書籍介紹
氣候變遷造成降雨模式改變，極端水文事件發生的頻率增加，水災頻傳的現今，臺灣位處北太平洋西側之颱風生成頻繁帶，為保障人民生命財產安全與減少洪災損失，各政府機關積極推動科技防災，實現人工智慧都會區淹水預報系統之建置，提升決策者決策之進行與品質，故本研究團隊以多年人工智慧(AI)研究經驗與技術建置都會區AI淹水預報系統，並研議應用智慧防汛物聯網之淹水即時觀測資料，使得所建置之都會區AI淹水預報模式持續學習與修正，有助於即時多元防災資訊之加值應用，提升淹水預報之準確性。
本計畫以宜蘭縣為計畫研究區域，依據水利署現有二維淹水模擬模式所模擬之淹水歷程資料，作為人工智慧淹水預報模式建置與學習所需之淹水虛擬大數據。本計畫提出都會區淹水預報系統之方法論是以分類型與時序性兩種不同類型類神經網路串聯之複合型多時刻淹水預報模式；模式建構過程包含兩階段：(1)以分類型之自組特徵類神經網路(SOM)建構區域淹水分布之拓樸圖；(2)以時序性之回饋式非線性自迴歸類神經網路(RNARX)建置平均淹水深預報模式。
本計畫經由模式參數與地理資訊之資料庫設計、自動化作業模組開發與Google Map API模組應用，此預報系統具有自動化即時線上淹水預報並結合即時傳輸觀監測數據，及具有處理時序性數據特性之RNARX研擬即時修正演算法，使人工智慧都會區淹水預報系統可持續學習與修正之演算能力、自動化作業模組、預報成果輸出模組、網頁展示介面，可將宜蘭地區AI即時淹水預報結果展示於電子地圖如Google Map與Google Earth。使用者可以查看區域未來1~3小時之最大淹水深、發生位置與淹水統計資料，在Google Earth上快速找到某個位置的洪水淹沒深度，這有助於防災單位隨時掌握淹水程度與範圍。提供的KMZ、JSON檔案與圖檔可擴充智慧防災物聯網基礎建設之應用與即時淹水觀測資料之加值應用，最後，於12月11日前往2019 AGU Fall Meeting國際研討會進行成果發表。
目次
摘要摘–1
ABSTRACTA–1
目錄目–1
圖目錄圖–1
表目錄表–1
第壹章 前言1–1
一、計畫緣起與目的1–1
二、計畫工作項目1–2
第貳章 研究區域資料蒐集2–1
一、以高淹水風險與現地設有淹水感測為原則擇定研究區域2–1
二、研究區域與集水區概述2–2
三、淹水災害事件資料蒐集與彙整2–4
四、淹水感測器資訊蒐集2–10
第參章 人工智慧化淹水預報系統建置3–1
一、人工智慧化淹水預報系統優勢分析3–2
二、二維淹水模擬資料分析3–5
三、淹水模擬範圍選取調整3–23
四、設計與建置即時預報系統資料庫3–25
五、建置即時資料擷取模組3–31
六、建置人工智慧未來1~3小時淹水預報模式3–35
(一)SOM模式建置3–35
(二)RNARX平均淹水深預報模式建置3–36
(三)SOM－RNARX模式建置3–37
七、模式結果分析與探討3–41
(一)SOM模式結果分析3–41
(二)RNARX模式結果分析3–46
(三)SOM-RNARX模式結果分析3–54
第肆章 即時動態淹水預報系統應用4–1
一、全年自動啟動與偵測淹水預報系統4–1
二、即時淹水感測資料運用於AI淹水預報模式之改善-以臺南市鹽水溪與二仁溪集水區為例4–2
(一)臺南市鹽水溪與二仁溪淹水感測器設置位置4–2
(二)利用即時淹水感測資料，研擬具有時序性之人工智慧模式之即時修正演算法，使系統具有持續學習與修正之演算能力4–5
1、以模擬資料進行模式修正分析4–8
2、以實際數據進行模式修正分析4–12
(三)預報成果與颱風豪雨事件淹水範圍比較，並以現有淹水感測設置位置對模式改善之成效，提出適合淹水感測設置位置4–20
1、預報結果比較以二仁溪為例4–20
2、最適淹水感測器位址分析4–24
三、以宜蘭縣淹水預報結果為例4–28
(一)在豪大雨或颱洪事件，自動啟動系統，依即時降雨資料更新頻率，進行未來1~3小時區域淹水預報4–28
(二)提供區域平均淹水深及各淹水級距之淹水範圍與面積推估值4–31
(三)預報成果與本署雨量淹水警戒預警結果比較4–32
(四)應變期間依本署需求提供協助服務4–36
第伍章 即時動態淹水預報成果展示介面建置5–1
一、淹水預報成果動態展示於電子地圖上5–1
二、提供各區淹水資訊，如最大淹水深、平均淹水深及各淹水級距淹水範圍5–4
三、可輸出KMZ或KML檔案、JSON檔案與圖檔5–6
第陸章 教育訓練6–1
一、辦理教育訓練6–1
二、參與國際型學術研討會計畫並提供研討會論文並配合簡報6–3
第柒章 結論與建議7–1
一、 結論7–1
二、 建議7–4
參考文獻參–1
附錄一 期中審查會議記錄附1–1
附錄二 期末審查會議記錄附2–1
附錄三 第一次工作會議附3–1
附錄四 第二次工作會議附4–1
附錄五 SOM拓樸圖附5–1
附錄六 RNARX模式輸入因子附6–1
附錄七 RNARX預報與模擬結果比較圖附7–1
附錄八 自組特徵類神經網路SOM附8–1
附錄九 回饋式非線性自迴歸類神經網路RNARX附9–1
附錄十 教育訓練手冊附10–1
附錄十一 教育訓練簽名表附11–1
編／著／譯者簡介
編著者張麗秋博士，淡江大學教授，專長有人工智慧、水文資訊、水庫操作與控制、水資源經營與管理
序言／導讀
為整合防災相關資訊，提供智慧化服務，水利署現階段刻正推動智慧水管理產業發展計畫，建置以物聯網為骨幹之智慧防汛網，於前端廣布感測設施，取得大量即時傳輸資料，後端應有智慧化服務、大數據分析進行加值應用。人工智慧技術具高度學習能力，需要物聯網快速傳輸資料之後援，即可依據大量即時監測資料，持續學習與修正，以精進淹水災情預報之成效；於颱風或豪雨期間，持續的降雨、淹水監測資料回傳，可即時處理資料並進行淹水預報，感測資料越多，其人工智慧技術預報的準確率也可持續提高。
分類
其他詳細資訊
- 英文題名：Using Artificial Intelligence Techniques with Real-Time Flooding Data for the Metropolitan Flood Inundation Forecast
- 適用對象：成人(學術性)
- 關鍵詞：類神經網路，即時修正，區域淹水預報，自組特徵類神經網路，回饋式非線性自迴歸類神經網路，淹水拓樸圖，智慧洪災預警
- 附件：無附件
- 頁/張/片數：214
授權資訊
- 著作財產權管理機關或擁有者：經濟部水利署
- 取得授權資訊：聯絡處室：防災中心
姓名：林呈益
電話：02-37073169
地址：台北市大安區信義路三段41-3號9-12樓