隨機森林在河川水位即時預報之應用

Abstract

本研究旨在以隨機森林建立於宜蘭河流域之河川即時水位預報模式。隨著近年氣候變遷，極端降雨事件的增加，洪水預報之重要性也更為明顯，傳統水文模式如降雨─逕流模式採用逕流為預報變量，模式常過於複雜、參數難以率定，且實務單位採用河川水位為預警變量，使逕流量仍須經率定曲線轉換為水位，存在不確定性。因此本研究採用水位為預報變量，並引進一新興且較為簡單之人工智慧方法─隨機森林(RandomForests)，隨機森林理論僅需要決定兩個參數、計算效率極高且無過度擬合(overfitting)之問題，期望能有助於洪水預報領域之研究發展。 本研究首先對歷史雨量與目標水位進行交叉相關分析(cross correlation analysis)，並考量先前水位之影響，選定輸入因子以提供預報模式建立之基礎。本研究中分別分析水位和雨量兩種輸入因子之影響，結果顯示先前水位時刻輸入因子之影響較雨量輸入因子強烈；雨量因子則在前置時間愈大下，其影響愈明顯。研究另外針對模式之參數進行探討，其結果顯示參數具有不敏感特性且無過度擬合之問題，與Breiman等人於2001所提出之結果相符。為提供一完整之洪水預報模式，本研究以隨機森林理論另建構一雨量預報模式，預報各雨量站前置時間1~2小時之時雨量，從結果顯示，雨量預報模式能掌握前置時間1~2小時雨量之趨勢與數值。 本研究以隨機森林水位預報模式搭配隨機森林雨量預報模式進行前置時間1~3小時之水位預報，其結果顯示前置時間1~2小時之預報有良好的預報能力，在前置時間3小時之預報則有較明顯的洪峰誤差及時間延遲現象。本研究在預報結果後，對隨機森林水位預報模式進行模式之不確定性分析，根據結果顯示，隨機森林模式中森林隨機的變異性小於決策樹之間的變異性，本研究建議隨機森林模式之不確定性可以決策樹之間的變異性為代表。 根據整體結果，隨機森林於宜蘭河流域建立河川即時水位之預報模式具有合理預報結果，雖在前置3小時之預報有較明顯之相位延遲，但整體結果仍屬合理，建議爾後研究可再針對前置時間3小時之預報進行誤差修正，以提供更準確之水位預報。並可考量與其他機器學習方法進行比較，進而評斷隨機森林在河川水位即時預報之能力優劣。

Date of Award	2014 Jul 1
Original language	Chinese
Supervisor	Pao-Shan Yu (Supervisor)