以浑沌动力论为基础之集水区雨量预报.docVIP

以浑沌动力理论为基础之集水区雨量预报 林淑真1　　游保杉2 關鍵詞： 渾沌動力、吸子、非線性模式、雨量預報。 摘　　要 本文利用渾沌動力理論來探討淡水河流域三峽與大豹兩個時雨量站之渾沌特性，經由相關維度之計算，發現兩測站均具有渾沌特性，其吸子維度分別為2.65與3.95。本研究進而利用其具有非線性特性來建立相空間雨量預報模式，首先經由Renyi熵來定量描述其可預報尺度分別為3.6與2.6小時，因此預報前置時間採用1至3小時。本文進一步利用馬可夫轉移機率於相空間模式來進行1至3小時雨量預報。最後相空間所建立之雨量預報模式，經由水文上常用的四種鑑定準則來與傳統自迴歸 (AR) 模式進行比較，發現具有合理的預報能力。 WATERSHED RAINFALL PREDICTION BASED ONCHAOTIC DYNAMIC THEORY Shu-Chen Lin Pao-Shan Yu Department of Hydraulics and Ocean EngineeringNational Cheng Kung UniversityTainan, Taiwan 70101, R.O.C. Key Words: chaotic dynamics, attractor, nonlinear model, rainfall prediction. ABSTRACT The chaotic dynamic theory is applied to identifying the existence of chaoticity and developing the rainfall prediction model, using the hourly rainfall data collected from two raingauges in the Daishui river basin. Chaotic attractors of the two raingauges are 2.65 and 3.95. A rainfall forecasting model is then developed based on the nonlinear characteristics of rainfall. Their upper time scales of predictability are found to be 3.6 and 2.6 hours respectively based on Renyi entropy estimation. Hence, the leading time of rainfall prediction model is set to be one to three hours. A Markov chain transition probability is further introduced into the phase-space model to forecast one to three hours ahead rainfall. The result is evaluated by a traditional auto-regression (AR) and four commonly used criteria. It is concluded that the phase-space model with Markov chain probability performs better than the AR model. 1國立成功大學水利及海洋工程研究所博士 (現為國立成功大學水工試驗所助理研究員) 2國立成功大學水利及海洋工程研究所教授 一、前　言 降雨的孕育與發生為一非常複雜的物理過程，其在時間軸上是不可逆的非線性動力行為。一般總認為複雜現象是由許多自由度所造成的，因此被分析作為隨機過程。傳統上，分析一動態系統的行為有兩種方式，分別是定率 (deterministic) 模式與序率 (stochastic) 模式。前者能描繪其物理機制，但模式可能會過度複雜而窒礙難用，雖可將其簡化，但精度不高；後者是探索其統計特性，係從機率為出發點，然一旦條件改變或一致性破壞時，則隨機模式的應用性備受限制。近年來，有一種以渾沌理論 (chaos theory) 為基礎的分析方法被物理界提出，完全異於傳統的兩種解析架構，它是一種檢視隱藏於複雜現象中之規律性的新手段。由於渾沌的發現，使得吾人了解在定率過程與序率過程的描述之間，存在著由此及彼的橋樑。因此許多的複雜現象，可將其視為是有目的、有結構的行為，而非某種外來的、偶然的舉動。 由於降雨與逕流均屬自然界複雜