中央氣象局風速查詢的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列地圖、推薦、景點和餐廳等資訊懶人包

運用機器學習方法預測風力發電量之研究

為了解決中央氣象局風速查詢的問題，作者何松諭 這樣論述：

目前風力發電量預測的研究，依照輸入資料欄位區分，分別是只用風力發電量輸入資料欄位的時間序列預測；使用風力發電量與氣象資料當作輸入資料欄位的多變項預測。目前的風力發電量預測研究鮮少同時使用時間序列預測與多變項預測兩種，本研究將會使用時間序列預測與多變項預測，並比較兩種模型預測的結果。本研究主要是預測風力發電量，將風力發電量與氣象資料作為研究資料並建立實驗資料集。使用實驗資料集訓練時間序列與多變項等兩種類型的預測模型。其中，時間序列模型包含ARIMA及深度學習(MLP、RNN、LSTM、GRU與TCN)等六種方法；多變項模型包含VARMA及深度學習(MLP、RNN、LSTM、GRU與TCN)等六

種方法。時間序列模型實驗結果為： ARIMA比較適用於資料集的時間間隔較小的；深度學習方法則比較適用於資料集的時間間隔較大的。多變項模型實驗結果為：VARMA在【發電量、風速、風向】資料集的表現最好，隨著「溫度」與「氣壓」的加入，表現越來越差；深度學習方法則無論在哪一種資料集皆有不錯的表現。兩種模型績效評估結果為：以前三名而言時間序列方法多變項VARMA的績效比ARIMA的績效好；深度學習方法多變項模型的績效比時間序列模型的績效好。在風力發電量預測上，多變項模型的預測結果比時間序列模型的好。

臺灣國際商港海嘯風險管理對策之研究

為了解決中央氣象局風速查詢的問題，作者王志鵬 這樣論述：

國際商港是國家對外的海運門戶，臺灣面對環太平洋地震帶發生海嘯機率高，2011年東日本大地震引起大海嘯災難，衝擊防坡堤、建築物、大型裝卸機具等港灣設施毀損，甚而引發儲油槽火災，本次海嘯大規模的襲擊，已超出日本政府預期設計的規模，所以造成當地沿海民眾不幸溺斃導致大量傷亡，更是臺灣第一次啟動海嘯應變機制，且1867年歷史紀錄基隆港確曾遭受海嘯侵襲。因此，為能將海嘯災害衝擊減至最低，港埠應從歷史災難中學習，強化海嘯耐災韌性因子強度，並避免儲油槽洩漏或火災產生的高輻射熱量造成二次危害，及更有效率並兼顧救護質量執行大量燒傷傷患作業，是本研究重要課題。 本研究綜合文獻參考，以馬尼拉海溝海嘯源地震矩規

模9之最大波高及第一波抵達時間的最壞情境設計，採現況調查及深度訪談，進行基隆港、蘇澳港及臺北港海嘯耐災韌性總體檢。以半結構式訪談有海嘯應變經驗之資深管理幹部，由這些受訪者依其專業經驗及歷練提出具體操作性對策。另以ALOHA軟體模擬儲油槽洩漏或火災危害範圍，以要徑法運用在大量燒傷傷患流程，透過可視化網狀圖顯示大量燒傷傷患現場各項活動之相互關係。 研究結果列出21個海嘯耐災韌性因子及其操作對策，並將相近因子歸納在一個類別，分成四大構面，包括強化重要基礎設施、加強預警避難及資訊傳遞、提升救災救護效能及推動持續營運計畫，進而找出海嘯對港埠衝擊潛在問題，最後建立以推動持續營運計畫為核心之黃金三角模

型。同時提出21大評估指標系統，列出應變階段前的事前評估要項，將海嘯風險搭配責任歸屬的內部控管架構。另我們發現隨著風速增加，儲油槽火災產生的熱輻射將上升到最大值，最嚴重的紅色區域危險範圍擴大，影響人體健康。同時藉由大量燒傷傷患案例，研究發現案發後1小時內為調整資源投入之關鍵時間點，因調整資源之投入，則預估可有效縮短大量燒傷傷患救援時程。 本研究海嘯各項因子操作對策，儲油槽及大量燒傷傷患緊急應變之建議，可提供基隆港務公司規劃災害防救政策參考。