| 主权项 |
一种应用类神经网路所建立的台风波浪预报模式, 主要系由以下三个步骤组成,第一,是风浪的推算 模式,先将由*中央气象局、联合台风警报中心 (JTWC)及优利系统(Unisys Weat,her)等单位所得世界各 地台风档案、热带气旋资料及相关气象消息加以 分析、筛选,再以风场分布建构主要参考实测资料 及涌浪推算模式,第二,以历史同步之大气气象资 料及波浪实测数据作为主要参考资料,第三,建立 类神经网路运算模式,主要将风浪的推算模式及历 史实测数据整合输入类神经网路软体供其学习,而 在类神经网路软体系使用倒传递网路作为推算之 工具,该倒传递类神经网路(back-propagation neural network,BPN),属于前向监督式学习网路,其基本原理 是利用最陡坡降法(gradient steepest descent method),叠 代修正误差函数而使误差函数达到最小,该倒传递 类神经网路的总体运作学习方式有两种,一为学习 过程,就是网路依既定的学习演算法,从使用的输 入资料中学习,并藉以调整网路连结的加权値,使 得网路演算结果与目标输出値相同;另一种为回想 过程,网路依照设定的回想法则,以输入资料来决 定网路的输出値;藉此,该类神经网路台风波浪推 算模式架构 便完成建立,在输入台风中心位置之经度、纬度及 最大风速共3个输入参数,即可推算出特定位置台 风的波浪资料,此外,运用类神经网路台风波浪推 算模式之推算结果准确度提升方式可分为两个方 向,一是将台风风场模式与陆地间关系进行分析, 来修正影响风场变化的方式,另一为增加收集台风 波浪资料,藉由多种可能的学习改善类神经网路的 推算精确度,大幅提升波浪推算的准确性,有效增 加预测的能力。 图式简单说明: 第1图:系本发明之台风波浪类神经网路模式操作 流程图。 第2图:系本发明之推算模式架构图。 第3图:系本发明之影响台风波浪关系的二维关系 函数图。 第4图:系本发明之台风各位置参数示意图。 第5图:系本发明之GUI的开发对于使用者族群的分 布变化示意图。 第6图:系本发明之介面主视窗图。 第7图:系本发明之工具列的树状结构图。 第8图:系本发明之台风资料输入视窗图。 第9图:系本发明之模拟结果输出视窗图。 第10图:系本发明之模拟结果资料存档视窗图。 第11图:系本发明之模拟结果图形存档视窗图。 第12图:系本发明之台风路径曲线图。 第13图:系本发明之预测波高曲线图。 第14图:系本发明之预测波高表。 第15图:系本发明之Unisys Weather于2004/08/23 AM 02:00预 测Aere台风未来72小时的台风路径图。 第16图:系本发明之Unisys Weather于2004/08/23 AM 02:00预 测Aere台风未来72小时的台风风速曲线图。 第17图:系本发明之Unisys Weather于2004/08/24 PM 02:00预 测Aere台风未来72小时的台风路径图。 第18图:系本发明之Unisys Weather于2004/08/24 PM 02:00预 测Aere台风未来72小时的台风风速曲线图。 第19图:系本发明之各不同时间点所推估的波高値 以及实测资料曲线图。 |
