國內外降雨預報及防災預警方式之相關文獻

計預測可分為模糊理論、類神經網路及灰色理論等方法，蒐集彙整成果如后：

1. 雷達模式

雷達模式預測主要為分布式的資料型態，具有空間分布的性質，資料格式以 網格為主，如圖2-1 所示，其相關研究文獻如下。

劉鑌鋈(1999)以支撐向量回歸及幅狀基底函數類神經網路兩種模式，結合地 面觀測雨量，修正QPESUMS 雷達估計雨量，提升預測準確度。

楊明德、徐瑞宏(2013)以陳有蘭溪流預為例比較QPESUMS 雷達降雨推估之 雨量資料與傳統降雨空間雨量推估，利用反比權重法、克力金法、最小曲律法、

聯合克力金法進行推估，以雷達降雨推估較準確，並利用修正後雷達推估值預測 未來三小時雨量，提供即時避難疏散參考。

林淵群(2016)將劇烈天氣監測系統 QPESUMS 雷達回波資料轉換為時間序 列型式，搭配支援向量機建立四種不同氣候形態下最佳的雨區預報，以預測半小 時內的效果最佳。

林士 浩 (2011) 組合 QPF 定量降水預報及及 中尺度數值雨量預報 WRF

（Weather Research and Forecasting Model），將雨量預報時間自三小時延長至六 小時，透過水利署FEWS_Taiwan 平台資料交換技術，銜接即時校正模式，提供 後續水文水理模式進行下游河川水位預報。

吳明璋、何瑞益(2015)結合定量降雨系集實驗及降雨特性類比法，並選用以 地文為基礎之降雨逕流模式，推估濁水溪寶石橋、龍門橋與延平橋集水區未來 1~6 小時流量。

沈志全(2018)利用雷達觀測降雨量與地面雨量站資料，使用不同降雨資料來 源，結合系集資料處理與模式整合技術，進行各流域雨逕流模式銜接與運算工作，

並應用統計方式提供全台 26 條流域降雨量與水文量變化情況。

圖2-1、雷達模式示意圖 (資料來源:中央氣象局)

2. 模糊理論

模糊理論預測模式概念主要將資料模糊化，建構資料的隸屬度函數，以時間 序列推估未來的資料，如圖 2-2 所示，其相關研究文獻如下：

Zadeh, L. A.(1965)提出模糊理論的概念，主要包括模糊控制、模糊集合、模 糊推理及模糊控制等，目前廣泛使用在各領域。

Song and Chissom(1993)以模糊理論為基礎，針對歷史性的時間序列資料提 出新的預測方法，定義了模糊時間序列模型的基本架構，並以美國Alabama 大 學註冊資料為例，說明預測模式建構的流程與方法。

張化光等(1993)提出一種基於辨識模糊模型的多變量預測控制方法，適用於 手工業過程的動態辨識及控制。

徐義人、陳正斌(2004)應用模糊理論進行颱風降雨量之推估，並結合了類神 經網路和模糊理論兩者之優點的系統，相對傳統的統計方法，對於資料的非線性 關係，有著更好的評估效果。

陳昶憲、陳建宏(1997)使用類神經網路建立模糊控制之規則庫與隸屬度函數，

將得到的規則庫及隸屬度函數以模糊控制模式進行水位預測，其預測結果良好。

黃莉(2005)利用 2004 年汛期資料以模糊聚類方法計算這些資料數據矩陣的 相關係數，得出類似年分，並結合太平洋海水水溫與崇左市的降水關係，對汛期 降雨做模糊均升函數模型預測。

陳憲宗、游保杉(2007)利用改良式模糊理論推求預報誤差機率分布函數，並 結合水位預報，針對超過警戒水位之發生機率做探討，建立良好的機率預報模式。

孫才志、林學鈺(2003)應用模糊序列聚類方法建立降水豐枯狀況的分級標準，

針對降水量的隨機性質,採取相關係數為權重,以加權的馬爾可夫鏈預測未來降 水的豐枯變化，以山西省河曲水文站 50 年的降雨資料模擬，獲得不錯的結果。

陳守煜、李敏等(2009)藉由模糊優選類神經網路結合GIS 系統，以區域雨量 值作為輸出，利用各點雨量資料推求面積雨量，即在已知集水區內各雨量站的降 雨資料的情況下，根據實測資料即時預測集水區內部各區域面積雨量值。

低 中 高 隸

屬 度

圖2-2、模糊預測模式示意圖 (資料來源: 本計畫成果)

3. 類神經網路

類神經網路預測特性為建構一種輸入與輸出的關聯模式，透過訓練學習等 方式增加模式預測精度，如圖 2-3 所示，其相關研究文獻如下：

林柏承(2000)使用類神經網路的倒傳遞網路模式來建立颱風降雨推估模式，

將複雜的颱風降雨機制記憶在類神經網路架構內，以達到推估颱風降雨量之目的。

劉祥熹等(2001)為正確預估都會區生活用水量，採用類神經網路系統建構台 北都會區生活用水相關模式，當學習次數達 200 次時，預測效果良好並獲得最佳 參數值。

張麗秋等(2005)以幅狀基底函數類神經網路來架構集水區的降雨逕流模式，

以蘭陽溪降雨逕流為例，並與倒傳類神經網路進行比較，結果顯示幅狀基底函數 預測效益較佳，並以預測未來一小時與兩小時的結果較準確。

張嘉玲、陳永燊(2013)以倒傳遞類神經網路探討降雨量與水庫水體水質的相 關性，以當日降雨量、前五日平均降雨量、月平均降雨量進行水庫水體水質之預 測，結果顯示月平均降雨量與水庫水體水質具有較高的相關性，又以總磷、葉綠 素較好。

