會議論文
| 學年 | 105 |
|---|---|
| 學期 | 1 |
| 發表日期 | 2016-10-04 |
| 作品名稱 | 西北太平洋颱風快速增強之機率預報模式開發 |
| 作品名稱（其他語言） | |
| 著者 | 佘佳宜; 蔡孝忠; 張麗秋 |
| 作品所屬單位 | |
| 出版者 | |
| 會議名稱 | 105年天氣分析與預報研討會 |
| 會議地點 | 台北市, 台灣 |
| 摘要 | 颱風強度快速增強(Rapid Intensification；簡稱 RI)為目前颱風預報中最具挑戰性的項目之一。根據美國國家颶風中心(National Hurricane Center)之定義，熱帶氣旋之中心最大風速若在24小時內增強達30 kt以上，則將該案例之強度變化認定為RI等級。本研究採用 Tsai and Elsberry(2014)之颱風強度類比預報模式(Weighted Analog Intensity Prediction；WAIP)，配合SHIPS開發資料(Statistical Hurricane Intensity Prediction Scheme Developmental Data)之大氣及海洋環境變數，嘗試開發未來24小時 RI 發生機率之統計預報模式。本研究使用2000-2012年之颱風個案資料，採用羅吉斯迴歸(Logistical Regression)，配合Hosmer-Lemeshow 適合度檢定、ROC(Receiver Operating Characteristic)曲線下方面積(Area Under Curve； AUC)、敏感度、特異度及準確度等校驗指標，討論預測變數(predictor)的最佳組合。初步研究結果顯示， 相較於僅採用SHIPS資料的預測模型，以 WAIP 模式搭配SHIPS大氣海洋環境變數所建立之預測模型，其預報校驗AUC值可達 0.83，表示此模式具有良好的判別能力。此外，模式之敏感度、特異度和準確度皆優於其他預測變數組合之預測模型，因此建議使用WAIP搭配SHIPS大氣海洋資料進行24小時RI機率預報模式的開發。本研究並進一步應用類神經網路(Artificial Neural Network；ANN)，討論人工智慧理論對於24小時RI機率預報模式的改進效果。測試結果顯示，以非線性ANN方法建立預報模式，其預報測試組之敏感度可較原始模式提升 12.57%。本研究亦將TCHP相關因子額外納入 ANN進行訓練，模式預報測試結果可優於原始模式，其中以原始 Model A 配合 ATCHP之模式表現最佳，訓練組及測試 組之敏感度可較原始模式分別提升 10.3%及 7.4%。 |
| 關鍵字 | |
| 語言 | zh_TW |
| 收錄於 | |
| 會議性質 | 國內 |
| 校內研討會地點 | 無 |
| 研討會時間 | 20161004~20161006 |
| 通訊作者 | 蔡孝忠 |
| 國別 | TWN |
| 公開徵稿 | |
| 出版型式 | |
| 出處 | 105年天氣分析與預報研討會論文集 |
| 相關連結 |
機構典藏連結 ( http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/108839 ) |