臺灣博碩士論文加值系統

本研究應用倒傳遞類神經網路(Back-Propagation Neural Network, BNN)與多元線性回歸(Multiple Linear Regression, MLR)建立台中市空氣品質之預測模式，類神經網路分別以懸浮微粒 (PM10) 為其變數因子及PM10、PM2.5及建築 (房屋) 工程 (RC) 、建築 (房屋) 工程 (SRC) 、建築 (房屋) 工程 (拆除) 、道路工程、區域開發(社區)等條件，以2008年1月~11月為網路輸入參數建立最適化網路，對2008年12月之PM10作預測，並與MLR''作比較。研究結果顯示其中台中市訓練方面:以BNN之MAPE最佳為24.87%、R 值為0.3； MLR之MAPE最佳為 30.20%、其 R 值為0.7；預測值方面 BNN之MAPE最佳為24.87%、R 值為0.3； MLR之MAPE模式最佳為23.63%、R 值為0.4。而本模式所得預測效果良好，可提供相關管理者即時污染之因應對策。

This study employed Back-Propagation Neural Network(BNN) method and Multiple Linear Regression (MLR) method to establish an air quality prediction model of Taichung city. We used PM10 as the variable factor and PM2.5, building constructions using reinforced concrete(RC), building constructions using Steel Reinforced Concerte(SRC), Building dismantling and tunnel constructions as input parameters in BNN method for an optimizing network. We inputted data from January to November 2008 as parameters, then used the model to predicted the air quality of December, 2008. The prediction result of BNN method was compared to MLR method. As best prediction result using BNN method of simulating for Taichung city. R value is 0.3.Mape value is 24.87%. As best prediction result using MLR method of simulating for Taichung city. R value is 0.7.Mape value is30.2%. As best prediction result using BNN method: R value is 0.3.Mape value is 24.87%. As best prediction result using MLR method: R value is 0.4.Mape value is 23.63%. separately. This study shows that these prediction models will be a supportive tool for air pollution management decision-making process of the authorities.

總目錄

第一章前言 1
1.1研究背景 1
1.2研究動機與目的 2
1.3研究流程 5
第二章文獻回顧 6
2.1氣候環境 6
2.2空氣品質分析 8
2.3背景資料 12
2.4建立營建工地基本資料與排放資料庫 27
2.4.1營建工地污染管制系統之建構 27
2.4.2營建工地粒狀物排放量推估作業 27
2.5營建工程空污費相關作業 32
2.6粒狀物排放量分析 38
2.6.1污染防制措施統計與分析 38
2.7類神經網路原理及其相關應用 43
2.7.1類神經網路架構 45
2.7.2類神經網路之運作 45
第三章研究方法 46
3.1倒傳遞類神經網路 46
3.1.1倒傳遞演算法 46
3.1.2倒傳遞類神經網路常見問題 49
3.1.3類神經網路之運用 50
3.1.4類神經網路的優缺點 52
3.2倒傳遞類神經網路模式 53
3.3多元線性迴歸 55
3.4模式預測之評估 56
第四章結果與討論 58
4.1模式之參數 58
4.2台中市西屯、忠明測站BNN模擬 62
4.3 BNN台中市西屯、忠明測站模擬之結果 67
4.4台中市西屯、忠明測站MLR模擬 68
4.5 MLR台中市西屯、忠明測站模擬之結果 73
4.6台中市BNN模擬 73
4.7 BNN台中市模擬之結果 81
4.8台中市MLR模擬 82
4.9 MLR台中市模擬之結果 90
第五章結論與建議 91
5.1結論 91
5.2建議 92