鄭宇祈(2013)使用颱風資料、測站資料、以及颱風資料加上測站資料等三種 不同變數學習輸入，建構倒傳遞類神經網路颱風降雨量預測模式，比較與預測不 同路徑之颱風所帶來之下一小時的降雨量及降雨趨勢。

黃威雄(2000)藉由類神經網路自動學習之特性，結合氣象雷達資料、雨量站 資料及倒傳遞類神經網路，建立一套適用於颱風期間及時降雨量推估系統。

張斐章(2012)利用雷達即時雨量推估資訊結合類神經網路 ANFIS 及 BPNN 兩

種模式，建立水庫集水區入流量預報模式，其中 ANFIS 模式於尖峰流量值預測較 準確，BPNN 模式則在整體趨勢掌握度較好。

張斐章、蔡孟蓉等(2013)結合雷達雨量資料、衛星觀測系統及地面雨量觀測 紀錄，運用類神經網路 ANFIS 模式推估山區雨量。

童偉安(2015)利用倒傳遞類神經網路及複迴歸分析建構預測台灣濁水溪流 域降雨量及地下水位站於颱風侵台期間的總降雨量及地下水位變化預測之模式，

結果顯示單純利用類神經網路預測準確度較差，需藉由複迴歸分析修正，可獲得 80%以上的準確度。

圖2-3、類神經網路模式示意圖 (資料來源: 本團隊蒐集彙整) 4. 灰色理論

灰色理論預測是從灰色系統的建模、關聯度、殘差檢驗的思維，累加生成 曲線近似指數成長曲線，且指數增長符合微分方程解的型式所發展出關於預測 的觀念及方法，即是將序列轉換為微分方程，而建立動態模型，如圖 2-4 所 示，其相關研究文獻如下：

廖朝軒等(1996)利用灰色預測模式預測台灣北部地區之年需水量。

陳憲宗(1998)將灰色預測應用於降雨逕流預報模式，建立集水區的雨量預報 模式與降雨逕流模式，利用三小時的雨量數據，預測未來雨量，並與傳輸函數做 比較，發現灰色預測模式在雨量預測效益較好，再利用自回歸修正模式，降低灰

色預測的誤差。

劉敏梧(2004)利用灰色預測模式預測水庫入流量，並以數值分析提出新的灰 色模式建模程序，稱為 GE(1，1)，修正原有灰色預測模式之缺陷，並探討加入雨 量預報修正法及季節因素修正法，結果顯示雨量預報修正法能有效提高預測準確 度。

王安培等(2004)以石門水庫為例，應用微分水文灰色模式與灰色原始模型 GM(1，1)兩種預測方法，預測水庫旬流量，兩者預測效益皆較差，然而若將模糊 理論結合灰色預測，建立旬流量的隸屬度函數，灰色預測準確度可改善許多。

潘家英等(1999)透過實際案例證明灰色預測的數據光滑度提升，但預測誤差 反而增大的情形。

李福琴(2006)說明若要提升灰色預測的精確度不應只在於修正數據的光滑 度，並以數據驗證光滑度僅能提升一次建模的準確度，建議可探討其他影響模型 精度的因子，拓展灰色預測的應用。

陳正炎(2008)以灰色系統理論及類似降雨查詢法預測濁水溪流域短期降雨，

結果顯示灰色預測模式較優，且 3 點數據建模的準確度優於 4 點。

許澤東、柳福祥等(2016)分別以灰生成技術、初值條件改進、背景值的改進、

模型參數估計方法改進、殘差序列改進、綜合優化等 6 個面向，對灰色預測模型 優化研究現狀進行全面性的比較，並對灰色預測未來發展提出相關建議。

台北市政府工務局水利工程處(2011)利用灰色預測模式作為降雨測預報系 統模式運作，其中以預測未來 1、2 筆數據準確度較高，對於短延時強降雨事件 可提昇雨量預報水準，並提供台北市不同區域即時防災資訊。

何瑞益(2011)以單一時間距的灰色預測模式，透過異模差分法，進行短延時 強降雨的雨量預測，建立淺層地滑即時預警模式。

陳芝企(2002) 針對 GM（2，2）地下水位預測模式所需輸入之雨量與地下水 位觀測資料，分別以 GM（1，1）預測模式預測降雨之狀況，並配合灰關聯分析方 式計算所得之降雨對地下水位變化影響灰關聯序，提供模式提前計算地下水位變 化量之依據，以瑪家、萬隆、新庄與新園等四個地下水為觀測站驗證 GM（2，2）

地下水位預測模式於屏東平原之地下水位預測工作具有相當之實用性與可發展 性。

陳伯霖(2014)以灰色預測模式為主搭配雷達降雨量做為參考指標進行雨量 預測及修正工作，並以陳有蘭溪為研究案例，結果顯示將灰色預測模式結合雷達 預測降雨模式，能有效修正其結果，其中以卡爾曼濾波效果較好。

陳伯霖(2014)以灰色預測模式為主搭配雷達降雨量做為參考指標進行雨量 預測及修正工作，並以陳有蘭溪為研究案例，結果顯示將灰色預測模式結合雷達 預測降雨模式，能有效修正其結果，其中以卡爾曼濾波效果較好。