頁籤選單縮合
題 名 | 臺灣地區河川流量推估之研究 |
---|---|
作 者 | 張斐章; 易任; 林惠芬; | 書刊名 | 台電工程月刊 |
卷 期 | 553 1994.09[民83.09] |
頁 次 | 頁1-10 |
分類號 | 443.64897 |
關鍵詞 | 巢狀超矩形; 學習模式; 範例; 樣本; 類似度計量; Nested hyper-rectangle; Learning model; Exemplar; Example; Similarity metric; |
語 文 | 中文(Chinese) |
中文摘要 | 由於流量推估在水文領域中扮演極重要的角色,所以本研究欲利用一種 架構簡單、應用便利的「巢狀超矩形學習模式」(NHRL)來做流量推估的工作。 「巢狀超矩形學習模式」是「依範例學習模式」的一種,它模擬人類經由經驗的 累積以推估或分類事物的思考方式。此模式最初將事件以點的方式貯存在歐氏n 維空間中,隨著學習樣本的增加,將「相配」的範例視為同一類,並以超矩形方 式記憶。此模式利用「類似度計量」來量測新加入樣本與已存範例之類似度,並 使相配與否動態的調整「類似度計量」中的各組權重參數,故模式將隨著學習樣 的增加而更接近真實狀況,亦即模式具學習的能力。 由於此模式以往大多被應用在分類上,故本研究針對連續數值推估與分類的不同 點,對此模式加以修正,以使其適用於連續數值的推估,將其應用在臺灣河川的 流量推估上,並與常用之線性複迴歸比較結果,顯示此模式經修正後,的確可適 用在流量的推估上,並且較複迴歸有更佳之成果。 |
英文摘要 | The main purpose of this study is to present a theory oflearning called Nested Hyper-Rectangle Learning model(NHRL) for streamflow estimation, which plays an importantrole in hydrology. The model's structure has a simple formatand easy to extend and use. The NHRL algorithm simulates the way humane learns byexperience for estimation and classification. The learning is accomplished by storing objects in Euclidean n-space, E", aspoints in the beginning. And the exemplars are generalized foihyper - rectangles, if the examples " match " the exemplarsThe hyper - rectangles may be nested inside one another tcarbitary depth. This model uses " Similarity Metric " tomeasure the similarity betwwen the new example and exemplar, while the weight parameters in " Similarity Metric " areadjusted dynamically, that is the model has the ability oflearning. Since the model was generally employed for classification,bhis study tries to modify the algorithm for estimation. Themodified NHRL is employed in estimating the streamflow ofFaiwn's rivers and the excellent results is obtained. |
本系統中英文摘要資訊取自各篇刊載內容。