本章根據第四章模式驗證結果整理出相關結論，並提出可供未來可研究 方向之建議。
5.1 結論
(1) 隨機降雨序列模擬機制
本文採用香港天文台站所測得 100 年時雨量資料，將每年分為乾季(四 月至九月)及濕季(1-3 月及 10-12 月)，並從中所篩選出 1690 場降雨事件之 特性，包括降雨事件年發生數目、降雨延時、總降雨量、事件間隔時間及 雨型(其中雨型可分為前進型(A1 及 A2)、中央型(C)、均勻型(U)、延後型 (D1 及 D2)等六種雨型)，以上述降雨特性之統計分析結果為基礎，發展一 套 隨 機 降 雨 序 列 模 擬 機 制 (Stochastic rainfall series generation, SRSG, model)，用以衍生降雨事件來建立成降雨序列。茲將模式在發展過程及驗 證結果整理如下，
1. 本文所發展隨機降雨序列模擬(SRSG)機制確實有能力能製造保存原 有統計統性之降雨事件。
2. SRSG 模式也可藉由模擬合成降雨序列方式來延伸降雨資料紀錄，以 達到改善降雨量-延時-頻率(DDF)曲線之準確性，特別是在推估重現 期距大於實測時雨量資料紀錄之年最大降雨量分位數，其改善程度 最為明顯。
4. 由於 SRSG 模式具有大量製造降雨序列之功能，因此亦可將此模式 應用於水文及水理模式之不確定性分析，用以評估降雨資料之不確 定性對其模式之影響程度。
(2) 採用日雨量資訊之時雨量頻率分析模式
本文另一發展模式為採用日雨量資訊之時雨量頻率分析模式，模式依據
所採用日雨量及時雨量之資料型式可區分為二模式：(1)年最大值事件模式 (Annual-maximum-events, AME, model)：即不同連續日降雨事件總雨量及 其不同延時最大降雨量皆採用年最大值；及(2)所有事件模式(All-events, AE, model)：即採用所有降雨事件之模式。茲將模式在發展過程及驗證結果整 理如下，
1. 當實測時雨量資料小於 10 年則可分成單日(single-rainy-day events)及 大於一日(more-than-one-day events)二種連續降雨事件；但若時雨量 資料大於 10 年以上，則可分成單日，2 日(two-consecutive-rainy-days events)及大於 2 日(more-than-two-days events)等三種事件。
2. 相對於傳統採用之年最大降雨序列之頻率分析(即本文所定義的 AMS 模式)而言，因 AME 及 AE 模式採用不同連續日降雨事件之雨 量資料，可推得較具有可靠及準確性之降雨 DDF 曲線。
4. AME 模式較適用於短實測時雨量資料之不同延時降雨 DDF 曲線之 推估，而 AME 模式則適用於當具有較長的日雨量資料紀錄年限之降 雨 DDF 曲線之推估。
(3) 整合模式
1. 雖本文係僅採用降雨 DDF 曲線來驗證模式，但因 SRSG 模式可製造 一整年的降雨序列，故理論上亦可應用於其他水文分析，例如透過 降雨-逕流模式(例如單位歷線或水筒模式)可推得逕流歷線，則可將 此模擬逕流量應用於相關水理分析(如河道演算或淹水模擬)。
2. 若需將降雨序列應用於乾旱分析、降雨-逕流或淹水演算等水文水理 分析，則可採用 SRSG 模式。
3. 反之分析目的若僅為推估降雨 DDF 曲線，則可採用利用日雨量之 AME 及 AE 模式。
4. 但若降雨 DDF 曲線推估成效不佳或是時雨量資料過於不足，則可應 用 SRSG 模式製造合成降雨序列，也就是增加日雨量及時雨量資料
紀錄年限，來改善總雨量及其不同延時最大降雨量分位數關係，藉 以提高 AME 及 AE 模式之可靠度。
5. 亦可利用 SRSG 模式可考量降雨特性之不確定性來衍生大量降雨序 列之功能，藉以評估 AME 及 AE 模式所推得 DDF 降雨頻率曲線之 可靠度，並可針對需要 DDF 頻率曲線之相關水文分析(例如水工結 構物或水資源規劃等)進行風險分析。
5.2 建議
1. 本文係以香港天文台站 100 年時雨量記錄來建置模式，經由第四章 模式驗證結果證明所建立的模式可得合理且可被接受的結果，因此 未來可將此套模式應用於台灣地區降雨序列之模擬。
2. 在發展隨機降雨序列模擬機制過程中，本文將每年的降雨序列分為 乾濕二季，但實際上降雨在四季甚致在 12 月份各有不同的特性，因 此未來可將降雨序列分為四季或 12 月份，藉以發展降雨序列模擬機 制，期使所發展之模式能衍生更多符合實際自然降雨現象之降雨特 性。
3. 由於 AME 及 AE 模式具有利用日雨量資料下可改善推估降雨 DDF 曲線準確性之成效，故可將模式應用於評估自計雨量站之有效紀錄 年限。所謂有效紀錄年限為由雨量站時雨量資料推得具有可靠度的 DDF 曲線之最短時雨量資料年限。當雨量站時雨量紀錄達到有效紀 錄年限時，則可將雨量站改為只紀錄日雨量之普通雨量站。如此作 法，不僅可減少雨量站維護費用，更可將經費用作為設置其他自計 雨量站，藉以增加自計雨量站網密度，進而提高水文及水理分析結 果之可靠度。
4. 由於 SRSG 模式可衍生完整的降雨序列，不僅可將其應用於降雨極 端值分析包括暴雨及乾旱分析，更可以配合降雨-逕流模式而衍生流 量資料。
5. 在 AME 及 AE 模式模式發展過程中，係假設不同連續日降雨事件間 為相互獨立，然而實際上各降雨事件應存著程度不一的相關性，若 忽略此一相關性，則可能對所推得降雨 DDF 曲線之品質造成影響。
因此末來可考慮各連續日降雨事件之相關性，建立一符合實際降雨 情形之 AME 及 AE 模式。
6. 由於本文所展的模式皆根據香港天文台單站降雨資料所發展而成，
因此可針對其他雨量站進行相同分析，建立符合各站降雨情況之模 式，最後採用區域化分析法發展一區域 AME 及 AE 模式，配合區域 SRSG 模式，則可模擬流域內無設站之降雨序列及降雨 DDF 曲線，
若結合降雨-逕流模式則亦可推估無設站集水區之逕流歷線，以提供 水工結構物設計或水資源開發之用。