西北太平洋颱風快速增強之機率預報模式開發

淡江大學機構典藏 > 工學院 > 水資源及環境工程學系暨研究所 > 會議論文 > Item 987654321/108839

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: https://tkuir.lib.tku.edu.tw/dspace/handle/987654321/108839

题名:	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
上传时间:	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
显示于类别:	[水資源及環境工程學系暨研究所] 會議論文

文件中的档案:

档案	描述	大小	格式	浏览次数
agenda20160930_105 年天氣分析與預報研討會.pdf		671Kb	Adobe PDF	1118	检视/开启
index.html	議程	0Kb	HTML	216	检视/开启
index.html	全文	0Kb	HTML	324	检视/开启

在機構典藏中所有的数据项都受到原著作权保护.

TAIR相关文章

数据加载中.....