1 / 43

The influence of tidal change

The influence of tidal change. 嵌入引潮力與溫度 的類神經 - 模糊 潮汐推算模式 An adaptive neuro-fuzzy method associaeted with tide generating forces and sea surface temperature for tidal prediction. 簡報者：林立青 指導教授：張憲國. 國立交通大學土木工程學系 中華民國九十五年十二月二十日. 潮汐分析方法. Tide gauge data Altimetry data. 1. Harmonic analysis

terry
Télécharger la présentation

The influence of tidal change

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. The influence of tidal change

  2. 嵌入引潮力與溫度的類神經-模糊潮汐推算模式An adaptive neuro-fuzzy method associaeted with tide generating forces and sea surface temperature for tidal prediction 簡報者：林立青 指導教授：張憲國 國立交通大學土木工程學系 中華民國九十五年十二月二十日

  3. 潮汐分析方法 Tide gauge data Altimetry data 1. Harmonic analysis 2. Response analysis 3. Response-orthotide method 1. Neural network 2. Fuzzy theory M2, S2, K1, O1… Water level Water level

  4. 潮汐分析方法 Equilibrium tides Harmonic method Darwin(1907) Doodson(1921) Response-orthotide method Munk andCartwright (1966) Groves and Reynolds(1975) This study TGFs and SST Neural network Fuzzy theory

  5. 參考文獻 • Harmonic analysis Darwin(1907), Doodson(1921), Desai (1996), Le Provost et al. (1998) • Response analysis and Response-orthotide method Munk andCartwright (1966), Cartwright et al.(1969), Groves and Reynolds(1975),Ray (1988), Desai (1996), Desai and Wahr(1995), Han et al.(2000), Matsumoto et al.(2000) • Neural network and Fuzzy theory Deo and Naidu(1999), Deo et al(2000,2001,2002,2003), Makarynskyy(2004), Kalra(2005), 蔡(2006),Chang and Chien(2006a,b), Tsai and Lee(1999),張和黃(2001), 張和曾(2001), Lee and Jeng (2002), Lee et al. (2002), Lee(2004), Chang and Lin(2006)

  6. 簡報大綱 • 研究動機與目的 • 潮汐特性分析 • 引潮勢能理論 • 引潮勢能類神經模式(TGF-NN) • 嵌入海溫與引潮勢能模式(TGFT-FN) • 結論

  7. 研究動機與目的 • Pytheas(325.BC)和Posidonius(135-50.BC)，東漢王充於永元二年(90)，在“論衡”之書虛篇「濤之起也，隨月盛衰，大小滿損不同齊」，史上第一次指出月的圓缺變化為潮汐大小潮的成因。 • 海岸活動、海岸結構的設計高程及海港船隻進出安全 • 海岸生態工程的進行，常需考慮不同的潮汐水位會有不同的生態特性。 • Cochran(2004)於科學(Science)期刊中，以潮汐壓力與地震數據進行統計分析，提出地震發生時潮汐對斷層面的壓力有較高的相關性，而且地震發生的時間也會依因潮汐造成的壓力而提前或推遲。

  8. 潮汐特性分析 F=O1+K1/M2+S2 F<0.5 半日潮 0.5<F<1.25 混合潮 F>1.25 全日潮

  9. 潮汐特性分析 群集分析法

  10. 引潮勢能理論

  11. 引潮勢能理論

  12. 引潮勢能理論 Equilibrium tides Hualien tide gauge data

  13. 類神經網路

  14. 類神經網路 Robert Hechat-Nielson(1990)對類神經的定義，「神經網路是一種計算系統，由許多高度聯結的節點所組成，用來處理資訊並對外部的輸入以網路動態來回應」。因此，類神經網路系統一般具有三層，輸入層、隱藏層及輸出層。每個節點都是獨立的處理器，且以並行的方式來運作。

  15. 類神經網路

  16. 類神經網路 Gauss-Newton Levenberg-Marquardt (L-M)

  17. TFG-NN φ

  18. TGF-NN

  19. TFG-NN 2001/01 2002/01

  20. TFG-NN 2001 R2=0.977 2002 R2=0.935

  21. TFG-NN Le Provost et al. (1998)-26constituents

  22. TGF-NN

  23. TGF-NN

  24. TGF-NN

  25. TGFT-FN

  26. TGFT-FN Sea water Pure water

  27. by J. Schröter[AVISO] TGFT-FN Mean of trends = 0.43 mm/yr [Levitus et al., 2005] [Gill(1982)]

  28. TGFT-FN Long-term variations of averaged tides (solid line) and sea surface temperature (dashed line) at the Hua-Lien for year 2001 and 2002 using a 720-hour moving average

  29. TGFT-FN 模糊集合理論（Fuzzy Set Theory）是1965 年由美國控制專家L.A.Zadeh扎德博士首先提出來的，他認為許多傳統非常精確的數量方法，已經不能完全解決以人為中心的問題以及較為複雜的問題，必須以模糊數學分析法，取代傳統的數量方法來處理模糊的問題。

  30. TGFT-FN

  31. TGFT-FN

  32. TGFT-FN Model Seven input parameters from TGF Neural Network Tides ANFIS Monthly averaged SST TGFT-FN Water level distribution

  33. TGFT-FN

  34. TGFT-FN 2001 2002

  35. TGFT-FN

  36. TGFT-FN

  37. TGFT-FN

  38. 結論 • 本研究以日、月對地球的引力勢能及日與月對地球的相對角度，共七個參數作為神經網路的輸入值，其延時為2小時，神經網路模式之架構為一層隱藏層，五個神經元。 • 本文以TGF-NN進行花蓮襙站之學習，並進行東部四個潮位測站的推算，推算的範圍由頭城至蘭嶼，其誤差值約與NAO.99b模式相似，兩模式之誤差約小於4公分。顯示本模式可推算學習之外的測站水位預測。 • 於西北部、東北部及西南部海域，則依序以新竹、龍洞及高雄作為模式之學習測站。對於西北部地區，經過平均潮差之修正後，TGF-NN模式之誤差約在20公分以下。對於西南部及東北部地區，TGF-NN於兩區之水位推算則經過潮時之修正，其推算值約小於NAO.99b模式1-3公分。

  39. 結論 • 另外，因此，本文以海溫建立長週期水位適應性之網路模糊推論系統(ANFIS)模式，聯合天文引潮勢能水位推算模式而為TGFT-FN模式。東部地區經由海溫之修正後，TGFT-FN模式之方均根誤差約小於TGF-NN模式5公分，對於西北部海域之推算結果，兩模式之誤差約略接近， 西南海域之TGFT-FN模式約可修正受海溫影響之水位誤差約為2公分左右。 • 因此，由以上之敘述，本文以天文位勢建立TGF-NN模式，與同時考慮海溫及天文位勢架構TGFT-F模式以推算潮汐水位。TGFT-FN模式於東部海域之方均根誤差除頭城測站，其餘約在10公分以下。 TGF-NN與TGFT-FN於西北部則約略相似，其方均根誤差在20公分以下；於西南部則其方均根誤差在12公分以下。

  40. Thank you!

  41. Global tide prediction model Global Tide gauge data NN mdoel TGF’s parameters Weight and bias . . . . 1 . . . . 1 Huge matrix m m Future Work

  42. Future Work 2004年07月~9月 by莊文傑博士 蘭寧（Rananim） TYPHOON-2 艾利（Aere） TYPHOON-2

  43. Future Work 2004年09月~10月 by莊文傑博士 納坦（Nock-Ten） TYPHOON-3 陶卡基（Tokage） TYPHOON-4

More Related