本章延續第四章中NN-MT 的建構模式，增加陸地效應對颱風波 浪影響的修正，提高類神經模糊網路颱風波浪推算模式應用的範圍與 準確性，而建構一個符合台灣環境之颱風波浪推算模式的流程。本章 結合模糊理論與 NN-MT 模式的建立兩種模糊-類神經混合網路架 構，加強颱風波浪推算模式中陸域效應的修正功能，兩個模式分別藉 由對陸域特性建構的模糊歸屬函數進行網路結構與運算上的修正，經 模式測試與比較，優選較佳的網路結構模式以提供日後應用的參考。
5-1 陸地效應分析
臺灣的地形如圖5-1 所示，台灣本島南北向長度約 385 公里，東 西最大寬度約143 公里約有 2/3 山地，中部、東部山地統稱為中央山 脈，中央山脈海拔高度大部分在 3000 公尺以上，中央山脈主峰高達 3952 公尺，將台灣區分為東部與西部。颱風中心接近台灣東部或登 陸，颱風風場受中央山脈之阻擋，颱風底層受影響而逐漸消滅，而上 層仍可通過，通過後仍能再發展，不過威力已不如登陸前強烈。受中 央山脈之阻擋的風場仍會持續作用於所在的海域，對波浪的影響直至 滯留的風場消失為止。
在西太平洋台灣東部海域生成的颱風大部分向西行進，行進方式 或經過台灣陸地或接近台灣後轉向。少部分的颱風在南中國海生成向 東行進後穿越台灣或沿台灣海峽北上威脅台灣西岸，不論哪一種颱風 在接近台灣時受到陸地的影響，台灣東、西岸颱風波浪的發展都會有 明顯的不同，依據中央氣象局的統計 1897-2004 年之颱風路徑圖示如 圖 5-2。由圖 5-2 可知通過臺灣北部及北部海面向西或西北進行者占 26%。通過中部向西或西北進行者占 13%。通過南部及南部海上向西 或西北進行者占 32%。沿東岸或東部海面北上者占 12%。沿西岸或 臺灣海峽北上者占 6%。通過中南部再向東北出海者占 7%。路徑特 殊不能併入以上六類者占 4%。侵襲台灣的颱風主要來自台灣東岸的 佔84%。因此，花蓮港海域的颱風波浪推算更需要將陸地效應納入模 式推算波浪的考量，以提供較準確的颱風波浪發展的結果。
79
圖5-1 台灣陸地地形圖
台灣位處於颱風好發區域，島嶼形式的陸地產生與颱風的交互作 用相當複雜。因颱風風場和陸地之間的交互作用複雜，以致於目前參 數颱風模型仍然難以準確的估算，當颱風接近或登陸時將無法準確計 算風場風速而導致颱風波浪無法準確推算預測。因此颱風受到陸地影 響時，以目前的數值模式（WAN，SWAN）或是經驗公式（Young，
1988）計算颱風波浪都不容易獲得準確的結果，若再要利用觀測站資 料對數值模式或是經驗公式的波浪推算模式進行修正或更新，處理上 更是複雜且效果有限。
當颱風接近陸地或者登陸時，風速因地形影響一般會逐漸降低，
因此波浪逐漸的衰減。對於因陸地影響導致的波浪衰減效應，可由因 地形影響之颱風位置及規模與示性波高之關係建立後，適當的修正模 式之推算能力。颱風位置、風場與波浪相互間呈現一個定性的模糊關 係，也就是只當颱風接近陸地時近岸會產生最大波浪，當颱風登陸後 受陸地影響後颱風波浪就逐漸降低之趨勢，然而二者關係卻是模糊不
80
明的。因此以經驗及觀測資料配合類神經網路，藉由學習的過程建構 颱風位置、規模、波浪與作用時間之間的模糊關係，達到提高推算颱 風波浪準確度的目的。
資 料 來 源 ：1. 颱 風 分 類 ： 中 央 氣 象 局 網 站 颱 風 項 目 下 之 專 業 查 詢 (http://www.cwb.gov.tw/V4/index.htm)
2.颱風統計：中央氣象局科技研究中心專題研究報告「百年侵 台颱風路徑圖集及其應用」[(CWB86-1M-01)，87.6]及氣象局 1997～2004 年颱風資料
圖5-2 影響台灣地區颱風路徑分類統計圖(1897～2004)
81 四個區域，分別為 Area1 、Area2 、Area3、Area4，如圖（5-3）所 示。
陸地影響颱風波浪依颱風圈內之波高特性區分為三個部分，分別 建立其歸屬函數（membership function），首先考慮 NN-MT 模式的發 展已經區分了颱風左、右半圓接近對颱風波浪的影響，因此Area1 、
82
83
佈與風速分佈相似並直接影響觀測站，當颱風登陸後風場持續作用觀 測站附近海域，穿過台灣後受到高山阻隔後風場影響波浪程度迅速降 低如圖 4-4 所示，這個部分修正參數μ3(r,θ1)函數關係如公式（5-2）
所示與μ2(r,θ1)形式相同，變數設定有些調整，其中 (c1,σ1,c2,σ2)＝
(0,10, 70, 10) 及 (c3,σ3,c4,σ4)＝ (30,10, 80, 10) 。而兩個模糊歸屬函 數 μ2(r,θ1) 與μ3(r,θ1) 表達了颱風接近方式不同對颱風波浪影響的差 異.
