本研究以類神經網路探討區域地下水水質特徵與推估地下水砷濃 度，並針對雲林沿海地區砷污染嚴重區域作一探討，在此章節對此研 究的動機、目的與研究架構作一簡介，分述如下：
1.1 研究緣起
臺灣雲林地區因濁水溪流量豐枯懸殊，枯水期之水量經上游灌溉 取水後，已幾無地表餘水可用，故雲林縣目前自來水每日用水 26 萬噸，
長期以來均使用地下水。地下水年抽用量推估約為 5 至 7 億立方公尺，
年超抽量介於 5000 萬至 2 億立方公尺之間(水利署中區水資源局)，長 期的地下水超抽，導致雲林沿海地區地層下陷、海水倒灌、海水入侵、
土質鹽化與排水不良等問題。本區域地表水嚴重不足卻有大量農業、
養殖與工業用水需求，此區域之地下水主要特性為海水導致之鹽化與 高砷濃度污染，大量超抽地下水情形普遍不僅可能造成地下水鹽化，
亦可能使得地下水氧化還原狀態改變，進而使原本地層中含砷之鐵氧 化物的還原與溶解，高含量砷溶解釋放入地下水中，增加地下水之砷 濃度(Liu et al, 2003)。
砷(Arsenic, As)是一種毒性很強且具有致癌性的重金屬元素，過去 發現無機砷具有急性與慢性毒性，與人類癌症的發生機率呈現高度相
之議題。1960 年代出現大量烏腳病之疫情，主要原因可能與當地居民 長期飲用高砷含量之地下水有關(曾文賓等人，1961)，雖然目前居民已 無直接飲用，但當地養殖漁業與民生、公共用水皆因缺水而抽取地下 水使用，在生物累積與食物鏈的因素下，仍存在影響人類的風險；而 臺灣含高砷濃度之地下水區域，分佈於蘭陽平原、濁水溪沖積扇與嘉 南平原。其中雲林麥寮地區，地下水砷濃度高於其他地區，雖然自來 水公司有實施計畫改善，但依環保署所作之全臺飲用水質抽驗報告顯 示，麥寮水質砷含量依然在超標臨界點。
根據臺灣飲用水水質標準(環保署，2000)、美國飲用水標準(USEPA, 2006)、世界衛生組織的飲用水標準(NRC, 2001; WHO, 2006)，含砷量 濃度標準之 10µg/L 與臺灣飲用水水源保護區內之管制標準 50µg/L，整 體而言，臺灣西南部沿海地區地下水一般有砷濃度過高之問題，而濁 水溪沖積扇原為臺灣之重要農業地區，受到灌溉水源不足限制與養殖 漁業興盛造成地下水之抽取量大幅增加，抽水量約為地下水天然補注 量之兩倍，本區之水源供應無法避免偏重地下水之開發，因此對地下 水之依賴甚殷，故砷污染情形影響甚鉅。
1.2 研究目的
建立可靠的模式最有效且直接之方法了解地下水中砷濃度變化，
但受限於地下水模式建立過程，需要相當完整之地層參數、地下水水 位及初始污染物質濃度等，其中自然狀態下之土壤與地下水化學環境 呈現高度複雜性，大部份現地採樣調查，受限於經費僅可針對有限之 觀測井進行水質分析及容易測量參數分析。因此地下水觀測資料往往
相當稀少且珍貴，在統計模式需要有相當的資料、在物理模式需要假 設與繁瑣之建立過程，且具有高度不確定性(高力山，2011)。地下水砷 濃度之趨勢尚未有明確定論。類神經網路，其在圖形辨識、智慧型控 制、污染量預測、降雨與逕流預測等模式上均有良好預測及推估結果
（張斐章與張麗秋，2010），本研究嘗試利用類神經網路，其建立模式 的方法簡明、結構單純，模擬物理方程式及高度複雜性之非線性關係 有較佳表現的特點，以水質資料為切入點，蒐集地下水水質資料，探 討此區域地下水中的水質特徵、影響砷濃度消長之原因與砷污染可能 成因。本研究使用自組特徵映射網路(Self-Organizing Feature Map, SOM) 對所有測站之水質進行聚類分析，由視覺化的方法有效率地檢視水質 因子間或水質因子與砷濃度之潛在關係，由聚類的結果對應測站，可 視為對測站分類，其在空間上的分布關係亦可作為探討的對象；另將 SOM 的聚類結果移除砷的資訊作為決定 RBFNN 之隱藏層神經元數目 及中心點，再以 RBFNN 之原理計算隱藏層至輸出層間神經元之權重值，
以有限之水質因子推估砷濃度。特點在藉由拓樸圖建構與解釋砷與水 質因子間關係，同時亦保有網路推估能力。藉由應用地下水水質資料，
推估之地下水砷濃度結果繪出地下水砷污染潛勢圖，呈現研究區域內 1998 與 1999 年的推估結果在空間的變化，有助於以觀察其他水質因子 便可了解此區域砷在地下水中之釋出與遷移情形。以分析此區域地下 水特性及建立模式推估地下水中砷污染情形，作為地下水使用管制與 污染防治之參考。
1.3 研究架構
本文共分為六章，總研究架構如圖 1-1：第一章為緒論，包括研究 動機之說明、研究方法之概述及章節架構之編排；第二章為文獻回顧，
針對與本研究相關之研究進行回顧，包括類神經網路、砷污染相關研 究、研究區域內以其他角度切入砷污染之發展與應用；第三章為理論 概述，介紹本研究使用到之理論：類神經網路理論、交叉驗證法及數 種檢視模式優劣之評估指標公式；第四章為研究區域概述、資料蒐集 及資料輸入前之處理方式，另外討論在模式的輸入部分加入砷濃度對 聚類過程的幫助；第五章將研究內容分為兩大部分：第一部分為以自 組特徵映射網路(SOM)對水質資料進行聚類結果，著重拓樸圖的呈現及 砷濃度與水質因子間的關係的關係，探討研究區域內之地下水特性；
第二部分為採用輻狀基底函數類神經網路(RBFNN)建立地下水中砷濃 度推估模式，以砷濃度以外水質因子濃度作為推估砷濃度之主要依據，
其中探討 SOM 聚類決定 RBFNN 隱藏層神經元個數與權重，並與倒傳 遞(Backpropagation, BP)類神經網路推估之結果進行比較，並繪出測試 資料 1998 與 1999 年雲林縣沿海地區地下水中砷濃度分布情形。
第六章為結論與建議，針對此研究結果做出總結，並就未來改進 方向與研究方向提出建議。
圖 1-1 研究架構圖