第五章 案例成果與討論
5.1 第一個研究測站-石門站
5.1.1 學習模式(第一分類-以 2009 年颱風為驗證颱風)：
表5-2 石門站第 1 分類選取研究之颱風事件(2000~2010 年)
年份 颱風名稱 石門水庫
總雨量(mm)
資料筆數
(刪減後)
分析類別2000 碧利斯(BILIS) 337.7 缺 缺
2001 納莉(NARI) 843.8 訓練
2001 利奇馬(LEKIMA) 358.2 訓練
2004 艾利(AERE) 961.8 訓練
2005 海棠(HAITANG) 499.5 訓練
2005 馬莎(MATSA) 815.5 訓練
2005 泰利(TALIM) 375.1 訓練
2007 韋帕(WIPHA) 353.4 訓練
2007 柯羅莎(KROSA) 671.9
367 筆
訓練 2009 莫拉克(MORAKOT) 484.7
75 筆
驗證GAOT 的參數設定群集大小 50，染色體長度 8 位元，交配率 0.9，突變率 0.001，收斂條件為連續 200 個世代不再進步則停止程式。經 SLR 與 GAOT 模式 運算後產生的方程式如下式5.1、5.2，GAOT-1 公式樹狀示意圖如圖 5-1：
SLR (Z=aRb)
1 1.131
181.6 4) 6 (
R = Z ÷
(5.1)GAOT
( ) ( )
[ ]
0.545
29.811 0.11 5.408 2.255
ln( 0.208) 4 R Z
Z
⎧ ⎡ + × ⎤ ⎫
⎪ ⎣ ⎦ ⎪
= − + × ⎨ ⎪ ⎩ ÷ ⎬ ⎪ ⎭
(5.2)xy
÷ 0.545
ln
＋
÷
-0.584 -0.0196
*
0. 78 20
Z
0.1137 Z
÷
圖5-1 GAOT-1 樹狀圖
從SLR 與 GAOT 模式中利用因子全部的 Z 值，計算出數據資料的最大值與 最小值，再從例如300 筆資料中找出平均 50 筆資料，在套入 SLR 與 GAOT 各 模式所建立之關係式公式求50 筆回波值推算之預測降雨，故一個回波值對應一 個降雨預測值50 點即可畫出 SLR 及 GAOT 的其敏感度分析圖如圖 5-2：
Shi men -1
Z (dBZ)
0 5000 10000 15000 20000 25000 30000
R (mm)
0 20 40 60 80 100
SLR GAOT
圖5-2 石門站第 1 分類敏感度圖
從圖5-2 可看出敏感度圖中 SLR 部分降雨量(R)與回波(Z)呈一線性關係，與 GAOT 敏感度圖曲線非常近似，GAOT 曲線在迴歸下方，表示方程式有一致性，
可能因公式複雜故左下方有倒勾不合理的行為發生。
5.1.2 學習模式(第二分類-以 2007 年颱風為驗證颱風)：
表5-3 石門站第 2 分類選取研究之颱風事件(2000~2010 年)
年份 颱風名稱 石門水庫
總雨量(mm)
資料筆數
(刪減後)
分析類別2000 碧利斯(BILIS) 337.7 缺 缺
2001 納莉(NARI) 843.8 訓練
2001 利奇馬(LEKIMA) 358.2 訓練
2004 艾利(AERE) 961.8 訓練
2005 海棠(HAITANG) 499.5 訓練
2005 馬莎(MATSA) 815.5 訓練
2005 泰利(TALIM) 375.1 訓練
2009 莫拉克(MORAKOT) 484.7
349 筆
訓練
2007 韋帕(WIPHA) 353.4 驗證
2007 柯羅莎(KROSA) 671.9 93 筆
驗證
GAOT 的參數設定群集大小 50，染色體長度 8 位元，交配率 0.9，突變率 0.001，收斂條件為連續 100 個世代不再進步則停止程式。經 SLR 與 GAOT 模式 運算後產生的方程式如下式5.3、5.4，GAOT-2 公式樹狀示意圖如圖 5-3：
SLR (Z=aRb)
1 1.214
166.7 9) 8 (
R = Z ÷
(5.3)GAOT
0.726
0.396 0.028 ( )
R = + × Z
(5.4)Xy
Z 0.726
圖5-3 GAOT-2 樹狀圖
從SLR 與 GAOT 模式中利用因子 Z 值與套入公式所求出之預測降雨，其敏 感度分析如圖5-4：
Shi men -2
Z (dBZ)
0 5000 10000 15000 20000 25000 30000
R (mm)
0 10 20 30 40 50 60 70
SLR GAOT
圖5-4 石門站第 2 分類敏感度圖
從圖5-4 中可看出敏感度圖中 SLR 部分降雨量(R)與回波(Z)呈一線性關係，
與GAOT 敏感度圖曲線非常近似，表示方程式有一致性。
5.1.3 學習模式(第三分類-以 2005 年颱風為驗證颱風)：
表5-4 石門站第 3 分類選取研究之颱風事件(2000~2010 年)
年份 颱風名稱 石門水庫
總雨量(mm)
資料筆數
(刪減後)
分析類別2000 碧利斯(BILIS) 337.7 缺 缺
2001 納莉(NARI) 843.8 訓練
2001 利奇馬(LEKIMA) 358.2 訓練
2004 艾利(AERE) 961.8 訓練
2007 韋帕(WIPHA) 353.4 訓練
2007 柯羅莎(KROSA) 671.9 訓練
