支撐向量機與模糊推論於流量預報即時誤差修正之研究               

                                    李 明 軒

本研究結合QPESUMS (Quantitative Precipitation Estimation- Segregation Using Multiple Sensor) 雷達雨量系統與分佈型水文模式建構空間流量預報模式，利用未來1 ~ 3小時雨量推估1 ~ 3小時流量預報值，並建立兩種即時誤差修正的方法以提升流量預報之精確程度。本研究以基隆河五堵流量站上游為研究流域，挑選2005 ~ 2006年總共10場颱洪事件，其中7場作為模式率定，其餘3場則作為模式驗證及流量預報之研究。在模式參數率定方面，本文利用微基因演算法(μGA)自動搜尋最佳參數以縮短搜尋時間，並參考先前研究依參數物理意義限制其範圍後進行率定。此外，研究亦發現各事件獨立率定後其參數之變異有過大之現象，且利用平均參數可能會造成參數間相互關係被破壞，因此本研究進一步將所有事件依照時間順序串聯後予以率定，結果發現所獲得之驗證結果差異不大，而在考慮參數之合理性後，最後利用事件串聯之方法決定最佳參數。在模式即時更新方面，本研究利用模糊推論模式(Fuzzy Inference Model)及支撐向量機(Support Vector Machine)兩種方法建立即時誤差修正模式以修正未來流量預報值。結果發現空間逕流預報模式結合即時誤差修正系統可以達到提升預報精度之目的，但隨著前置時間(Lead time)增長提升之幅度有隨之下降之趨勢。另外，研究結果也發現支撐向量機所建立之即時誤差修正模式，在各個前置時間及所有評鑑指標中，絕大部分皆優於較傳統模糊推論模式所建立之誤差修正模式，證明支撐向量機適合用於建構即時誤差修正模式以提高預報準確率。

關鍵字：分佈型水文模式、微基因演算法、即時誤差修正、模糊推論模式、支撐向量機