石門水庫水位即時影像的問題,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

另外網站石門水庫也說明:石門水庫水位 歷線圖(當日0時). 水位 蓄水量. 今年雨量. 第一個年份回到初始值 第一個要 ... 即時影像. 環境教育. • 交通指南•. 自行開車. 1.國道1號-平鎮系統交流道-省道臺66 ...

淡江大學 水資源及環境工程學系碩士班 張麗秋所指導 林子傑的 結合類神經網路及主成分分析於颱風時期大氣參數對降雨量推估之研究 (2021),提出石門水庫水位即時影像關鍵因素是什麼,來自於類神經網路、倒傳遞類神經網路、主成分分析、大氣參數、時雨量預報。

而第二篇論文國立聯合大學 材化博士學位學程 柳文成所指導 黃偉哲的 發展三軸加速度計及大尺度顆粒影像流速法提升河川表面流速及流量之量測 (2020),提出因為有 LSPIV、三軸加速度計、河川水位、表面流速、河川流量的重點而找出了 石門水庫水位即時影像的解答。

最後網站解渴了!春雨灌石門水庫水位上升穩定供水到6月底- 生活則補充:... 即時影像). Facebook; Messenger; Line; Weibo; Twitter; Telegram; 複製連結. 字級設定:小中大特. 今、明2天鋒面通過,為各地帶來降雨,石門水庫也傳出 ...

接下來讓我們看這些論文和書籍都說些什麼吧:

除了石門水庫水位即時影像,大家也想知道這些:

結合類神經網路及主成分分析於颱風時期大氣參數對降雨量推估之研究

為了解決石門水庫水位即時影像的問題,作者林子傑 這樣論述:

台灣坐落在西北太平洋上,為熱帶氣旋與颱風侵襲的主要路徑,平均每年有四到五個颱風侵襲台;同時台灣山高地狹、地形陡峭、川短流急,使得颱風所帶來的豐沛雨量引發水庫排洪不及的危機,而準確的降雨預報可提高流量推估之準確性,有助於水庫的防洪操作策略之參考,可提前預放與調節水庫水位,預留足夠的防洪空間,此為值得探討且重要的議題。本研究以石門水庫集水區最為研究區域,透過蒐集颱風時期集水區測站之歷史資料與ERA5大氣參數之網格資料,建置倒傳遞神經網路模式(BPNN)以預測未來1~3小時之集水區降雨量,並依照不同輸入項與降雨量之移動平均之結合可分三種模式,模式一(篩選大氣參數)、模式二(篩選參數之前十個主成分)

與模式三(篩選參數之前五個主成分),以分析輸入因子對BPNN模式預測結果之影響,並討論大氣參數與降雨量之關係。根據結果顯示,以篩選參數作為輸入項之BPNN模式大致上能掌握降雨趨勢,說明本研究所篩選之大氣參數若颱風時期能取得即時觀測資料,能作為推估未來時雨量之參考依據;模式二與模式三之結果表現均優於模式一,可證明經由主成分分析保留重要特徵的降維方式,能提高模式之預測準確度及運算效率。

發展三軸加速度計及大尺度顆粒影像流速法提升河川表面流速及流量之量測

為了解決石門水庫水位即時影像的問題,作者黃偉哲 這樣論述:

河川水位、流速及流量為河川管理重要之水文資料,而現行的河川流速及河川流量量測方式主要為侵入式,如量測河川流速的旋杯式流速儀與可同時量測河川流速及流量的聲波都卜勒流速剖面儀(Acoustic Doppler Current Profile, ADCP)。且量測人員需要進入河川中進行人工觀測,無法長時間連續觀測,於颱洪時期也因量測人員無法進入河川,僅能使用量測準確度較差的浮標法。因此非接觸性的大尺度顆粒影像流速法(Large-Scale Particle Image Velocimetry, LSPIV)被提出,並逐漸完善為可長時間自動化量測河川表面流速並推算流量。目前LSPIV主要需要克服的課

題之一為LSPIV架設的不便性。本研究針對此課題,提出使用三軸加速度計計算LSPIV共線式方程式的姿態參數,使LSPIV能達到快速設站量測,且提高量測河川表面流速及推算流量之穩定性。本文先說明研究方法,包含共線式方程式、空間交會模式、影像校正、影像匹配、LSPIV量測原理、指標流速法理論、三軸加速度計量測原理、自動調整量測區域大小及水位量測原理。並介紹研究地點-石門水庫上游集水區玉峰水位站及本研究使用MATLAB撰寫之LSPIV程式及硬體設備。本研究共進行8次現地實驗,每次實驗量測4-8小時,其中影像技術量測水位及LSPIV量測河川表面流速並推算流量,每10分鐘量測一次;實測水位亦為每10分鐘

量測一次;實測河川表面流速及流量則是每小時量測一次。實驗結果顯示影像量測水位及實測水位整體均方根誤差(Root Mean Square Error, RMSE)為0.03 m,表現優異;LSPIV使用三軸加速度計計算之參數分析河川平均表面流速並推算流量之結果與實測河川平均表面流速及實測流量比較,RMSE分別為0.13 m/s及1.29 m3/s;相對均方根誤差(Relative RMSE)分別為15%及17.9%;LSPIV使用控制點計算之參數分析河川平均表面流速並推算流量之結果與實測河川平均表面流速及實測流量比較,RMSE分別為0.20 m/s及1.93 m3/s;Relative RMSE

分別為23%及26.7%。結果顯示LSPIV使用三軸加速度計計算之參數量測河川平均表面流速及推算流量比LSPIV使用控制點計算之參數量測河川平均表面流速及推算流量較佳。接著討論LSPIV中共線式方程式參數及三軸加速度計參數的敏感度分析,分析結果顯示共線式方程式中,參數傾角θ最為敏感,參數旋角τ敏感度次之;參數zc、uc、vc及d對LSPIV分析河川平均表面流速較為不敏感;參數方位角α、xc及yc對LSPIV量測河川平均表面流速完全沒影響。而在三軸加速度計參數Ax、Ay及Az敏感度低於共線式參數傾角θ及旋角τ,表示LSPIV使用三軸加速度值計算之參數量測河川平均表面流速時,可以獲得較佳且穩定的量

測結果。最後討論LSPIV於影像匹配中,搜尋視窗(Search Area, SA)大小、詢問視窗(Interrogation Area, IA)大小及影像解析度(Resolution)對LSPIV分析河川平均表面流速之影響。結果顯示,當SA增加、IA增加及減少與影像解析度減少時,LSPIV使用三軸加速度計計算之參數分析河川平均表面流速與實測河川平均表面流速比較之RMSE及Relative RMSE增加幅度比LSPIV使用控制點計算之參數分析河川平均表面流速與實測河川平均表面流速比較之RMSE及Relative RMSE增加幅度較小,表示LSPIV使用三軸加速度計計算之參數分析河川平均表面流速比

較穩定。綜合上述,使用三軸加速度計計算參數,除大幅簡化LSPIV前置作業,LSPIV使用三軸加速度計計算參數量測河川平均表面流速及推算流量也可以獲得比LSPIV使用控制點計算參數量測河川平均表面流速及推算流量較好的結果。