寶山水庫即時影像的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和資訊懶人包

探討石門集水區降雨-逕流機制與類神經網路洪水預報模式

為了解決寶山水庫即時影像的問題，作者林桂宏 這樣論述：

掌握集水區颱風暴雨時期降雨-逕流機制是一個重要的議題，因此探討集水區降雨-逕流機制及建置一精確的流量預報有其必要性。本研究探討颱洪時期石門水庫集水區上游至下游降雨-逕流特性及建置其未來1~5小時流量預報模式。研究分成二大部分，首先為集水區降雨-逕流機制之探討，結果顯示: (1)流量歷線上升點至洪峰點，下游延時(20~25小時)較中上游延時 (15~20小時)長;洪峰點至平穩點，下游延時 (20~25小時)較中上游延時(15~20小時)長; (2) 相關性分析結果，大流量場次之降雨-逕流時間稽延較小流量場次之降雨-逕流時間稽延短(短1~2小時); (3) 各雨量站前30天累積雨量與流量站之基流

量呈現正相關趨勢。本研究並利用模糊推論系統推論開始降雨至上升點延時，其推論結果與真實值趨勢一致。本研究第二部分為使用倒傳遞類神經網路(BPNN)建立流量預報模式，以流量/雨量資訊作為輸入項，同時亦考慮雨量站對流量站及流量站對流量站之不同的時間稽延關係，預報未來1~5小時流量，研究顯示除了以流量訊息作為輸入外，加入考量稽延的雨量資訊確實能提昇模式預測的精確性(RMSE約有20%之改善)。而退水段部分，利用迴歸分析尋找最佳迴歸函數，並將其預報結果與BPNN之流量預報結果比較，結果顯示利用線性迴歸預報退水段結果較類神經網路為佳，可有效降低類神經網路於退水段之震盪情形。關鍵詞:降雨-逕流機制、模糊推論

系統、倒傳遞類神經網路、多時刻流量預報