圖目錄

圖1.3-1研究流程圖 5
圖2.2-1台中市空氣品質測站分布圖 9
圖2.3-1台灣地區人口分佈圖 12
圖2.3-2台中地區人口成長趨勢圖 13
圖2.3-3台中地區近月人口成長趨勢圖 14
圖2.3-4台中地區人口密度 15
圖2.3-5營建工程空污費徵收申報流程 19
圖2.3-6營建工地現場巡查訪視流程 21
圖2.3-7營建工地複查作業流程圖 23
圖2.5-1各工程類別營建空污費徵收件數比例分析 32
圖2.5-2各工程類別營建空污費徵收金額比例分析 33
圖2.5-3各工地等級巡查頻率分析比較圖 35
圖3.1 BNN之建立流程 51
圖4.1台中市西屯測站PM10趨勢圖 59
圖4.2台中市忠明測站PM10趨勢圖 59
圖4.3 BNN西屯PM10 訓練圖 64
圖4.4 BNN西屯PM10預測圖 64
圖4.5 BNN忠明PM10訓練圖 66
圖4.6 BNN忠明PM10預測圖 66
圖4.7 MLR西屯PM10訓練圖 70
圖4.8 MLR西屯PM10預測圖 70
圖4.9 MLR忠明PM10訓練圖 72
圖4.10 MLR忠明PM10預測圖 72
圖4.11 BNN台中市7V1 PM10訓練圖 75
圖4.12 BNN台中市7V1 PM10預測圖 75
圖4.13 BNN台中市6V1 PM10訓練圖 76
圖4.14 BNN台中市6V1 PM10預測圖 76
圖4.15 BNN台中市5V1 PM10訓練圖 77
圖4.16 BNN台中市5V1 PM10預測圖 77
圖4.17 BNN台中市4V1 PM10訓練圖 78
圖4.18 BNN台中市4V1 PM10預測圖 78
圖4.19 BNN台中市3V1 PM10訓練圖 79
圖4.20 BNN台中市3V1 PM10預測圖 79
圖4.21 BNN台中市2V1 PM10訓練圖 80
圖4.21 BNN台中市2V1 PM10預測圖 80
圖4.22 MLR台中市7V1 PM10訓練圖 84
圖4.23 MLR台中市7V1 PM10預測圖 84
圖4.24 MLR台中市6V1 PM10訓練圖 85
圖4.25 MLR台中市6V1 PM10預測圖 85
圖4.26 MLR台中市5V1 PM10訓練圖 86
圖4.27 MLR台中市5V1 PM10預測圖 86
圖4.28MLR台中市4V1 PM10訓練圖 87
圖4.29 MLR台中市4V1 PM10預測圖 87
圖4.30 MLR台中市3V1 PM10訓練圖 88
圖4.31 MLR台中市3V1 PM10預測圖 88
圖4.32 MLR台中市2V1 PM10訓練圖 89
圖4.33 MLR台中市2V1 PM10預測圖 89



表目錄
表2.2-1環保署空氣品質忠明自動測站資料統計表 10
表2.2-2環保署空氣品質西屯自動測站資料統計表 11
表2.3-1台中市人口密度 15
表2.3-2管理辦法管制對象分級表 24
表2.3-3工程類別法本土化排放係數表 30
表2.3-4作業類別法本土化粒狀污染物排放係 31
表2.5-1營建工程空污費徵收分析表 33
表2.5-2各行政區營建工程空污費徵收分析表 34
表2.5-3各類工地巡查頻率表 36
表2.5-4各行政區列管工地巡查頻率統計表 37
表2.6-1各項施工作業防制措施等級分類判定標準 39
表2.6-2各工程類別防制措施等級統計 40
表3.4-1 MAPE之預測範圍 57
表3.4-2 R值之預測範 57
表4.1 BNN之預測參數變化表 60
表4.2 MLR之預測參數變化表 61
表4.3西屯BNN模式結果整理 63
表4.4忠明BNN模式結果整理 65
表4.5西屯MLR模式結果整理 69
表4.6忠明MLR模式結果整理 71
表4.7 BNN模式結果整理 74
表4.8 MLR模式結果整理 83

