台中港潮汐表的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括賽程、直播線上看和比分戰績懶人包

台灣港區海象數值模擬資料地理資訊系統建置(1/3)

為了解決台中港潮汐表的問題，作者蘇青和，謝明志 這樣論述：

本計畫為運研所港研中心整體地理資訊系統一環。系統主要功能為提供台灣五個國際港區，歷年數值模擬之潮汐、海流、波浪等代表性重要結果，包括靜態及動態之資料圖等資訊以供查詢參考。數值模擬之重要結果計蒐集有台中港及花蓮港兩港，未來將增加高雄、基隆及蘇澳等港口。

台中港潮汐表進入發燒排行的影片

結合AIS 大數據分析之船舶行為預測

為了解決台中港潮汐表的問題，作者陳佳歡 這樣論述：

世界貿易發展迅速，且運輸大多仰賴海運，使得船舶數量越來越多，近岸及港口水域交通狀況相對複雜，因此要如何提升該水域的交通安全成為了一項重要的課題；在港口及近岸交通較複雜之水域通常會設立船舶交通服務系統(VTS)對區域內船舶進行識別及監控以提升交通安全及通航效率；而國際海事組織(IMO)於2002年強制船舶安裝AIS之法規生效後，AIS的使用率越來越高，再加上AIS所發送之船舶資料與航跡數據的連續性及有效性，使得船舶數據可以快速累積，因此本研究藉由蒐集大量船舶進出高雄港二港口水域之AIS歷史資料透過大數據預處理技術進行導入、抽取及清洗之過程，並結合高雄港海氣象資料，將資料整理為更完整之船

舶AIS資料庫。 本研究使用關鍵因素分析方法對船舶資料庫內船舶之對地航向(COG)及對地航速(SOG)進行關鍵因素分析以了解主要影響船舶進出高雄港二港口之COG及SOG的關鍵因素，再利用類神經網路演算法對資料庫進行大數據分析，預測船舶進出港時之COG及SOG，首先利用類神經網路演算法對船舶資料庫進行深度學習並建立類神經網路預測模型，再對模型進行精確度分析及驗證，以了解模型預測的效能，結果表示類神經網路之預測模型精確度高，適合用於預測COG及SOG，因此本研究透過蒐集二港口水域事故船舶之AIS資料與類神經網路預測之COG及SOG進行比較分析，結果顯示出事故船於發生事故前之COG及SOG與預

測值確實有所誤差，因此可藉由此方法判斷船舶動態是否有異常，並提供相關理論依據作為港口主管機關提升港口安全之參考。

台灣港區海氣象現場觀測資料地理資訊系統建置(1/3)

為了解決台中港潮汐表的問題，作者蘇青和,謝明志 這樣論述：

本計畫為運研所港研中心整體港灣地理資訊系統之一環，系統主要功能為提供台灣五個國際港區，歷年現場觀測潮汐、海流、風力、波浪等原始資料，及經分析後之代表性資料圖、月報表、統計圖或統計表等資料查詢。現場觀測資料蒐集及分析，則計有台中港及花蓮港兩港。未來將增加高雄、基隆及蘇澳等港口。

影像灘線輔助灘線理論評估烏石港北側沙灘突堤效應

為了解決台中港潮汐表的問題，作者賴昭辰 這樣論述：

本文基於Pelnard-Considere (1956) 一維灘線理論，提出獲得碎波角度及擴散係數兩個重要參數的不同方法，來探討烏石港北側灘線淤積的問題。以波浪資料計算烏石港北側海域碎波角度為7.78˚，擴散係數為2.55 m^2/hr。從衛星影像所擷取灘線在突堤處的數值微分斜率顯示碎波角度值為20˚上下，遠大於以波浪資料計算結果。以最小二乘法於不同單斷面灘線位置所反推碎波角度為1˚至5˚，擴散係數在9 m^2/hr至85m^2/hr間，變動大。多斷面灘線反推碎波角度為3-5˚，平均擴散係數約為10 m^2/hr，變動小。以固定碎波角度為6˚的混合反推擴散係數為5.74 m^2/hr，以此反

推各斷面灘線的RMSE及Bias值都低於以固定7˚及8˚碎波角度的結果。雖然，混合反推與波浪資料碎波角度的tan差值為0.032，約23%，但所得二者擴散係數卻差了一倍。以波浪資料預測灘線增加量，每10年的灘線增加量在不同斷面約為15.11 m至17.40 m間，但是彼此斷面間灘線增加量差異僅在1.42 m至 2.82 m間。以混合反推預測灘線增加量，每10年的灘線增加量在各斷面約為17.85 m至20.08 m間，但是彼此斷面間灘線增加量空間的差異僅在0.65 m至 1.30 m間。