生物資源暨農學院: 生物環境系統工程學研究所指導教授: 余化龍吳培瑞Wu, Pei-JuiPei-JuiWu2017-03-022018-06-292017-03-022018-06-292016http://ntur.lib.ntu.edu.tw//handle/246246/272568颱風短時間內大量降雨時常造成巨大的災害，造成許多生命財產的損失，由於颱風降雨於集水區之時空分布不均，所以掌握降雨型態是非常重要的，因此分析颱風暴雨之時間空間關係為目前颱風降雨主要課題，每一場颱風的變異性相當高，但若能從颱風的時空分布尋找某些特徵，再從這些特徵建構出關連性，再由給定已知測站特定降雨量，以推估未設測站點可能降雨量，在未來決定水利設施尺寸或災害風險管理將會有些助益。 本研究主要分成三個部分，首先為颱風降雨分類，利用多維尺度分析法將高維度之七十六場發生於高屏溪流域之歷史颱風降雨事件投射至二維平面上，使觀察者易了解颱風之間的相對距離關係，再透過K-means分類法將颱風事件分為六群，利用颱風之資料透過最大熵機率密度函數法，由一到四階動差為限制條件以建立機率密度函數，可得到不同時間空間各測站之邊際分布，再將集水區內建立網格以推估未設測站，將網格的值內插取得一到四階動差，並透過高斯鍵結函數將同一時刻邊際函數鍵結以形成颱風時空間聯合機率密度函數。 建立聯合機率密度函數後，利用貝氏最大熵法進行颱風降雨推估，由聯合分布作為一般性知識，進行三個類別的颱風事件降雨推估，結果顯示第一、三、六群颱風的降雨型態，為該集水區主要降雨之時空分布型態，且第三類颱風事件之瑞伯颱風推估，該場事件之推估與實際降雨時空分布量值較為接近。8986056 bytesapplication/pdf論文公開時間: 2026/12/31論文使用權限: 同意有償授權(權利金給回饋本人)颱風降雨分類多元尺度分析最大熵機率密度函數高斯鍵結函數聯合機率密度函數貝式最大熵法颱風降雨推估typhoon classificationmultidimensional scaling (MDS)maximum entropy probability density functionGaussian copulajoint probability density functionBayesian maximum entropy (BME)thesis10.6342/NTU201602671http://ntur.lib.ntu.edu.tw/bitstream/246246/272568/1/ntu-105-R03622030-1.pdf