3-1 系統效能執行結果
本系統的建置，並不如預期的達到高效能執行。 原因推估如下：
1. 多處理器的執行環境，會將部份的計算資源移轉做為處理器間的通訊 計算，而造成計算能力的下降。 這樣的情況在連結的處理器數量越多 時越嚴重。 也就是說，即使是配備多個處理器的超級電腦，不管各個 處理器之間結合得如何緊密，都會存在處理器間通信的溢出（Overhead）
問題。另外，如果採用多重節點，節點之間的通信將成? 瓶頸。從應 用方面來看，運行代碼如果不能使全部處理器都處於最大限度的工作 狀態便無法提高運算性能。主要的瓶頸也在於此。也就是說，處理器 的數量及節點的數量越多，峰值性能和實際性能之間的差別就越大。
本研究所建置的系統，同時在不同的電腦上執行了許多模式，造成了 電腦間資料交流通訊量的大幅增加。 除了硬體本身的限制外，在本研 究中，還有模式佈置錯誤的問題，而使得計算完成的資料，必須在網 路間傳遞，以進行下一步的計算。 因此要建議的是，盡量在規劃時期 就減少資料在網路間的傳遞量，而在單一的機台上完成大部分的工作 後，再傳回。
2. 以資料排序減少重複資料計算的方法，並沒有如預期的有效發揮作 用。原因是資料的重複性會隨著資料的有效位數增加而減少。 因此，
除了零值以外，重複的資料並不多。 這樣的情況在地下水傳流模式尤 其明顯，再加上多位小數的排序也會耗用計算的資源，因此在地下水 傳流模式的部份反而是造成了反效果。 有關於這個部份的問題，建議 進行資料的敏感度分析，在合理的範圍內，減少資料的有效位數，以 減少資料的計算負擔。
3. 雖然執行的效果未若預期的大幅提高，但透過更周延的系統規劃方 式，在個人電腦的平台上，執行效率仍有成長的的空間。 接下來的研 究，甚至可以延伸個人電腦的平台，透過大型電腦來進行，則可以解 決硬體限制的問題。 畢竟使用個人電腦只是暫時的權宜之計，到目 前為止，在這樣的平台上要進行決策支援系統的建置，還是要受到許 多的限制。
地下水傳流模擬結果
由於水力傳導係數、孔隙率及軸向擴散係數…等參數之不確定性，造成地下 水傳流空間上分佈的不確定。因此，本研究利用蒙地卡羅所產生的五十個隨機 場，模擬產生濃度分佈之不確定，隨後將五十個隨機分佈場共 9600(192×50)筆的 濃度值及整治 30 年期間每年暴露的濃度值，並計算其空間及時間的平均值與標 準差，以其對數常態分佈（log-normal distribution）輸入優選模式中，以蒙地卡羅 法處理此參數之不確定，其結果如表 3-1 及表 3-2 所示，其中各整治方案為本研 究所選取比較之對象，分述如下：
（1）Natural attenuation
考慮污染物因移流、延散及吸收吸附(本研究假設為線性吸附)的過程造 成污染物的衰減效應。
（2）Pump and treat （a）、（b）、（c）
考慮抽水率及回注率為 26.49m3/day，a、b、c 三者抽水井及注入井的 配置位置如圖 2-3。
（3）Bioremediation（a）、（b）
a 為以三價鐵來降解污染物，而 b 則以零價金屬鐵來處理污染物。
（4）Air sparging （a）、（b）
利用注氣井將 10mg/L 濃度的氧氣持續以 26.49m3/day 的速率注入地 下含水層中，以促進污染物被微生物分解，a 與 b 的位置如圖 2-3 的 A-及 C-的位置。
Table 3-1 PCE concentration distribution
Remediation technology Mean concentration
（ppm）
Concentration Std.
