課程名稱 |
類神經網路於水文系統之建構與應用 ARTIFICIAL NEURAL NETWORKS IN HYDROLOGY |
開課學期 |
98-1 |
授課對象 |
工學院 水利工程組 |
授課教師 |
林國峰 |
課號 |
CIE8026 |
課程識別碼 |
521 D4030 |
班次 |
|
學分 |
3 |
全/半年 |
半年 |
必/選修 |
選修 |
上課時間 |
星期四9,A,B(16:30~20:10) |
上課地點 |
土224 |
備註 |
總人數上限:20人 |
|
|
課程簡介影片 |
|
核心能力關聯 |
核心能力與課程規劃關聯圖 |
課程大綱
|
為確保您我的權利,請尊重智慧財產權及不得非法影印
|
課程概述 |
本課程探討類神經網路在水文系統的建構與應用。類神經網路具有模擬高度非線性系統的能力,且具有優良的計算效率,因此近年來已經被廣泛的應用在各種科學領域。本課程介紹倒傳遞類神經網路、幅狀基底類神經網路、支持向量機及自組織映射圖等不同的網路,除了瞭解不同網路的演算法及特性,並進一步對各模式的能力與差異進行分析。本課程針對數個研究案例進行討論,包含了颱風降雨預報、颱風洪水預報、水庫入流量預報、降雨逕流模擬、雨型設計、地下水位預報、地下水參數推估以及降雨量的空間推估等,藉由不同的研究案例研討類神經網路模式的特性以及在建構與操作時可能面臨的問題。 |
課程目標 |
培養以類神經網路研究水文相關問題之能力 |
課程要求 |
|
預期每週課後學習時數 |
|
Office Hours |
|
指定閱讀 |
|
參考書目 |
Govindaraju, R.S., Rao, A.R., 2000. Artificial Neural Networks in Hydrology. Kluwer Academic Publishers, Boston.
G.F. Lin, L.H. Chen, 2004, “A Non-linear Rainfall-runoff Model Using Radial Basis Function Network,” Journal of Hydrology, Vol. 289, Issues 1-4, pp. 1-8.
G.F. Lin, L.H. Chen, 2005, “Application of Artificial Neural Network to Typhoon Rainfall Forecasting,” Hydrological Processes, Vol. 19, Issue 9, pp. 1825-1837.
G.F. Lin, M.C. Wu, 2007, “A SOM-based Approach to Estimating Design Hyetographs of Ungauged Sites,” Journal of Hydrology, Vol. 339, Issues 3-4, pp. 216-226.
G.F. Lin, G.R. Chen, P.Y. Huang, Y.C. Chou, 2009, “Support Vector Machine-based Models for Hourly Reservoir Inflow Forecasting during Typhoon-Warning Periods,” Journal of Hydrology, Vol. 372, Issues 1-4 pp 17-29.
|
評量方式 (僅供參考) |
|
|