內容簡介
本計畫利用花蓮港港務局所提供之船隻動態記錄，修正原始模式，並選用颱風六個影響船隻動態的颱風因子建立颱風與 ISE 間的關係。本計畫選擇之學習範例為含蓋4 種不同颱風路徑、4 種船隻異動指數，選取颱風共 50 個，做為類神經之學習範例。
並以 4 場颱風進行驗證，由驗證結果顯示，本模式可於實際颱風期間花蓮港之船舶操作預警。目前船舶動態預警模式已建構完成並已附加圖形化使用者介面來提升其使用性。
另外，本計畫以安平港與台北港實測波浪數據，進行波高與週期之直方圖與機率密度的計算，對於波高與週期則選定各四種機率分布，結果驗證出安平港與台北港之波高分布較近似於 Weibull 分布，其波高直方圖適合分組組數大概介於 5 至 7 組。另外於週期之分析結果，在比較各種評估參數後，選定最佳分組組數為 5 組，最佳分布為 Erlang。本計畫推導出幾個較適用之機率分布之統計特性，如 H1/10，Hs，Hmean等，由統計特性之比較波高與週期之機率分布發現分別為 Weibull 分布及 Erlang 分布最適何。
就安平港、臺北港與花蓮港的全年示性波高及週期資料而言，示性波高的最適分布為Gamma分布，而示性週期的最適分布亦為Gamma分布。波高週期聯合分布比較可發現，Cavanié聯合機率密度分布，明顯大幅優於Longuest-Higgins。
- 中文摘要表(第I頁)
- 英文摘要表(第II頁)
- 目錄(第III頁)
- 圖目錄(第V頁)
- 表目錄(第VII頁)
- 第一章 緒論(第1-1頁)
- 1.1 前言(第1-1頁)
- 1.2 歷年計畫工作內容(第1-2頁)
- 1.3 本年度計畫工作內容(第1-3頁)
- 1.4 研究動機與文獻回顧(第1-3頁)
- 第二章 颱風與船舶動態特性分析(第2-1頁)
- 2.1 船舶動態與颱風特性(第2-1頁)
- 2.2 颱風風速及方位角對船舶動態的影響(第2-8頁)
- 2.3 輸入資料之設定與修正(第2-9頁)
- 第三章 船隻動態預警模式之建構(第3-1頁)
- 3.1 類神經網路(第3-1頁)
- 3.2 船舶動態預警模式之建立(第3-3頁)
- 3.3 船舶動態預警模式之驗證(第3-11頁)
- 3.4 視窗化模式之建構與實例操作(第3-14頁)
- 第四章 波浪特性分析(第4-1頁)
- 4.1 資料來源與處理(第4-1頁)
- 4.2 波浪特性分析(第4-4頁)
- 第五章 波浪特性分析結果(第5-1頁)
- 5.1 波高短期統計分析(第5-1頁)
- 5.2 週期短期統計分析(第5-11頁)
- 5.3 波高統計特性分析(第5-18頁)
- 5.4 計算統計值與實測值之比較(第5-22頁)
- 5.5 示性波浪之統計特性(第5-55頁)
- 5.6 波高週期聯合分佈結果(第5-60頁)
- 第六章 結論(第6-1頁)
- 參考文獻(第參-1頁)
- 附錄 1 花蓮港之船隻動態表(第附-1頁)
- 附錄 2 颱風路徑圖(第附2-1頁)
- 期中報告審查意見處理情形表(第審-1頁)
- 期末報告審查意見處理情形表(第審-4頁)
- 簡報內容(第簡-1頁)
紙本書 NT$ 300
單本電子書
NT$
210
同分類熱門書
PDF
PDF
EPUB
PDF
EPUB
EPUB
PDF
PDF