2009 莫拉克(MORAKOT) 484.7
341 筆
訓練
2005 海棠(HAITANG) 499.5 驗證
2005 馬莎(MATSA) 815.5 驗證
2005 泰利(TALIM) 375.1
101 筆
驗證
GAOT 的參數設定群集大小 100，染色體長度 8 位元，交配率 0.9，突變率 0.001，收斂條件為連續 500 個世代不再進步則停止程式。經 SLR 與 GAOT 模式 運算後產生的方程式如下式5.5、5.6，GAOT-3 公式樹狀示意圖如圖 5-5，其敏感 度分析如圖5-6：
SLR (Z=aRb)
1 1.152
( 151.629)
R
=Z
÷ (5.5)GAOT
( )
{
0.82}
0.475 0.009 ( ) ( 0.18) ( 0.706)
R
= + ×Z
+⎡⎣Z
− ×Z
× − ×Z
× ⎤⎦ (5.6)＋
*
Z
* *
_ Z
Xy
*
圖5-5 GAOT-3 樹狀圖
Shi men -3
Z (dBZ)
0 5000 10000 15000 20000 25000 30000
R (mm)
0 20 40 60 80 100
SLR GAOT
圖5-6 石門站第 3 分類敏感度圖
從圖中可看出敏感度圖中SLR 部分降雨量(R)與回波(Z)呈一線性關係，與 GAOT 敏感度圖曲線非常近似，GAOT 曲線在迴歸下方，表示方程式有一致性。
-0.286 -0.992
Z -0.184 Z -0.8196
5.1.4 學習模式(第四分類-以 2004 年颱風為驗證颱風)：
表5-5 石門站第 4 分類選取研究之颱風事件(2000~2010 年)
年份 颱風名稱 石門水庫
總雨量(mm)
資料筆數
(刪減後)
分析類別2000 碧利斯(BILIS) 337.7 缺 缺
2001 納莉(NARI) 843.8 訓練
2001 利奇馬(LEKIMA) 358.2 訓練
2005 海棠(HAITANG) 499.5 訓練
2005 馬莎(MATSA) 815.5 訓練
2005 泰利(TALIM) 375.1 訓練
2007 韋帕(WIPHA) 353.4 訓練
2007 柯羅莎(KROSA) 671.9 訓練
2009 莫拉克(MORAKOT) 484.7
393 筆
訓練 2004 艾利(AERE) 961.8
50 筆
驗證GAOT 的參數設定群集大小 100，染色體長度 16 位元，交配率 0.9，突變率 0.001，收斂條件為連續 300 個世代不再進步則停止程式。經 SLR 與 GAOT 模式 運算後產生的方程式如下式5.7、5.8，GAOT-4 公式樹狀示意圖如圖 5-7，其敏感 度分析如圖5-8：
SLR (Z=aRb)
1 1.208
146.3 1) 3 (
R = Z ÷
(5.7)GAOT
0.711
0.866 0.031 ( )
R = + × Z
(5.8)Xy
Z 0.711
圖5-7 GAOT-4 樹狀圖
Shi men -4
Z (dBZ)
0 5000 10000 15000 20000 25000 30000
R (mm)
0 20 40 60 80
SLR GAOT
圖5-8 石門站第 4 分類敏感度圖
從圖5-8 中可看出敏感度圖中 SLR 部分降雨量(R)與回波(Z)呈一線性關係，
與GAOT 敏感度圖曲線非常近似，表示方程式有一致性。
5.1.5 學習模式(第五分類-以 2001 年颱風為驗證颱風)：
表5-6 石門站第 5 分類選取研究之颱風事件(2000~2010 年)
年份 颱風名稱 石門水庫
總雨量(mm) 資料筆數 分析類別 2000 碧利斯(BILIS) 337.7 缺 缺
2001 納莉(NARI) 843.8 驗證
2001 利奇馬(LEKIMA) 358.2
124 筆
驗證
2004 艾利(AERE) 961.8 訓練
2005 海棠(HAITANG) 499.5 訓練
2005 馬莎(MATSA) 815.5 訓練
2005 泰利(TALIM) 375.1 訓練
2007 韋帕(WIPHA) 353.4 訓練
2007 柯羅莎(KROSA) 671.9 訓練
2009 莫拉克(MORAKOT) 484.7
318 筆
訓練 GAOT 的參數設定群集大小 50，染色體長度 8 位元，交配率 0.9，突變率 0.001，收斂條件為連續 100 個世代不再進步則停止程式。經 SLR 與 GAOT 模式 運算後產生的方程式如下式5.9、5.10，GAOT-4 公式樹狀示意圖如圖 5-9，其敏 感度分析如圖5-10：
SLR (Z=aRb)
1 1.102
182.2 2) 2 (
R = Z ÷
(5.9)GAOT
0.694
0.793 ( )
R = × Z
(5.10)Xy
Z 0.694
圖5-9 GAOT-5 樹狀圖
Shi men -5
Z (dBZ)
0 5000 10000 15000 20000 25000 30000
R (mm)
0 20 40 60 80 100
SLR GAOT
圖5-10 石門站第 5 分類敏感度圖
從圖5-10 中可看出敏感度圖中 SLR 部分降雨量(R)與回波(Z)呈一線性關 係，與GAOT 敏感度圖曲線非常近似，表示方程式有一致性。