论文部分内容阅读
天然河川在控制点所设置的水位-流量站，并经由其长期实测资料所建立的水位-流量率定曲线，为水资源及水利工程中最基本而重要的资料.因影响天然河川流况变数太多，使得水位-流量之间的关系并不如预期的单纯，常常必须考虑到其它因素来加以修正率定.但因水理现象十分复杂，其数学模型难以建立.而类神经网路为晚近崛起的控制理论模式，以其具有多变性的数学结构，可用来模拟物理方程式难以描述的复杂非线性关系.本文拟以类神经网路的模拟方法来进行水位流量率定关系的推估，针对头前溪上坪水位-流量站之实测资料，利用具聚类功能之自组织映射图网路(Self Organizing Map， SOM)先将水位、水面宽及通水面积等资料进行聚类分组，再利用倒传递类神经网路(Back Propagation Network， BPN)依各类别之资料进行学习与回想，使得类神经网路对于水位流量资料之处理能获得更好的学习效果与预测能力.