蔡丁貴臺灣大學：土木工程學研究所黃怡君Huang, Yi-ChunYi-ChunHuang2007-11-252018-07-092007-11-252018-07-092006http://ntur.lib.ntu.edu.tw//handle/246246/50390遺傳演算法（Genetic Algorithm,GA）與模擬退火演算法（Simulated Annealing,SA）的混合應用最早是由Goldberg於1990年提出Boltzmann Tournament Section（BTS）。模擬退火演算法 具有較佳的局部搜尋能力，相對的實數編碼利基遺傳演算法具有較佳的整體搜尋能力，但是最佳解還是不易求得，本研究乃綜合兩者不同演算法所具有的特性，彌補單一演算法的不足，並結合田口（Taguchi, 1950）初始值設定法的應用，進行優選問題之求解，經數學函數測試，本研究所使用的方法收斂情形較佳，且較容易找到全域最佳解。 本研究所採用的模式為「全流域河川不恆定流模式」（賴經都, 1999），模式中為維持對低中水位及高洪水位計算模擬之準確度，因此，水流阻力參數採用可變值，隨水深而變化。本研究將嘗試同時自動率定低中水位及高洪水位阻力參數。本研究方法首先利用田口初始值設定法找出一組初始解後，再經模擬退火實數編碼利基遺傳演算法自動率定最佳阻力參數。研究範圍以淡水河流域之新海橋、河口、中正橋及南湖大橋水位站為邊界點，選用流域重大颱洪事件（納坦颱洪）實測之洪水歷線資料來進行率定；參數率定後，並利用不同颱洪事件（海馬颱洪、艾利颱洪）之實測水位記錄資料來驗證模式之適用性。 研究結果顯示：率定所得的阻力參數，可使模式之計算水位與觀測水位相當吻合。以另一時段觀測資料進行模式驗證時，發現計算水位與觀測水位亦十分接近。可見本研究所提議的方法於「全流域河川不恆定流模式」之阻力參數率定，的確是一客觀且能正確找出全域最佳解的自動化參數率定方法。Mixed use of Genetic-Algorithm （GA） and Simulated-Annealing （SA） was proposed as Boltzmann Tournament Section （BTS） by Goldberg in 1990. The SA has better local search capability, but GA has better global search capability. Combined features of these two algorithms are aimed to remedy the deficiency of each single algorithm. It is further to integrate Taguchi approach （Taguchi, 1950） for better initial guessed values to accelerate the process of searching. Present method has illustrated its fast convergence over other methods. In this thesis, a river flood simulation model CCCMMOC（Lai, 1999） is adopted for water levels simulation. In this model, the river hydraulic resistance coefficients are unknown to be calibrated and assumed to change with depths of water. Calibrations of the resistance coefficients at the lower and higher water levels are performed separately. In this study, Taguchi initialization method is used first to select the initial gauss solutions. It then employes the Simulated Annealing Real-valued-coding Niche Genetic Algorithm （SARvcNGA） to calibrate the best resistance coefficients. Observed data of Natain Typhoon (2004) flood levels is Tamsui River are used for calibration. Historical observations of Typhoons, Heima (2004) and Aili (2004) are used for verifications of the calibrated river resistance coefficients. Calibration efficiency of present model is demonstrated. Present approach has been illustrated to be efficient for automatic river simulation model calibration.目錄..... I 圖目錄. III 表目錄. VI 第一章 緒論 1 1.1 研究動機及目的 1 1.2 前人研究及文獻回顧 1 1.3 研究方法及論文架構 5 第二章 模擬退火實數編碼利基遺傳演算法 11 2.1 實數編碼利基遺傳演算法（Real-valued-coding Niche Genetic Algorithm, RvcNGA） 11 2.2 模擬退火演算法（Simulated Annealing, SA） 17 2.3 模擬退火實數編碼利基遺傳演算法（Simulated Annealing Real-valued-coding Niche Genetic Algorithm, SARvcNGA） 21 第三章 田口（Taguchi，1950）初始值設定法 25 3.1 田口品質工程實驗法之設計理論 25 3.2 田口實驗設計法流程 28 3.3 品質損失函數（Quality Loss Function, QLF） 29 3.4 訊號/噪音比（Signal/Noise ratio, S/N 比） 30 3.5 正交陣列表（Orthogonal Arrays） 31 3.6 變異數分析 35 3.7 田口初始值設定法 36 3.8 參數自動率定流程 37 第四章 各種參數率定方法之比較 39 4.1 最佳化函數測試基本控制參數之設定 39 4.2 測試函數一 41 4.3 測試函數二 49 4.4 測試函數三 50 4.5 測試本文方法之結論 51 第五章 河川水理模式建置 53 5.1 全流域不恆定流模式河川阻力參數之建置 53 5.2 研究範圍 56 5.3 阻力參數率定優選模式之建立 56 第六章 河川阻力參數之自動率定 61 6.1 模擬退火實數編碼利基遺傳演算法自動率定流程 61 6.2 測試模擬退火實數編碼利基遺傳演算法之率定效果 62 6.3 田口初始值設定法參數分析 74 6.4 以現場水位觀測值進行率定之結果 79 6.5 以現場水位觀測值進行驗證之結果 88 第七章 結論與建議 103 7.1 結論 103 7.1 建議 104 參考文獻 1051603230 bytesapplication/pdfen-US田口模擬退火法遺傳演算法TaguchiSimulated-AnnealingGenetic-Algorithmthesishttp://ntur.lib.ntu.edu.tw/bitstream/246246/50390/1/ntu-95-R93521314-1.pdf