書籍介紹
本計畫利用花蓮港港務局所提供之船隻動態記錄，修正原始模式，並選用颱風六個影響船隻動態的颱風因子建立颱風與ISE間的關係。本計畫選擇之學習範例為含蓋4種不同颱風路徑、4種船隻異動指數，選取颱風共50個，做為類神經之學習範例。並以4場颱風進行驗證，由驗證結果顯示，本模式可於實際颱風期間花蓮港之船舶操作預警。目前船舶動態預警模式已建構完成並已附加圖形化使用者介面來提升其使用性。
另外，本計畫以安平港與台北港實測波浪數據，進行波高與週期之直方圖與機率密度的計算，對於波高與週期則選定各四種機率分布，結果驗證出安平港與台北港之波高分布較近似於Weibull分布，其波高直方圖適合分組組數大概介於5至7組。另外於週期之分析結果，在比較各種評估參數後，選定最佳分組組數為5組，最佳分布為Erlang。本計畫推導出幾個較適用之機率分布之統計特性，如H1/10，Hs，Hmean等，由統計特性之比較波高與週期之機率分布發現分別為Weibull分布及Erlang分布最適何。
就安平港、臺北港與花蓮港的全年示性波高及週期資料而言，示性波高的最適分布為Gamma分布，而示性週期的最適分布亦為Gamma分布。波高週期聯合分布比較可發現，Cavanié聯合機率密度分布，明顯大幅優於Longuest-Higgins。
分類
其他詳細資訊
- 英文題名：Alert Model for Ship Escape from Hualien Harbor during Typhoon Period (III)
- 出版品網址（線上版或試閱版)：連結
- 適用對象：成人(學術性)
- 關鍵詞：船舶預警模式，神經網路，波浪統計
- 附件：無附件
- 頁/張/片數：212
授權資訊
- 著作財產權管理機關或擁有者：中華民國 (代表機關：交通部運輸研究所)
- 取得授權資訊：本著作保留所有權利，欲利用本著作全部或部份內容者，須徵求交通部運輸研究所書面授權。