kia據點的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

發展颱洪時期即時洪水及淹水預報模式

為了解決kia據點的問題，作者林軒宇 這樣論述：

颱風期間劇烈之降雨常造成洪水及淹水而導致嚴重之損害，為了減少洪水及淹水災害，發展預報模式輔助預警系統為常用之方法。支援向量機(Support vector machine, SVM)模擬水文過程(hydrological process)的潛力已經被許多研究所肯定，然而，以支援向量機為基礎之模式在使用上，對於資料的品質受到相當之影響，特別是模式對於極端洪水事件之預報往往無法產生合理之結果。此外傳統支援向量機為基礎之模式為集總模型(lumped model)，僅能輸出點預報(或推估)，而無法輸出區域預報(或推估)。因此，本論文之目的為建構新型之預報模式來改良傳統模式之缺點，以增進模式之表現。本

論文內容依據所提出模式用於水文系統之洪水與淹水兩個問題而分為兩個部份，分述如下：於論文的第一個部份，本研究發展一改良式洪水預報模式來改善時洪水預報準確性。提出之模式包含了兩個單元：以自組織映射圖(Self-organizing map, SOM)為基礎之群集分析方法(SOM based clustering method)與以SVM為基礎之計算方法(a SVM based computational method)進行多變量非線性迴歸工作。首先，使用SOM群集分析方法去萃取對洪水預報有用之資訊，藉由重製過程將擷取之資訊與觀測資料用於建構洪水預報模式。將本研究提出之預報模式實際應用來呈顯模式之優

點，並將提出之模式預報結果與傳統SVM模式作比較，結果顯示所提出之模式表現優於傳統SVM模式。特別針對極端洪水事件，結果顯示所提出之模式可以針對洪水尖峰降低預報誤差，而模式採用SOM為基礎之群集分析結合SVM計算方法所得之預報結果有較佳之表現。於論文的第二個部份，本研究發展一即時區域淹水預報模式產生未來1至3小時之淹水地圖。提出之模式包含三個單元；分類、點預報、空間擴展。首先，使用K-means群集分析方法，找出淹水資料間之相互關係，並識別出各類別之控制點。接著對於各類別之控制點分別以SVM建構點預報單元產生預報淹水深度。最後依據點預報單元之預報淹水深度及地理資訊以SVM建構空間擴展單元，將點

預報擴展至空間預報。將本研究提出之預報模式實際應用來呈顯模式之優點，結果顯示所提出之點預報單元可以準確的預報控制點之淹水深度，且提出之模式可以準確的產生未來1至3小時之淹水地圖。準確的長延時預報可以有效的提升防災預警系統之應變時間，且提出模式為一具效率性之計算方法較適合整合即時資料用以輔助決策系統，而本研究提出之模式對於淹水預警系統有相當之助益。