以時間序列社群文字分析建構災情通報預警之研究:以積淹水災情為例

  • 陳 俊傑

學生論文: Master's Thesis

摘要

近年來,全球溫室氣體大量排放使全世界平均溫度不斷升高,進而導致極端氣候之頻率不斷上升,衍生自然災害增加日趨嚴重例如旱災、颶風、地震及最常發生的洪水等災害;然而,臺灣地小人稠,位於太平洋西側亞熱帶地區與板塊交界處,時常面臨颱風與地震的威脅,堪稱是天然災害的高風險地區。 全球極端氣候變遷影響,發生短延時強降雨、暴潮及滿潮等影響頻率恐將漸趨頻繁,造成局部低漥地區排水不易形成積淹水之情事可能會比以往都要來的嚴峻。因此,本研究提出透過純文字型態之社群媒體所發布之資訊,以文字探勘及時間序列分析技術為基礎,蒐集本市近年來颱風豪雨事件期間所造成之淹水災情資料,總計292篇文章與12 484則推文,經由詞頻分析評估出積淹水災情之代表性關鍵詞,透過衡量指標決定其參數,進行積淹水災情通報預警之指標,進而建立預警機制,提升積淹水災情通報作業時間,提供相關防救災人員參考。 本研究透過5場事件案例,依相同的時間間隔條件下,不同滑動視窗大小等參數,進行不同門檻值之災情路段預警衡量指標評估,實驗結果發現,在相同的時間間隔條件下,滑動視窗大小為90分鐘且門檻值為20時,整體F-measure值(F=0 315)較高,故採用90分鐘之滑動視窗及門檻值為20等參數,進行災情通報預警之建立;本研究以2016年梅姬颱風事件為驗證,以臺南市安平路(運河旁)為例,因適逢暴雨及滿潮時刻(中央氣象局將軍潮位站,最高潮位約發生於09月27日20時),以致運河無法順利排入外海,而產生局部溢淹之情形,以該案例之實驗結果顯示可提早約1小時30分鐘之時間,提供相關防救災人員與相關防救災系統參考與應用,以利發揮資源與人力之調度。
獎項日期2017 七月 11
原文Chinese
監督員Hei-Chia Wang (Supervisor)

引用此

以時間序列社群文字分析建構災情通報預警之研究:以積淹水災情為例
俊傑, 陳. (Author). 2017 七月 11

學生論文: Master's Thesis