學位論文
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73900
Browse
1 results
Search Results
Item 利用環境資料預測地表位移及坡地災害事件(2024) 何其恩; Ho, Chi-En自1940年代起，隨著全球氣溫逐年升高，災害發生頻率也顯著上升。重大災害事件數從每年約20起增加至每年超過400起，顯示全球均溫上升驅動了更多致災因子，直接反映在災害事件數量上及次生災害之比率。劇烈天氣事件能改變近地表地質特性、觸發地質災害事件如地層下陷、土壤液化、坡地災害等，由於這些地質災害事件可反應在地表變形資料上，如何利用環境資料（包含大氣類、地下水、潮汐等資料）預測地表變形資料（GNSS和地震資料）及坡地災害事件？這幾個問題驅動了我們對「天然災害鏈預測」可行性評估的動機。本研究的主要工作目標為利用長短期記憶模型（LSTM模型）及支持向量迴歸（SVR模型）之演算法，建立地下水位、地表變形及坡地災害之預測模型。首先我們利用2004年至2020年潮州地區兩個自動氣象站所提供的氣溫、雨量、風向、風速，以及目標預測測站之歷史地下水位，預測十二個地下水測站的地下水位，比較LSTM模型和SVR模型的表現，結果顯示，大部分地下水測站的LSTM模型在測試集上的平均決定係數高達0.90。其次，我們應用相同方法，探討2013年至2020年垂直地表變形預測，新加入了氣壓、相對濕度以及潮位資料，發現GNSS測站的LSTM模型在測試集上的平均決定係數達0.94，而更高採樣點率寬頻地震站位移場的平均決定係數達0.89，不同測試皆證實LSTM較SVR模型預測表現更佳。最後，我們以農業部農村發展及水土保持署的坡地災害事件目錄為基礎，評估了不同年份組成的四個資料集。由2010年至2012年的訓練集以及2013年至2014年的測試集組成的資料集表現最佳，顯示了環境資料在坡地災害預測中的潛力，準確率達0.83，精準率為0.95，召回率為0.67。綜合以上， LSTM模型展示了對於時序資料強大的預測能力，並強調了環境資料在地表變形及坡地災害預測中的關鍵作用。本研究並測試六個不同的氣象參數在預測模型之貢獻度，依照重要程度依序如下：氣溫、氣壓、風速、風向、相對濕度、雨量，然而同時考慮此六個氣象參數的模型，其預測效能仍優於單一氣象參數。本研究具體提供了氣象與地質災害間的預測方法論，期能在未來用於近即時警報/預報、並為未來政策制定提供即時參考依據。