本研究蒐集交通部運輸研究所港灣技術研究中心提供的臺北港 實測波浪與風速資料，與 JMA RSMC-Tokyo Center 所提供的颱風資 料，並以颱風與目標點距離(D)、目標點的方位角(θ1)、颱風侵襲角 (θ3)、目標點計算風速(V10)為輸入參數建立類神經颱風波浪推算模式 ANN-B、以颱風與目標點距離(D)、高斯函數轉換後方位角影響度 (λ1)、高斯函數轉換後颱風侵襲角影響度(λ3)、目標點計算風速(V10)為 輸入參數建立類神經颱風波浪推算模式 ANN-M、以颱風與目標點距 離(D)、波高空間資訊參數(Ch)、利用回歸公式之修正風速(Vc)為輸入 參數建立類神經颱風波浪推算模式 ANN-V 以及利用颱風與目標點距 離(D)、波高空間資訊參數(Ch)、風速類神經網路推算風速(Vann)為輸 入參數建立類神經颱風波浪推算模式 ANN-P，並比較四者的差異。
ANN-B 推算驗證組之平均誤差指標 ΔHs,p為 0.82 米、Δtp為 14.83 小時、RMSE 為 0.77 米、R2為 0.47。ANN-M 推算驗證組之平均誤差 指標ΔHs,p為 0.57 米、Δtp為 14.00 小時、RMSE 為 0.57 米、R2為 0.56。
ANN-V 推算驗證組之平均誤差指標 ΔHs,p為 0.41 米、Δtp為 5.67 小時、
RMSE 為 0.50 米、R2為 0.57。ANN-P 推算驗證組之平均誤差指標 ΔHs,p
為 0.41 米、Δtp為 5.33 小時、RMSE 為 0.60 米、R2為 0.42。由 ANN-V 模式的推算結果較佳，但此模式模擬較差的情況，有以下幾點結論：
1. 颱風路徑屬於由太平洋側經臺灣東部往東北方向前進至日本，且 距目標點較遠的颱風推算結果較差。
2. 最大波高較大之颱風可供類神經學習之資料甚少，導致模式無法 對大波高的颱風進行學習與推算。
3. 當颱風由東往西直撲臺灣，穿越中央山脈時，類神經網路無法模
64
擬颱風受地形影響，因此推算出的波高有誤差。
4. 當波高偏低時，最大波高發生時間便容易產生很大的誤差。
5. 有些颱風的波高訊號震盪較大，所建構的類神經網路無法有效學 習及推算出較理想的結果。
6. 5-1 節及 5-2 節所提出的空間資訊參數，因每個颱風的特性不同在 建立此參數的空間資訊圖時，無法將大部分的資訊包含在內。再 利用內插的方式求得此係數更是會造成此參數錯誤的計算，提供 類神經錯誤的資訊，造成錯誤的波高推算結果。
7. 由推算波高峰值的誤差分析可知，ANN-V 模式在推算最大波高與 實測最大波高誤差上的推算結果較佳。
6-2 建議
本研究利用波高空間資訊參數輸入類神經網路的輸入參數，使得 整體颱風推算結果提升，整體模式仍然有改善的空間。依目前研究的 成果提出改進及修正的建議，以利後續研究：
1. 臺北港的風速測量儀器為 10 米上空風速儀，風與浪之間的關係兩 者應更加強烈，若輸入參數中的風速能與實測風速資料越相近會 增加學習與推算效果。
2. 對於推算結果較差的颱風，我們必須重新檢視其是否適用於模式 的學習與推算，而這些颱風屬於特殊案例，或者本研究之輸入參 數無法用來描述這些特例颱風，在篩選使用的颱風以及選擇要輸 入的參數時，可能需要更仔細判斷。
3. 模式對於大波高颱風之推算結果有較大的誤差，由於臺北港之整 體颱風資料皆為波高較小之颱風，在學習上缺乏大波高之颱風資 料。若能獨立建立一組針對大波高颱風推算的類神經模式，對於
65
規模較大、影響度較強之颱風會有較好的推算結果。
4. 建置風速類神經網路時並未驗證模式，因資料數太少，若未來可 以將其建置得更完整，可由颱風資訊推得接近實測風速資料的推 算風速數據，進而輸入波高類神經網路來增加學習及推算精度。
5. 建立波高空間資訊資料也是有限，本研究以內插方式輸入新的颱 風所在位置(經緯度)進而推得波高空間資訊參數，很容易因不同颱 風特性的狀況在內插工作時算出錯誤的值，提供類神經網路錯誤 的資訊。若能有更多資訊將波高空間資訊網格加密，可減低內插 工作時出現的誤差。
66 參考文獻
1. 張有恒(2006)，“颱風湧浪推算模式之研究”，逢甲大學水利工程 學系碩士論文。
2. 郭一羽，「海岸工程學」，文山書局(2001)。
3. 錢維安(2006)“模糊-類神經混合網路之颱風波浪推算模式“，國立 交通大學土木工程研究所博士論文。
4. 梁乃匡(2010)，「颱風湧浪預報經驗法的探討」，海洋工程學刊 第 10卷 第2期 第87-120頁
5. 林賢銘(2011) “結合歸屬函數之類神經網路颱風波浪推算模式”，
國立交通大學土木工程研究所碩士論文。
6. 交通部運輸研究所，2012，「臺灣主要港口附近海域長期波浪統 計特性及設計波推算之研究(3/4)」，國立交通大學。
7. Bretschneider, C. L., and Tamaye, E. E. (1976) “Hurricane wind and wave forecasting techniques.” Proceedings of the Fifteenth Conference on Coastal Engineering, Hawaii, Vol. 1, pp. 202-237.