（ppm）
Natural attenuation 0.027483 0.330497473 Bioremediation a) 0.017499576 0.156766 Bioremediation b) 0.01970893 0.169588
Air sparging a) 0.012023354 0.131770387 Air sparging b) 0.01131488 0.130325501 Pump and treat a) 0.016097 0.128626 Pump and treat b) 0.013717 0.1176 Pump and treat c) 0.014118 0.111805
Table 3-1 為 PCE 於各整治技術中分佈情況，其結果顯示自然復育法的平均 濃度值最高（0.0275mg/L），生物復育法次之（0.0175~0.0197mg/L），其次為 抽出處理法（0.0137~0.0161mg/L），而注氣法的平均濃度值為最低
（0.0113~0.0120mg/L）。
Table 3-2 TCE concentration distribution Remediation technology Mean concentration
（ppm）
Concentration Std.
（ppm）
Natural attenuation 0.009591 0.10542179 Bioremediation a) 0.00657 0.05276598 Bioremediation b) 0.00657032 0.052766
Air sparging a) 0.00415355 0.04032631 Air sparging b) 0.00279629 0.02783929 Pump and treat a) 0.005911 0.044189 Pump and treat b) 0.005694 0.058822 Pump and treat c) 0.006079 0.035653
表 3-2 為 TCE 於各整治技術中分佈情況，其結果和 PCE 相似，平均濃度最 高為自然復育法（0.00959mg/L），生物復育法次之（0.00657mg/L），其次為抽出 處理法（0.0051~0.0059mg/L），而注氣法的平均濃度值為最低
（0.00280~0.00415mg/L）。此外，就相同的整治技術而言，生物復育法中以三價 鐵的的效果比零價鐵的的效果來得好，抽出處理中 A 的位置處理效果是較差的，
注氣法也顯示 A 的位置效果較不好，在其他條件皆相同的情形下，可說明該位 置的捕捉效果不如其他位置。
兩污染物平均濃度最高皆為自然復育法，探討其原因不難發現，自然復育法 屬於被動式的復育法，在濃度去除的效率上自然不如其他復育方法，但若曝露時 間內其濃度標準(或風險值)能達到安全的標準，自然復育法仍是可以選擇的復育 技術。
將所得濃度分佈（表 3-1 及表 3-2）代入風險模式計算，可得四氯乙烯及三
氯乙烯合成之風險分佈結果，如表 3-3 所示。
Table 3-3 Risk distribution Remediation
technology
Mean risk
10% percentile risk
90% percentile risk Natural attenuation 1.70×10-5 1.92×10-7 2.75×10-5
Bioremediation a) 1.38×10-5 1.49×10-7 1.95×10-5 Bioremediation b) 2.05×10-5 1.70×10-7 2.26×10-5 Air sparging a) 7.40×10-6 8.29×10-8 1.16×10-5 Air sparging b) 7.39×10-6 5.40×10-8 1.12×10-5 Pump and treat a) 1.05×10-5 1.79×10-7 1.72×10-5 Pump and treat b) 8.45×10-6 1.37×10-7 1.45×10-5 Pump and treat c) 8.59×10-6 1.86×10-7 1.61×10-5
平均風險值最高為生物復育法(b)（2.05×10-5），自然復育法次之（1.38×10-5），
