雨量部分如表 5-9,此路徑出現與路徑八相似的情況,路徑九的三 場颱風資料娜克莉、南瑪都及驗證資料的珍珠其累積降雨量差異甚大,娜克莉及南 瑪都的累積雨量分別為71.91 mm 與 128.9 mm,但珍珠的累績與量只達 20 mm,從 圖5-27 可看出珍珠行徑路線較為偏西,在海上行徑時還呈中度颱風的珍珠,於登陸 大陸福建後急轉為輕度颱風,並且離研究區域有一段距離,導致累積降雨量與娜克 莉和南瑪都有很大的差異,進而影響到三組模式在推估總累積降雨時,因颱風資料 稍嫌不足外其降雨量的數據差異過大,故產生表5-9 如此嚴重的誤差。
表5-9 珍珠颱風累積雨量表
珍珠颱風對於石門水庫之降雨量 20 mm 路徑九 預測雨量(mm) 誤差率 (%)
MLR 686.12 3330.59
ANN 202.84 914.20
GAOT 279.80 1299.01
59
0 100 200 300 400 500 600 700 800
1 7 13 19 25 31 37
hr
m m
實際 GAOT MLR ANN
圖5-38 珍珠颱風累積降雨量
0 5 10 15 20 25 30
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37
hr
mm
實際 GAOT MLR ANN
圖5-39 珍珠颱風每小時降雨量