8. Camargo, S. J., A. W. Robertson, S. J. Gaffney, P. Smyth, and M.
Ghil, (2007a) “Cluster analysis of typhoon tracks. Part I: General properties.” J. Climate, 20, 3635–3653.
9. Camargo, S. J., A. W. Robertson, S. J. Gaffney, P. Smyth, and M.
Ghil (2007b) “Cluster analysis of typhoon tracks. Part II:
Large-scale circulation and ENSO,” J. Climate, 20, 3654-3676.
10. Deo, M.C., Sridhar Naidu, C. (1999) “Real time wave forecasting using neural networks,” Ocean Engineering,Vol. 26, No. 3, pp.
191-203.
11. Deo, M.C., Kiran Kumar, N. (2000) “Interpolation of wave heights.”
Ocean Engineering, Vol. 27, No. 9, pp. 907-919.
67
12. Deo, M.C., Jha, A., Chaphekar, A.S., Ravikant, K. (2001)“Neural networks for wave forecasting,” Ocean Engineering, Vol. 28, No. 7, pp. 889-898.
13. Deo, M.C., Gondane, D. S., and Sanil Kumar, V. (2002)“Analysis of wave directional spreading using neural networks,” Journal of Waterway, Port, Coastal, and Ocean Engineering, Vol. 128, No. 1, pp. 30-37.
14. Deo, M.C., Jagdale, S.S. (2003) “Prediction of breaking waves with neural networks,” Ocean Engineering, Vol.30,No. 9, pp. 1163-1178.
15. Huang, W., and Foo, S. (2002) “Neural network modeling of salinity variation in Apalachicola River,” Water Research, Vol. 36, 356-362.
16. Knaff, J.A., C. R. Sampson, M. DeMaria, T. P. Marchok, J. M.
Gross, and C. J. McAdie, 2007: Statistical Tropical Cyclone Wind Radii Prediction Using Climatology and Persistence, Wea.
Forecasting, 22:4, 781–791.
17. Mirchandani, G.., Cao, W., (1989) “On hidden nodes for neural nets,” IEEE Transactions on Circuits and Systems, Vol.36 (5), pp.661 -664.
18. Moller M, (1993) “A scaled conjugate gradient algorithm for fast supervised learning”, Neural Networks, 6(4), 525-533.
19. Makarynskyy, O.,2004, “Improving wave prediction with articifial neural networks. ” Ocean Engineering 31 (5-6); 709-724
20. Olaf, N. And Hannah,F.,(2013) “Estimation of the frequency of historic wind speeds of cyclones using an open-source geographical information system(GIS) for region 8 in the PHILIPPINEES.”
Proceedings of the 2nd Philippine Geomatics Symposium (PhilGEOS) 2013: Geomatics for a Resilient Agriculture and Forestry November 28-29, 2013.
68
21. Prechelt, L. (1998) “Early stopping-But when?” Neural Networks:
Tricks of the Trade, 553-543.
22. Phadke, A.C., Martino, C.D.,Cheung, K.F.,Houston, S.H.,(2003)
“Modeling of tropical cyclone winds and waves for emergency management.” Ocean Engineering 30 (2003) P.553–P.578.
23. Rodolfo, Georges, Paulo ,Gustavo, Gabriel (2002) “Oceanographic Vulunerability to Hurricanes on the Mexican Coast”,Coastal Engineering,Proceedings of the 28th International Conference.
24. SWAMP Group (24 Authors) (1985) Ocean Wave Modeling, Plenum Press, New Pork, 256 pp.
25. Sarle, W.S. (1995) “Stopped Training and Other Remedies for Overfitting,” Proceedings of the 27th Symposium on the Interface of Computing Science and Statistics, 352-360.
26. Tolman, H.L., (1999) User manual and system documentation of WAVEWATCH-3,version 1.18, NOAA/NWS/NCEP/OMB Technical Note 166.
27. WAM model (1988) “WAMDI group A Third generation ocean wave prediction model,” Journal of Physical Oceanography, Vol.18, pp.1775-7810.
28. Young, I. R. (1988a) “Observations of the spectra of hurricane generated waves,” Ocean Engineering, Vol. 25, pp. 261-276.