The Real Time Rainfall Forecasting and Landslide Early Warning with Precipitation from Correcting Weather Radar Reflectivity Using Machine Learning

摘要

台灣位處於太平洋颱風經常侵襲之地，每當颱風來襲或有強降雨事件發生往往會造成土石流與淹水的災情，為了將此類傷害降至最低，發展出一套準確的降雨預報系統是一個很重要的課題。本研究選擇2016至2018年的5場颱風與1場熱低壓強降雨事件，利用中央氣象局之整合雷達回波圖配合地面雨量站進行雷達估計雨量之修正與預測，目的是希望能有效提升雷達估計雨量於山區之準確性，並保有雷達回波高空間與時間解析度的優點。研究首先以倒傳遞類神經網路(BPNN)結合包括地面雨量站X座標與Y座標、地面雨量站高程與地面雨量站和七股雷達站之距離在內的地理空間因子進行雷達回波估計降雨量的修正，並以均方根誤差及相關係數評估其修正結果；接著以遞迴類神經網路中的長短期記憶(LSTM)進行未來1~3小時的時雨量預測，探討其預測效果，最後再應用於山崩早期預警。研究結果顯示經倒傳遞類神經網路結合雷達回波與地面雨量站修正後之雨量與原本雷達估計的雨量相比，其均方根誤差最少可以減少29 80%，最多可減少90 44%，而相關係數大部分也都可提升至0 80 ~ 0 97之間，說明了經修正後的降雨量其準確度較單使用雷達回波估計的效果佳；而使用LSTM進行雨量預測以預測未來1小時的時雨量可得到最精確且最穩定之預報效果。

獎項日期	2020
原文	English
監督員	Ting-To Yu (Supervisor)