本文所提2D 模糊歸屬函數如圖 5-5， 函數的變數為颱風中心與 觀測站距離及方位角 r, θ1。模糊歸屬函數聯合了三個個別的模糊歸 屬函數，完整的表達如公式（5-3）所示：
{
, , ,0.2}
) ,
( θ1 μ1μ2 μ3
μ r =Max (5-3) 其中 2D 歸屬函數的最小值設定為 0.2，主要目的是避免 0 值的輸入 經過運算造成系統輸出為0 的結果。
圖5-3 台灣東岸花蓮港位置與陸地影響區域區分
84
圖 5-4 颱風中心位置相對花蓮觀測站示性波高分佈
圖5-5 陸地效應二維模糊歸屬函數
μ
(r,θ
1)85
86
Model & Typhoon Levi Opal Peter Otto Sam Jelawat Bilis Boph Yagi NN-MT 0.47 0.36 0.88 0.91 0.91 0.31 0.86 0.88 0.66 FN1 0.66 0.66 0.84 0.77 0.84 0.26 0.78 0.89 0.80
87
力佳的模式。因此，仍需要更進一步進行測試資料的檢驗，以瞭解三 個模式對於短暫及局部變化的模擬能力。
5-4-2 NN-MT 模式的驗證
將NN-MT、FN1 與 FN2 三個模式進行颱風波浪推算的比較與驗 證，比較驗證的颱風事件分為兩個部分，第一個部分比較的颱風事件 如表3-2 所示，以 NN-MT、FN1 與 FN2 進行模式驗證比較。第二個 部 分 對 2004 年 受 台 灣 陸 地 影 響 的 颱 風 事 件 進 行 比 較 ， 包 括 Rananim(2004)與 Aere(2004)兩場颱風，表 5-2 顯示三個颱風推算模式 對5 場颱風測試的參數比較結果。
第一個部分比較 Gladys (1994)、Kent (1995)、Haiyan (2001)與 Maggie (1999)等四個颱風。FN2 相較其他 2 個模式在 R 與 RMS 的比 較上有明顯較佳的表現，其中以 Gladys 颱風的推算上較顯著，
NN-MT、FN1 與 FN2 模式的R 值分別為 0.90、0.90 與 0.94，RMS 分 別為 0.53、0.35 與 0.35，ΔHsp分別為 0.45、0.1 與 0.50 公尺，Δtp分 別為1、-1 與 1 小時都顯示出 FN2 模式有較佳的表現，其原因是 FN2 對於 Gladys 颱風穿越台灣的地形效應進行了合適的修正。表 4-2 顯 示FN2 同樣在 Kent 颱風的波浪推算上有較佳的推算能力。至於其他 颱風事件推算的結果部分指標參數顯示NN-MT 與 FN1 模式較差，但 是差距相對較小，FN2 模式仍然表現較高相關性、較低誤差提供較佳 的推算能力。
第二個部分為比較2004 的兩場颱風 Rananim (2004)及 Aere (2004) 颱風。當推算2004 的兩場颱風時，NN-MT 的模式推算結果顯示相關 係數R 就降低了許多。在 RMS 值的比較上 FN1 及 FN2 平均的誤差較 NN-MT 的模式小，其值在 Rananim 颱風為 0.70、0.56、0.39，而在 Aere 颱風為 1.63、0.73、0.68。波浪峰值誤差ΔHsp的比較上，FN2 較 NN-MT 模式與 FN1 的誤差值小，誤差約維持在 1 公尺以內，峰值到 達時間誤差Δtp三個模式推算結果相近，只有在 Aere 颱風推算結果 三個模式皆有較大的誤差。這表示模式FN1、FN2 對陸地影響的修正 反映在颱風波浪的推算。因此在指標參數比較結果FN2 較 NN-MT 與
88
FN1 模式有較佳的推算能力。
圖5-7 至圖 5-11 顯示三個模式推算 5 場颱風的颱風波浪示性波高 的時序列歷線圖，圖5-7 為 Gladys 颱風波浪歷線圖，FN1、FN2 推算 結果都反應出陸地對颱風波浪的影響，但是 FN1 波高行為推算的結 果較實測颱風波浪提前發生。圖5-8 為 Haiyan 颱風颱風波浪歷線圖，
NN-MT 模式、FN1、FN2 推算結果在最大波高的高度與到達的時間 都有很好的推算結果，但是 FN1 在颱風波浪到達前模式推算颱風波 浪行為產生誤差。這種波浪行為誤差的現象也發生在 FN1 對 Maggie 颱風的波浪推算上如圖5-9 所示。因此三個模式在前四場颱風的波浪 歷線比較的結果可以確認，NN-MT 與 FN2 具有較正確且符合實測資 料的推算能力。
NN-MT 模式、FN1、FN2 推算 2004 年的 Rananim 颱風波浪，圖 5-6 顯示颱風的路徑，颱風由東南向西北行進當颱風位置由 Area1 進 入 Area2 時表示陸地效應影響颱風波浪行為，圖 5-10 顯示 Rananim 颱風示性波高歷線，由圖中比較 NN-MT 模式、FN1、FN2，可以觀 察出 FN1、FN2 都對颱風波浪行為進行修正。Aere 颱風波浪的颱風 的路徑由圖5-6 顯示，颱風由東南向西北行進且颱風位置非常接近觀 測站的由Area1 進入 Area2，此時表示陸地效應開始影響颱風波浪行 為，圖5-11 顯示 Aere 颱風示性波高歷線，由圖中比較 NN-MT 模式、
