Full metadata record
DC FieldValueLanguage
dc.contributor.author柯思瑋en_US
dc.contributor.authorKo, Ssu-Weien_US
dc.contributor.author張良正en_US
dc.contributor.authorChang, Liang-Chengen_US
dc.date.accessioned2014-12-12T01:29:07Z-
dc.date.available2014-12-12T01:29:07Z-
dc.date.issued2009en_US
dc.identifier.urihttp://140.113.39.130/cdrfb3/record/nctu/#GT079616551en_US
dc.identifier.urihttp://hdl.handle.net/11536/42265-
dc.description.abstract台灣地區地質條件鬆軟,每遇颱風豪雨洪水挾帶大量土石而下,造成河川水流除了流量大外濁度亦高,若取用此高濁度之河水,將使得淨水廠處理能力大為降低,從而形成臺灣部份地區如石門水庫供水區,非常特別的洪水時期缺水的現象。 針對前述之高濁度缺水問題,本研究以蒙地卡羅法為基礎,整合雨量歷線合成、降雨逕流模式、濁度預測模式與高濁度水資源調配模式等,探討石門水庫在高濁度下之供水風險。其中濁度預測模式,本研究發展並比較兩種不同的模擬方式,其一為類神經模式,另一為參考單位歷線法的精神,發展以濁度特性函數為基礎之濁度預測模式,而此濁度特性函數為單位入或放流量下之濁度歷線。蒙地卡羅分析需有多組雨量資料進行模擬,本研究以設計降雨之觀念進行雨量歷線繁衍,設計降雨主要由設計總降雨量與設計雨型兩部分所組成,兩者皆與降雨延時有關,故進行雨量歷線繁衍時有兩個隨機變數,即總降雨量與降雨延時待取樣,本研究以拉丁超立方取樣法進行雨量歷線合成,可以較少樣本數仍完整呈現母體之統計特性。濁度模擬結果顯示,單位特性歷線法與類神經皆有良好之預測精度,單位特性歷線之觀測與實際值相關係數皆高達0.87以上,然單位特性歷線法較具物理意義及易於瞭解,而類神經為黑盒分析,故本研究後續風險分析乃以單位特性歷線之分析結果進行分析。水庫高濁度之供水風險結果顯示,發生高濁度缺水事件機率高達57%,若假設公共用水缺水忍受度為5%,發生缺水超過缺水忍受度之機率仍達34%。 本研究發展之模式與方法皆有相當程度上的可靠度,目前僅應用於石門水庫中,未來可將此分析流程應用於其它亦有高濁度問題的水庫,以降低整體供水風險。zh_TW
dc.language.isozh_TWen_US
dc.subject蒙地卡羅zh_TW
dc.subject拉丁超立方取樣zh_TW
dc.subject類神經網路zh_TW
dc.subject濁度預測模式zh_TW
dc.subject水資源調配模式zh_TW
dc.subject單位特性歷線zh_TW
dc.subject韋伯點繪法zh_TW
dc.subjectMonte Carlo simulationen_US
dc.subjectLatin Hypercube Sampling (LHS)en_US
dc.subjectArtificial Neural Network (ANN)en_US
dc.subjectturbidity prediction modelen_US
dc.subjectwater supply modelen_US
dc.subjectUnit Characteristic Hydrographen_US
dc.subjectWeibull Plotting Methoden_US
dc.title水庫高濁度下之供水風險分析-以石門水庫為例zh_TW
dc.titleThe Risk Analysis of Reservoir Water Supply under High Turbidity- Case Study of the Shihmen Reservoiren_US
dc.typeThesisen_US
dc.contributor.department土木工程學系zh_TW
Appears in Collections:Thesis


Files in This Item:

  1. 655101.pdf
  2. 655102.pdf
  3. 655103.pdf

If it is a zip file, please download the file and unzip it, then open index.html in a browser to view the full text content.