| 年度 |
111年度 |
| 綱要計畫 |
國家災害防救科技中心發展計畫年度 |
| 細部計畫 |
防災氣象大數據落實災害預警技術研究年度 |
| 主管單位 |
國家災害防救科技中心 |
| 執行單位 |
國家災害防救科技中心 |
| 對應課題 |
|
| 產出成果類別 |
|
| 產出成果型態 |
|
| 自評等級 |
|
| 成果內容說明 |
本研究將機器學習應用於秋季極端降雨事件的天氣類型分群研究。圖1-10為分析及建模流程示意圖，首先以過去41年秋季再分析資料進行機器學習的模組訓練，使用海平面氣壓、850百帕的東西風、南北風、相對濕度及溫度五種變數。本模組利用自動編碼器(AutoEncoder)深度學習類神經網路演算法，共使用五層類神經網路對資料進行資料降維及特徵擷取，將過去41年資料帶入模組進行迭代運算至損失函數收斂後，即完成此特徵擷取模組的建立。 |
| 實際防災落實應用情形 |
分群分析結果顯示秋季極端降雨有三種最重要的天氣類型，分別為颱風類型、颱風與東北風共伴類型，以及東北風類型。數量各佔總事件數的36%、48%及16%。其中颱風、東北風類型即表示台灣極端降雨分別受此兩種主要天氣型態所影響，而颱風與東北風共伴類型則為一複合型的天氣型態，其環流特徵包含一颱風位於巴士海峽或南海北部，伴隨台灣東北方存在強東北風，兩者環流再台灣東北部合流，產生強輻合區，導致台灣東北部發生劇烈降雨。 |
| 相關佐證資料 |
|
| 圖片1 |
 |
| 圖片1說明 |
自動編碼器(AutoEncoder)深度學習類神經網路建模，以及秋季極端降雨事件的天氣類型分群分析流程示意圖。 |