類神經網路方法分析流量率定曲線之的研究.pdfVIP

第八屆海峽兩岸水利科技交流研討會，2004年 12月 類神經網路方法分析流量率定曲線之研究 1 1 2 3 3 3 周湘俊 許盈松 張義敏 陳福田 陳茂雄 黃鎮豐 1 私立逢甲大學 2 中國土木水利工程學會 3 台灣省自來水公司 摘要 天然河川在控制點所設置的水位－流量站，並經由其長期實測資料所建立的水位－流量率定曲 線，為水資源及水利工程中最基本而重要的資料。因影響天然河川流況變數太多，使得水位－流量之 間的關係並不如預期的單純，常常必須考慮到其它因素來加以修正率定。但因水理現象十分複雜，其 數學模型難以建立。而類神經網路為晚近崛起的控制理論模式，以其具有多變性的數學結構，可用來 模擬物理方程式難以描述的複雜非線性關係。本文擬以類神經網路的模擬方法來進行水位流量率定關 係的推估，針對頭前溪上坪水位－流量站之實測資料，利用具聚類功能之自組織映射圖網路﹙Self Organizing Map , SOM ﹚先將水位、水面寬及通水面積等資料進行聚類分組，再利用倒傳遞類神經網 路﹙Back Propagation Network, BPN ﹚依各類別之資料進行學習與回想，使得類神經網路對於水位流 量資料之處理能獲得更好的學習效果與預測能力。 關鍵詞：率定曲線，類神經網路模式，自組織映射圖網路。 一、前言 水文基本資料係水資源開發利用、防災預警及水利工程規劃設計最重要之基礎依 686 據。而流域逕流量或河川控制點流量推估，則為前述規劃工作主要推求的物理量。流域 或河川水文基本資料以流量及泥砂量之觀測難度較高、耗費人力及觀測精度較差。台灣 河川具有流域狹小、坡度陡峻、沖刷及淤積情形嚴重與洪枯流量懸殊等特徵，使得台灣 河流在觀測上，面臨洪峰歷程短、洪峰流量觀測捕捉不易，流速較高、水面波動大，斷 面變化過於迅速，以及洪枯流量觀測條件迥異等挑戰。故對於流速及流量之觀測工作雖 為不易，但在有限流量資料中，如何找出較合理、可信的水位－流量率定關係，以提供 未來能僅藉由水位，即合理擇定流量，亦是困難之工作。但若無法建立合理可靠的水位 －流量率定關係，則各種相關水利或水資源規劃工作或各種數值模式、物理模式，則缺 乏輸入之起始條件或檢定、驗証之邊界條件。國內外相關研究單位，多藉由物理模式或 數值方法，試圖解釋或修正水位－流量率定關係之變化；但其大都僅能解釋或修正在某 一理想假設之水位－流量率定關係，對於真正複雜多變的天然河川觀測資料變化，往往 難以獲得合理之詮釋。本文擬針對頭前溪多變之水位－流量資料，應用類神經網路方法 加以研究，以瞭解此方法適用性及未來之發展。 二、文獻回顧 1.率定曲線理論基礎與傳統分析方法 國內常使用的水位－流量資料分析方法為單對數或雙對數型水位－流量率定曲線 [1] 。圖1 為第二河川局水文觀測人員於西元1998 年至2002 年間，在頭前溪上坪站所實 測之水位流量資料，並將結果點繪於單對數型的水位－流量圖中。 美國地質調查所﹙US Geological Survey, USGS ﹚為了修正水位－流量關係可能受迴 水效應之影響，便發展定值率定落差﹙rating fall constant ﹚及水位函數率定落差﹙rating fall a function of stage ﹚兩修正方法[2] ，以修正逕由可能受迴水影響之觀測資料所建立之率 定關係。此外，Rouse (1950)[3]推導在相同水位條件下之穩定流與不穩定流之流量關係 式： Qm 1 dh 1+ (5) Q