已經跟呼吸一樣重要的網路和手機論文書籍站
國立成功大學 水利及海洋工程學系 游保杉所指導 郭家妏的 隨機森林在河川水位即時預報之應用 （2013），提出河川即時水位關鍵因素是什麼，來自於隨機森林、河川水位預報、洪水預警。
而第二篇論文輔仁大學 應用統計學研究所 黃孝雲、傅金城所指導 薛安琪的 MART河川即時水位預測法-以八掌溪為例 （2009），提出因為有 MART、MARS、SVR、GAM、ANN、河川水位預測、評鑑指標的重點而找出了 河川即時水位的解答。
河川即時水位進入發燒排行的影片
水情嚴峻，南投日月潭水位下探，而且因為水位太低，因此日管處從一日開始封閉朝霧和玄光寺碼頭，只剩下伊達邵和水社在正常運作。至於南部曾文水庫，目前的蓄水率只有11.5%，河川局也請軍方協助清淤，而在六日就要啟動分區供水的台中、苗栗和北彰地區，水公司也部署超過338個取水點。
詳細新聞內容請見【公視新聞網】 https://news.pts.org.tw/article/520179
-
由台灣公共電視新聞部製播，提供每日正確、即時的新聞內容及多元觀點。
■ 按讚【公視新聞網FB】https://www.facebook.com/pnnpts
■ 訂閱【公視新聞網IG】https://www.instagram.com/pts.news/
■ 追蹤【公視新聞網TG】https://t.me/PTS_TW_NEWS
#公視新聞 #即時新聞
-
看更多：
■【P sharp新聞實驗室】全媒體新聞實驗，提供新一代的新聞資訊服務。 （https://newslab.pts.org.tw）
■【PNN公視新聞議題中心】聚焦台灣土地環境、勞工司法、族群及平權等重要議題。 （https://pnn.pts.org.tw）
隨機森林在河川水位即時預報之應用
為了解決河川即時水位 的問題，作者郭家妏 這樣論述：
本研究旨在以隨機森林建立於宜蘭河流域之河川即時水位預報模式。隨著近年氣候變遷，極端降雨事件的增加，洪水預報之重要性也更為明顯，傳統水文模式如降雨─逕流模式採用逕流為預報變量，模式常過於複雜、參數難以率定，且實務單位採用河川水位為預警變量，使逕流量仍須經率定曲線轉換為水位，存在不確定性。因此本研究採用水位為預報變量，並引進一新興且較為簡單之人工智慧方法─隨機森林(RandomForests)，隨機森林理論僅需要決定兩個參數、計算效率極高且無過度擬合(overfitting)之問題，期望能有助於洪水預報領域之研究發展。本研究首先對歷史雨量與目標水位進行交叉相關分析(cross correlati
on analysis)，並考量先前水位之影響，選定輸入因子以提供預報模式建立之基礎。本研究中分別分析水位和雨量兩種輸入因子之影響，結果顯示先前水位時刻輸入因子之影響較雨量輸入因子強烈；雨量因子則在前置時間愈大下，其影響愈明顯。研究另外針對模式之參數進行探討，其結果顯示參數具有不敏感特性且無過度擬合之問題，與Breiman等人於2001所提出之結果相符。為提供一完整之洪水預報模式，本研究以隨機森林理論另建構一雨量預報模式，預報各雨量站前置時間1~2小時之時雨量，從結果顯示，雨量預報模式能掌握前置時間1~2小時雨量之趨勢與數值。本研究以隨機森林水位預報模式搭配隨機森林雨量預報模式進行前置時間1~
3小時之水位預報，其結果顯示前置時間1~2小時之預報有良好的預報能力，在前置時間3小時之預報則有較明顯的洪峰誤差及時間延遲現象。本研究在預報結果後，對隨機森林水位預報模式進行模式之不確定性分析，根據結果顯示，隨機森林模式中森林隨機的變異性小於決策樹之間的變異性，本研究建議隨機森林模式之不確定性可以決策樹之間的變異性為代表。根據整體結果，隨機森林於宜蘭河流域建立河川即時水位之預報模式具有合理預報結果，雖在前置3小時之預報有較明顯之相位延遲，但整體結果仍屬合理，建議爾後研究可再針對前置時間3小時之預報進行誤差修正，以提供更準確之水位預報。並可考量與其他機器學習方法進行比較，進而評斷隨機森林在河川水
位即時預報之能力優劣。
MART河川即時水位預測法-以八掌溪為例
為了解決河川即時水位 的問題，作者薛安琪 這樣論述：
臺灣每逢颱風豪雨來臨時所挾帶之豐沛雨量，常引發下游地區嚴重的洪水災害。因此，若能即時預測出洪峰水位，必能對河川流域之洪災應變決策提供較為準確及有效的參考資料，進而減少人民生命及社會經濟的損失。在目前河川水位的預測上，較常使用的方法為依據類神經網路（ANN）所建構之非即時的預測法。但ANN存在著學習時間長、輸入變數的選擇不易且模型不具解釋能力等的缺陷，此外，為達到能即時預測水位的目地，所使用的預測方法需對離群值及遺失值具有穩健特性(robustness)。而Multiple Additive Regression Trees（MART）為一具有穩健性的方法，不但訓練速度快，且具有變數篩選及判別
變數重要程度之功能，但此一方法是否真能在即時河川水位預測中有很好的表現至今未有相關研究。因此，本研究以八掌溪2005至2009年間的16場颱風事件相關雨量站及水位站之資料，依據五種不同評鑑指標評斷以MART為中心建構之即時水位預測法與其他機器學習法建構之非即時預測法MARS、SVR、GAM、ANN。進行預測結果之比較。由結果顯示，本研究所提出之即時水位預測法有較好的預測效能，可對河川流域之洪災應變決策提供較為準確及有效的預測數據。