5-1 結論
1. 當月份三種水質預測模式：總磷(TP)、葉綠素a(chl-a)、透明度(SD)，類神經之 訓練判定係數R2分別為0.81、0.542、0.554皆>0.5，均優於迴歸分析；類神經測試 之RMSE值也皆小於迴歸分析，代表此模式預測效果優於迴歸分析，其中又以總 磷模式預測效果最好。
2. 下一個月份三種水質預測模式：總磷(TP)、葉綠素a(chl-a)、透明度(SD)，類神 經之訓練判定係數R2分別為0.569、0.561、0.663皆>0.5，均優於迴歸分析；類神 經測試之RMSE值除葉綠素a模式1.816略遜於迴歸分析1.414外，總磷及透明度之 RMSE皆優於迴歸分析，代表此預測模式乃優於迴歸分析。
3. 進行總磷(TP)及葉綠素a(chl-a)模式預測時，以迴歸分析方法，加入流量及無加 入流量因子結果無很大差異；但加入流量因子後，類神經網路分析結果判定係數 與RMSE值皆優於無加入流量因子所預測之結果，代表加入流量因子有助於提升 類神經之預測能力。
4. 水質透明度(SD)預測模式較差，經探討後發現懸浮固體(SS)數據資料跳動較 大，其原因可能為上游集水區崩塌所造成，導致較無法有效預測。
5. 由線性迴歸、類神經之預測結果可發現，水庫總磷、葉綠素a、透明度各因子間 屬非線性相關，因此以類神經網路方式較能快速且有效達到預測效果。
5-2 建議
1. 石門水庫水質資料皆以表層水資料為主，因表層水水質受外在因素影響較顯 著，變化性較深層水劇烈，故日後建議可以增加中、底層水質資料作為探討。
2. 目前水質採樣檢測僅一個月進行一次，資料分析上較不易看出短時距之變化 性，若能於重要之測站增加採樣檢測頻率(如：每日監測或每星期監測)，相信有 助於掌握水質時序變化性及提升模式準確度。
3. 本論文類神經預測僅使用XL Miner，日後可以嘗試結合其他軟體(如：MATLAB、
GAOT )進行預測及分析，探討是否有助於提升預測之準確性。
參考文獻
1. Clair, T. A., Ehrman, J.M., 1996, “Variations in discharge and dissolved organic carbon and nitrogen export from terrestrial basins with changes in climate: a neural network approach,” Limnol. Oceanogr, 41, pp.921-927.
2. Lek, S., Guean, J.F.,1999 , “Artificial neural networks as a tool in ecological modeling, an introduction,” Ecol. Model, 120, pp.65-73.
3. Kuo J. T., Wang, Y. Y., Lung, W. S., 2006, “A hybrid Neural-Genetic Algorithm for reservoir water quality management,” Water Research, 40, pp.1367-1376.
4. Kuo, J. T., Hsien, M. H., Lung, W. S., and She. N., 2007, “Using artificial neural network for reservoir eutrophication prediction.” Ecological Modelling, Vol 200, pp.171-177.
5. Yabunaka, K.-I., Hosomi, M., Murakami, A., “Novel application of a backpropagation artificial neural network model formulated to predict algal bloom,” Water Sci. Technol, 36 (5), pp.89-97, 1997.
6. 張清源，1990，「翡翠水庫之優養化探討」，台北水庫管理局。
7. 郭振泰、吳俊宗，1991，「台灣地區給水水源優養化評估法之建立及其優養程度 調查(二)」，行政院環境保護署。
8. 葉怡成，1993，「類神經網路模式應用與實作」，儒林圖書。
9. 黃義銘，1996，「類神經網路在調配區域水資源之應用」，國立成功大學水利及海 洋工程學系碩士論文，
10. 劉新達，1996，「類神經在水庫操作的應用」，國立交通大學土木工程學系碩士論 文。
11. 蔡財興，1997，「花蓮縣鯉魚潭水質優養化之研究」，國立東華大學自然資源管 理研究所碩士論文。
12. 陳家偉，2002，「以迴歸分析與類神經網路建構高性能混凝土工作度模型之比較 研究」，中華大學土木工程學系碩士班碩士論文。
13. 謝明翰，2002，「應用倒傳遞類神經網路於水庫水質分析-以德基與曾文水庫為 例」，國立台灣大學土木工程學研究所碩士論文。
14. 張斐章、張麗秋、黃浩倫，2003，「類神經網路－理論與實務」，東華書局。
15. 廖志祥，2004，「以類神經網路模式預測生活污水處理廠處理效能」，嘉南藥理 科技大學補助教師專題研究計畫成果報告。
16. 王英義，2005，「整合類神經網路與遺傳演算法於水庫水質管理之研究」，國立 臺灣大學土木工程學研究所博士論文。
17. 古煥林，2005，「台灣水庫水質優養化最適指標之探討」，國立中央大學環境工 程研究所碩士論文。
18. 郭彥良，2005，「類神經網路應用於石門水庫放流量預測之研究」，中華大學土 木與工程資訊學系碩士論文。
19. 陳哲儀，2005，「資料採礦(Data Mining)連載之七-『迴歸分析』」。
20. 程澄元，2005，「類神經網路應用於推估蒸發散量之研究」，立德管理學院資源 環境學系碩士班碩士論文。
21. 吳明銘 ，2006，「田口法類神經網路模式預測優養指標之研究-以翡翠水庫為 例」，中華大學土木與工程資訊學系碩士論文。
22. 陳鴻烈、蔡大偉，2006，「德基水庫優養水質研究」，水土保持學報，第三十八 卷，第一期，第93~104 頁。
23. 陳慶龍，2006，「逐步迴歸應用於翡翠水庫葉綠素 a 之遙測影像研究」，中華大 學土木與工程資訊學系碩士論文。
24. 張郁麟，2007，「倒傳遞類神經網路應用於台灣北部水庫懸浮固體濃度即時分析 與預測之研究」，國立台灣大學生物環境系統工程學研究所碩士論文。