Browsing by Author "黃品豪"

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    應用機器學習預報臺灣北部夏季午後對流之研究
    (2025) 黃品豪; Huang, Pin-Hao
    本研究以臺灣北部地區夏季午後對流降雨為研究對象，採用XGBoost機器學習模型(eXtreme Gradient Boosting)進行降雨分級預報，並結合SHAP方法（SHapley Additive exPlanations）分析模型輸出結果，以強化預報的可信度與可解釋性。研究使用2018至2024年5至9月間的中央氣象署觀測資料、探空資料及相關模式輸出進行模型訓練與驗證。結果顯示，XGBoost模型對於午後降雨事件具備良好的分級預報能力，其驗證資料的預兆得分（TS）達 0.76，誤報率（FAR）僅 0.11，較過去採用模糊邏輯方法之 TS = 0.594、FAR = 0.333明顯提升，展現 AI 方法在中小尺度降雨預報上的潛力與優勢。研究進一步指出，當預報目標越單純時，XGBoost所獲得的技術指標表現越佳，顯示明確界定預報任務能有效提升模型效能。透過SHAP分析，成功辨識影響午後對流降雨的多項關鍵特徵，包括低層水氣輸送、中高層大氣穩定度及近地面風場配置等；各特徵貢獻方向與過往研究所揭示的午後對流機制相符，驗證模型結果具備物理合理性與可解釋性。此外，分析也發現，當預報目標限定於弱綜觀環境下的午後對流降水時，模型對中高層動力與穩定度特徵的依賴性顯著增加，而針對所有降雨事件則以地面水氣與風場為主要依據，顯示不同尺度與條件下，AI 模型可捕捉不同的環境場訊號。研究同時討論了AI模型於中小尺度對流事件預報上的應用優勢與侷限，指出雖能突破傳統數值模式在解析度與即時性上的限制，但AI模型的黑箱過程仍是實務應用的重要挑戰。透過SHAP分析，本研究部分化解此問題，提升了預報結果的透明度。然而，本研究也坦承資料量有限及僅聚焦夏季弱綜觀條件，模型於不同區域及季節的泛化性尚待驗證。未來研究建議可擴增更長期與多樣化的觀測資料，並結合AI與數值模式之優勢，發展混合式預報系統，兼具物理完整性與AI高效能及可解釋性。同時，針對尚未完全明瞭的高層與近地面動力場特徵，未來亦應結合更高解析度的資料進一步探討。綜上所述，本研究展示了以XGBoost搭配SHAP方法進行午後降雨分級預報的可行性，成果可為短期降雨預報作業提供新的技術參考與方法支持，亦為未來相關應用提供可持續發展之基礎。
  • No Thumbnail Available
    Item
    產氫反應在鎳與鈷磷化物上的反應機理
    (2023) 黃品豪; Haung, Pin-Hao
    氫氣是一種未來有望取代化石燃料的能源，並且使用電解水來產生氫氣的方式，方向上非常符合現在要朝著永續發展的綠色能源，本篇研究非貴金屬材料Fex-Ni1Co1-xP，先從多種鎳鈷比例中挑選最佳的比例，再摻入微量鐵形成的三元金屬催化劑在產氫反應上的效果。實驗上使用共沉澱法進行鍛燒生成金屬氧化物，再使用化學氣相沉積法製備金屬磷化物。本研究鑑定利用量散射光譜儀(EDX)、X光光電子光譜(XPS)分析催化劑之表面金屬含量及整體組成，利用X光粉末繞射儀(X-Ray Powder Diffraction analysis, XRD) 、掃描式電子顯微鏡(Scanning Electron Microscope, SEM) 進行晶體結構和表面結構分析。在測定產氫反應活性方面，則由電化學測量儀測量過電位和塔菲爾斜率，以及電化學活性表面積，在研究結果中發現酸性環境下Fe0.1-Ni1Co0.9P在 10 mA/cm2時過電位為108 mV，Tafel 斜率為 75.9 mV/dec，有最好的HER活性。根據鑑定結果，最好的催化劑Fe0.1-Ni1Co0.9P有最大的ECSA為14.21 mF/cm2，主要在樣品保持Ni大於50%時的Ni2P的晶型下摻入CoP形成的Ni2P/CoP 雙質結構可以更加有效的提升過電位，傾向於 Volmer-Heyrovsky 反應機構並有良好的 Tafel 斜率。