FN1、FN2，可以觀察出 FN1、FN2 仍然對颱風波浪行為進行修正，
但是因為颱風結構受到台灣高山的影響，因而在推算結果上產生誤 差。整體比較的結果可以確定利用 FN2 架構對颱風波浪進行推算，
模式可以提供較穩定的推算能力與結果。
89
表5-2 模式 NN-MT、FN1 及 FN2 颱風測試結果 R、RMS、ΔHsp及Δtp 比較
Model & Typhoon Gladys Kent Haiyan Rananim Aere Maggie*
NN-MT 0.90 0.87 0.83 0.71 0.53 0.93 FN1 0.90 0.82 0.84 0.85 0.88 0.95 R
FN2 0.94 0.92 0.82 0.89 0.89 0.87 NN-MT 0.53 0.59 0.47 0.70 1.63 0.72
FN1 0.35 0.79 0.51 0.56 0.73 0.53 RMS
(m)
FN2 0.35 0.45 0.51 0.39 0.68 0.66 NN-MT 0.08 0.10 0.10 0.21 0.24 0.12
FN1 0.05 0.13 0.11 0.17 0.18 0.09 Hspm
RMS
FN2 0.05 0.07 0.11 0.12 0.17 0.11 NN-MT 0.45 -1.14 -0.30 0.51 1.42 -0.11
FN1 0.10 -0.50 -0.10 0.44 0.61 -2.00 Hsp
Δ (m)
FN2 0.50 -1.14 -0.30 0.51 0.60 0.30 NN-MT 0.07 0.18 0.02 0.16 0.35 0.02 FN1 0.01 0.08 0.07 0.13 0.15 0.34
spm sp
H ΔH
FN2 0.07 0.18 0.07 0.16 0.15 0.05
NN-MT 1 -1 0 0 23 1
FN1 -1 2 0 -2 10 0
tp
Δ (hr)
FN2 1 0 0 0 5 0
m
Hsp,
(m) 5 6.29 4.49 3.29 4.09 5.96
90
圖5-6 檢驗模式 NN-MT、FN1 及 FN2 模式 6 場颱風路徑圖
300 320 340 360 380
Time ( hr ) 0
2 4 6 8
Hs ( m )
NN-MT FN 1 FN 2 Observed
圖5-7 模式 NN-MT、FN1 及 FN2 推算 Gladys(1994)颱風波高歷線比 較
91
40 80 120 160
Time ( hr ) 0
2 4 6
Hs ( m )
NN-MT FN 1 FN 2 Observed
圖5-8 模式 NN-MT、FN1 及 FN2 推算 Haiyan (2001)颱風波高歷線比 較
40 70 100 130 160
Time ( hr ) 0
2 4 6 8
Hs ( m )
NN-MT FN 1 FN 2 Observed
圖5-9 模式 NN-MT、FN1 及 FN2 推算 Maggie (1999)颱風波高歷線比 較
92
0 30 60 90 120
Time ( hr ) 0
2 4 6
Hs ( m )
NN-MT FN 1 FN 2 Observed
圖5-10 模式 NN-MT、FN1 及 FN2 推算 Rananim(2004)颱風波高歷線 比較
0 40 80 120 160
Time ( hr ) 0
2 4 6
Hs ( m )
NN-MT NF 1 NF 2 Observed
圖 5-11 模式 NN-MT、FN1 及 FN2 推算 Aere (2004)颱風波高歷線比 較
93
5-5 評估與發展
本文使用NN-MT 模式為颱風波浪推算模式的基礎，在考慮推算 海域受陸地效應的影響利用模糊理論的概念，建立一個颱風位置與陸 地效應對波浪影響的模糊歸屬函數，並配合類神經網路對 NN-MT 模 式進行修正。藉由颱風氣象資料及近岸觀測站的波浪資料，發展出兩 個修正陸地效應的模式 FN1 與 FN2。FN1 是沿用 NN-MT 模式，利
本文使用NN-MT 模式為颱風波浪推算模式的基礎，在考慮推算 海域受陸地效應的影響利用模糊理論的概念，建立一個颱風位置與陸 地效應對波浪影響的模糊歸屬函數，並配合類神經網路對 NN-MT 模 式進行修正。藉由颱風氣象資料及近岸觀測站的波浪資料，發展出兩 個修正陸地效應的模式 FN1 與 FN2。FN1 是沿用 NN-MT 模式，利