其次為生物復育法(a)(1.38×10-5)，再其次為抽出處理法(a)（1.05×10-5~8.59×10-6）， 而注氣法最低（7.39×10-6~7.40×10-6）。整體而言，風險分佈大致都落於 10-7~10-5之 間，其區間可達 2 至 3 個等級。
四、結論與建議 4-1 結論
雖然執行的效果未若預期的大幅提高，但透過更周延的系統規劃方式，在個 人電腦的平台上，執行效率仍有成長的的空間。 接下來的研究，甚至可以延伸 個人電腦的平台，透過大型電腦來進行，則可以解決硬體限制的問題。 畢竟使 用個人電腦只是暫時的權宜之計，到目前為止，在這樣的平台上要進行決策支援 系統的建置，還是要受到許多的限制。
撇開研究重點外的硬體問題，本研究也解決了決策支援系統整合性的問題，
在模式的使用上，提供了一個整合性高的方式。 而模式的可再利用性也將讓往 後的系統建置成本減少。 就研究的觀點看來，這是個值得繼續發展的方向。
4-1.1 多目標規劃之比較
地下水整治決策問題具有多目標性，故本研究以多目標規劃法來進行方案之 評選，而多目標規劃的精神在於使每個目標在衝突時彼此都能有權衡得失，使所 選擇方案能逼近最佳解，不同的求解技巧各有其優缺點，權重規劃法由於歷史悠 久，且計算較為簡易，符合目標權衡的精神，故廣為大家所使用，且也有很多依 此而發展出的求解方法，但若決策者的經驗不足，則權重的訂定是一困難，而妥 協規劃法之求解精神也在求其妥協解，故二者之規劃法都具有其實用性。研究結 果顯示，權重法以不同的百分比為比較基準時，會有不同的結果，妥協規劃法的 結果則比較一致，而在現實問題中我們常常會面臨資訊不足的情形發生，是故，
要如何在不確定下做決策更是令我們所關心的。
4-2 建議
1. 決策支援系統的建構，由於涉及資訊工程的技術，因此在本研究中，僅以環 境工程工作者的角度提出對系統的需求與建議。然而，更完整的決策支援系 統需要更專業的系統分析及資料流程分析控管，才有可能在效能上有更大的 進步。也才能真正的達到 DSS 想要讓決策者專心於決策問題上的目標。
2. 在系統的演算法及資料的精度需求上，可以作更進一步的研究討論。若能在 正確性與演算效率間找出平衡點，相信對於決次支援系統的建置將有極大的 助益。
3. 撇開研究重點外的硬體問題，本研究也解決了決策支援系統整合性的問題，
在模式的使用上，提供了一個整合性高的方式。 而模式的可再利用性也將 讓往後的系統建置成本減少。 就研究的觀點看來，這是個值得繼續發展的 方向。
4. 在環境決策支援系統的建置中，可以加入目前環境工程實務中漸漸重視的程 序控制觀念，以提高系統的效能。
5. 本研究的重心在於建立決策支援系統之架構，因此對於地下水傳流模擬部份 的考量稍嫌精確性不足，在將復育方案套入模式時的考量也無法完全符合該 方案之特性，因此對於現實問題的模擬假設，也將是一不確定的來源之一；
若能針對復育方法特性，以專屬的模擬軟體來模擬其結果，如以 T2VOC 模 式來模擬注氣法，其預估濃度的準確性也會相對的提高。
6. 本研究所採用的整治方案並未包含所有整治方案之可能性，故若能將所有的 整治方案納入，會使整個優選模式架構更趨完備、更具實用性。
7. 權重法及妥協規劃法當中的權重給定往往涉及主觀意識，以至於結果會也有 些微差距，建議可以透過層級分析法、專家問卷法等來決定。
8. 傳統的機率規劃雖然在處理不確定性問題上具有很好的成效，但前題必須是 要對該不確定數值也要有詳細的機率分佈函數，然而，現實問題中往往會缺 乏資訊，且若欲得到詳細的機率分佈函數，其成本相對的也較高，
9. 為提高預測結果的可信度，可使用更複雜而準確的模式，也可由提高計算的 精確度度著手。然而越準確的方法相伴隨的往往是更大量的模式間交叉的計 算與資料流處理。而如何解決諸多方法與模式間的結合問題與資料的整合，
將會是下一個階段研究的重點，這也是決策支援系統所必須解決的問題。
10. 環境規劃與管理是整合性的科學，牽涉範圍很廣，故本研究在許多環節上尚 有待改進之處，但對於在多目標規劃與不確定性分析的結合方法學上，仍可 提供未來朝向此方面研究的一個參考。
五、參考文獻
[中文部份]
王裕民，石門水庫水資源調配之研究滿意理論與多目標決策之應用，中興大學資 源管理研究所碩士論文，1995。
王裕民，石門水庫水資源調配之研究滿意理論與多目標決策之應用，中興大學資 源管理研究所碩士論文，1995。