標題: 水庫高濁度下之供水風險分析-以石門水庫為例
The Risk Analysis of Reservoir Water Supply under High Turbidity- Case Study of the Shihmen Reservoir
作者: 柯思瑋
Ko, Ssu-Wei
張良正
Chang, Liang-Cheng
土木工程學系
關鍵字: 蒙地卡羅;拉丁超立方取樣;類神經網路;濁度預測模式;水資源調配模式;單位特性歷線;韋伯點繪法;Monte Carlo simulation;Latin Hypercube Sampling (LHS);Artificial Neural Network (ANN);turbidity prediction model;water supply model;Unit Characteristic Hydrograph;Weibull Plotting Method
公開日期: 2009
摘要: 台灣地區地質條件鬆軟,每遇颱風豪雨洪水挾帶大量土石而下,造成河川水流除了流量大外濁度亦高,若取用此高濁度之河水,將使得淨水廠處理能力大為降低,從而形成臺灣部份地區如石門水庫供水區,非常特別的洪水時期缺水的現象。 針對前述之高濁度缺水問題,本研究以蒙地卡羅法為基礎,整合雨量歷線合成、降雨逕流模式、濁度預測模式與高濁度水資源調配模式等,探討石門水庫在高濁度下之供水風險。其中濁度預測模式,本研究發展並比較兩種不同的模擬方式,其一為類神經模式,另一為參考單位歷線法的精神,發展以濁度特性函數為基礎之濁度預測模式,而此濁度特性函數為單位入或放流量下之濁度歷線。蒙地卡羅分析需有多組雨量資料進行模擬,本研究以設計降雨之觀念進行雨量歷線繁衍,設計降雨主要由設計總降雨量與設計雨型兩部分所組成,兩者皆與降雨延時有關,故進行雨量歷線繁衍時有兩個隨機變數,即總降雨量與降雨延時待取樣,本研究以拉丁超立方取樣法進行雨量歷線合成,可以較少樣本數仍完整呈現母體之統計特性。濁度模擬結果顯示,單位特性歷線法與類神經皆有良好之預測精度,單位特性歷線之觀測與實際值相關係數皆高達0.87以上,然單位特性歷線法較具物理意義及易於瞭解,而類神經為黑盒分析,故本研究後續風險分析乃以單位特性歷線之分析結果進行分析。水庫高濁度之供水風險結果顯示,發生高濁度缺水事件機率高達57%,若假設公共用水缺水忍受度為5%,發生缺水超過缺水忍受度之機率仍達34%。 本研究發展之模式與方法皆有相當程度上的可靠度,目前僅應用於石門水庫中,未來可將此分析流程應用於其它亦有高濁度問題的水庫,以降低整體供水風險。
URI: http://140.113.39.130/cdrfb3/record/nctu/#GT079616551
http://hdl.handle.net/11536/42265
Appears in Collections:Thesis


Files in This Item:

  1. 655101.pdf
  2. 655102.pdf
  3. 655103.pdf