Pai T.Y., T.J. Wan, S.T. Hsu, T.C. Chang, Y.P. Tsai, C.Y. Lin, H.C. Su and L.F. Yu, “Using fuzzy inference system to improve neural network for predicting hospital wastewater treatment plant effluent,” Computers & Chemical Engineering. (2009A).
Pai T.Y., S.C. Wang, C.F. Chiang, H.C. Su, L.F. Yu, P.J. Sung, C.Y. Lin and H.C. Hu , “Improving neural network prediction of effluent from biological wastewater treatment plant of industrial park using fuzzy learning approach,” Bioprocess and Biosystems Engineering. (2009B).
Pai T.Y., H.Y. Chang, T.J. Wan, S.H. Chuang and Y.P. Tsai, “Using an extended activated sludge model to simulate nitrite and nitrate variations in TNCU2 process,” Applied Mathematical Modelling. (2009C).
Pai T.Y., S.H. Chuang, T.J. Wan, H.M. Lo, i Y.P. Tsa, H.C. Su, L.F. Yu, H.C. Hu and P.J. Sung, “Comparisons of grey and neural network prediction of industrial park wastewater effluent using influent quality and online monitoring parameters,” Environmental Monitoring and Assessment, 146(1-3), 51-66 (2008A).
Pai T.Y. “Gray and neural network prediction of effluent from the wastewater treatment plant of industrial park using influent quality,” Environmental Engineering Science, 25(5), 757-766. (2008B).
Pai T.Y., Tsai Y.P., Lo H.M., Tsai C.H. and Lin C.Y., “Grey and neural network prediction of suspended solids and chemical oxygen demand in hospital wastewater treatment plant effluent, ” Computers & Chemical Engineering. (2007).
Chang F.J. and Chang Y.T., Adaptive neuro-fuzzy inference system for prediction of water level in reservoir, Advances in Water Resources, 29 (1), 1-10 (2006).
Yu R., F.,, Liaw S., L.,, Chang C., N., and Cheng W., Y., “Applying real-time control to enhance the performance of nitrogen removal in continuous-flow SBR system,” Water Science and Technology, Vol. 38, No. 3, pp. 271-280 (1998).
McCulloch, W. and Pitts, W. (1943). A logical calculus of the ideas immanent in nervous activity. Bulletin of Mathematical Biophysics, 7:115 - 133.
萬騰州，范惠婷，許家宴，方景萱，"應用類神經網路於雲林地區空氣品質(PM10)預測之研究"，實務專題，雲林科技大學環境與安全工程系，雲林縣，(2001)。
陳建谷，"應用倒傳遞類神經及適應性模糊類神經網路模式預測垃圾焚化廠煙道氣之比較研究"，碩士論文，國立雲林科技大學環境與安全衛生工程研究所，雲林縣，（2003）。
林逸塵，"類神經網路應用於空氣品質預測之研究"，碩士論文，國立中山大學環境工程研究所。高雄市，（2002）
白子易、蘇昭郎、蔡嘉和、廖婉君、朱校興、蔡曜聲，「應用類神經網路於TNCU程序出流水質之預測」，第12屆下水道及水環境再生研討會論文集，台北，第133-140頁(2002)。
白子易，「下水道系統生化動力模式建立之研究」，博士論文，國立中央大學環境工程研究所，中壢（2001）。
羅玄灝，「以灰建模及類神經網路預測醫療廢棄物焚化爐煙道氣之研究」，碩士論文，朝陽科技大學，台中（2007）。
蘇漢昌，「應用適應性模糊推論系統改善類神經網路預測工業廢水廠出流水水質之研究」，碩士論文，朝陽科技大學，台中（2008）。
楊國珍，「類神經模糊系統應用於蒸發量推估之研究」，國立成功大學水力與海洋工程研究所碩士論文，民國九十三年五月。
上境科技股份有限公司，「97年臺中縣營建工程污染管制計畫」，臺中市環境保護局委辦計畫，台中（2008）。
行政院環保署網站，http://taqm.epa.gov.tw/taqm/zh-tw/。
台中市環境保護局，http://www.tcepb.gov.tw/index.asp。