簡易檢索 / 詳目顯示

研究生: 林秉學
Lin, Bin-Shuei
論文名稱: 結合數值模擬與機器學習以提升南化水庫防淤隧道水力排砂演算效率之研究
Enhancing Sediment Removal Efficiency of the Sediment Sluicing Tunnel in Nanhua Reservoir Using Numerical Simulation and Machine Learning
指導教授: 陳璋玲
Chen, Chung-Ling
吳嘉文
Wu, Chia-Wen
學位類別: 碩士
Master
系所名稱: 工學院 - 水利及海洋工程學系
Department of Hydraulic & Ocean Engineering
論文出版年: 2025
畢業學年度: 113
語文別: 中文
論文頁數: 75
中文關鍵詞: 水庫泥砂濃度預測SRH-2DXGBoost機器學習水庫運轉防淤隧道
外文關鍵詞: SRH-2D, XGBoost, machine learning, reservoir operation, sediment sluicing tunnel
相關次數: 點閱:23下載:0
分享至:
查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報
  • 考試合格證明 i 中英文摘要 ii 誌謝 viii 目錄 ix 表目錄 xi 圖目錄 xii 1 第一章 緒論 1 1.1 前言 1 1.2 研究動機與目的 2 1.3 文獻回顧 4 1.4 論文架構 7 2 第二章 研究區域與資料 8 2.1 南化水庫及防淤隧道相關簡介 8 2.2 南化水庫泥砂運移監測及抽泥放淤現況 14 3 第三章 研究方法 17 3.1 研究方法流程建立 17 3.2 二維泥砂及河川水力學數值模式(Sedimentation and River Hydraulics Two-Dimension, SRH-2D) 18 3.3 以動態規劃法建立水庫運轉優選模式 27 3.4 機器學習(XGBoost) 30 4 第四章 結果與討論 36 4.1 數值模式及水庫操作優選模式建立之案例 36 4.2 機器學習生成數據結果 39 5 第五章 結論與建議 57 5.1 結論 57 5.2 建議 58 參考文獻 60

    1. Hajiabadi, R., & Zarghami, M. (2014). Multi-Objective Reservoir Operation with Sediment Flushing; Case Study of Sefidrud Reservoir. Water Resources Management, 28(15), 5357-5376. doi:10.1007/s11269-014-0806-9
    2. Huang, C.-C., Fang, H.-T., Ho, H.-C., & Jhong, B.-C. (2019). Interdisciplinary application of numerical and machine-learning-based models to predict half-hourly suspended sediment concentrations during typhoons. Journal of Hydrology, 573, 661-675. doi:10.1016/j.jhydrol.2019.04.001
    3. Huang, J., Greimann, B., & Kimbrel, S. (2019). Simulation of Sediment Flushing in Paonia Reservoir of Colorado. Journal of Hydraulic Engineering, 145(12). doi:10.1061/(asce)hy.1943-7900.0001651
    4. Kondolf, G. M., Gao, Y., Annandale, G. W., Morris, G. L., Jiang, E., Zhang, J., . . . Yang, C. T. (2014). Sustainable sediment management in reservoirs and regulated rivers: Experiences from five continents. Earth's Future, 2(5), 256-280. doi:10.1002/2013ef000184
    5. Kuhn, Max (2008) Building Predictive Models in R Using the caret Package. Journal of Statistical Software, 28(5), 1–26. doi:10.18637/jss.v028.i05, https://www.jstatsoft.org/index.php/jss/article/view/v028i05.
    6. Morris, G. L., & Fan, J. (1998). Reservoir Sedimentation Handbook: McGraw-Hill Book Co., New York.
    7. Narusawa, S., & Nishimoto, H. (2017). Outline and present of Matsukawa Dam redevelopment project. Proceedings of the 2nd International Workshop on Sediment Bypass Tunnels. Retrieved from http://hdl.handle.net/2433/235820
    8. Y. G. Lai, J. Huang and K. Wu (2015) Reservoir Turbidity Current Modeling with a Two-Dimensional Layer-Averaged Model. Journal of Hydraulic Engineering 2015 Vol. 141 Issue 12 Pages 04015029. DOI: doi:10.1061/(ASCE)HY.1943-7900.0001041
    9. Y. G. Lai (2010) Two-Dimensional Depth-Averaged Flow Modeling with an Unstructured Hybrid Mesh. Journal of Hydraulic Engineering 2010 Vol. 136 Issue 1 Pages 12-23. DOI: 10.1061/(ASCE)HY.1943-7900.0000134
    10. Zhang, X., & Yang, Y. (2020). Suspended sediment concentration forecast based on CEEMDAN-GRU model. Water Supply, 20(5), 1787-1798. doi:10.2166/ws.2020.087
    11. 王柏翔. (2021). 最佳化整合多種機器學習法於水庫泥砂濃度之預測. (碩士). 國立臺灣大學
    12. 台灣自來水公司第六區管理處. (2024b). 112-113年南化水庫放淤對下游河道變遷影響監測分析112年年度報告.
    13. 台灣自來水公司第六區管理處. (2024a). 113 年度南化水庫淤積測量成果報告書.
    14. 行政院. (2013). 曾文南化烏山頭水庫治理及穩定南部地區供水計畫實施計畫(第1次修正計畫).
    15. 李豐佐, 賴進松, 郭文達, 黃振家, 張斐章, & 譚義績. (2012). 石門水庫水庫排砂操作影響鳶山堰取水之研究. [The Impacts of Water Withdraw at Yuanshanyan during Sediment Venting in Shihmen Reservoir]. 農業工程學報, 58(4), 80-94. doi:10.29974/jtae.201212.0008
    16. 楊艾芸. (2010). 水庫防洪最佳即時操作模式之研究. (碩士). 國立臺灣大學
    17. 楊慶宗, 楊朝敏, 吳嘉文, 張明瑞, & 吳嘉文. (2020). 人工智慧技術於水庫防洪運轉之應用. In: 財團法人中興工程顧問社.
    18. 經濟部水利署. (2017). 水庫庫容有效維持實施計畫.
    19. 經濟部水利署. (2019a). 107年臺灣水文環境情勢專刊.
    20. 經濟部水利署. (2019b). 水庫防淤管理與技術應用.
    21. 經濟部水利署北區水資源局. (2009). 石門水庫及其集水區整治計畫期末報告書.
    22. 蕭琬蓉. (2013). 串聯水庫空庫排砂策略之探討 ─ 以曾文及烏山頭水庫系統為例.

    無法下載圖示 校內:2030-08-22公開
    校外:2030-08-22公開
    電子論文尚未授權公開,紙本請查館藏目錄
    QR CODE