English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 52047/87178 (60%)
造訪人次 : 8704513      線上人數 : 105
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library & TKU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋
    請使用永久網址來引用或連結此文件: http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/108839


    題名: 西北太平洋颱風快速增強之機率預報模式開發
    作者: 佘佳宜;蔡孝忠;張麗秋
    日期: 2016/10/05
    上傳時間: 2016-12-16 02:11:33 (UTC+8)
    摘要: 颱風強度快速增強(Rapid Intensification;簡稱 RI)為目前颱風預報中最具挑戰性的項目之一。根據美國國家颶風中心(National Hurricane Center)之定義,熱帶氣旋之中心最大風速若在24小時內增強達30 kt以上,則將該案例之強度變化認定為RI等級。本研究採用 Tsai and Elsberry(2014)之颱風強度類比預報模式(Weighted Analog Intensity Prediction;WAIP),配合SHIPS開發資料(Statistical Hurricane Intensity Prediction Scheme Developmental Data)之大氣及海洋環境變數,嘗試開發未來24小時 RI 發生機率之統計預報模式。本研究使用2000-2012年之颱風個案資料,採用羅吉斯迴歸(Logistical Regression),配合Hosmer-Lemeshow 適合度檢定、ROC(Receiver Operating Characteristic)曲線下方面積(Area Under Curve; AUC)、敏感度、特異度及準確度等校驗指標,討論預測變數(predictor)的最佳組合。初步研究結果顯示, 相較於僅採用SHIPS資料的預測模型,以 WAIP 模式搭配SHIPS大氣海洋環境變數所建立之預測模型,其預報校驗AUC值可達 0.83,表示此模式具有良好的判別能力。此外,模式之敏感度、特異度和準確度皆優於其他預測變數組合之預測模型,因此建議使用WAIP搭配SHIPS大氣海洋資料進行24小時RI機率預報模式的開發。本研究並進一步應用類神經網路(Artificial Neural Network;ANN),討論人工智慧理論對於24小時RI機率預報模式的改進效果。測試結果顯示,以非線性ANN方法建立預報模式,其預報測試組之敏感度可較原始模式提升 12.57%。本研究亦將TCHP相關因子額外納入 ANN進行訓練,模式預報測試結果可優於原始模式,其中以原始 Model A 配合 ATCHP之模式表現最佳,訓練組及測試 組之敏感度可較原始模式分別提升 10.3%及 7.4%。
    關聯: 105年天氣分析與預報研討會論文集
    顯示於類別:[水資源及環境工程學系暨研究所] 會議論文

    文件中的檔案:

    檔案 描述 大小格式瀏覽次數
    agenda20160930_105 年天氣分析與預報研討會.pdf671KbAdobe PDF254檢視/開啟
    index.html議程0KbHTML95檢視/開啟
    index.html全文0KbHTML137檢視/開啟

    在機構典藏中所有的資料項目都受到原著作權保護.

    TAIR相關文章

    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library & TKU Library IR teams. Copyright ©   - 回饋