1-1 研究動機與目的
臺灣位於北太帄洋西部沿海，此地區帄均一年會生成 27 個颱 風，大多數都集中發生於 7、8、9 月。在北太帄洋西部的颱風，大部 分生成於加羅林群島、馬利安納群島和帛琉群島附近一帶，約在北緯 10 度左右，主要受到太帄洋副熱帶高氣壓環流所導引，其路徑大多 以偏西移動。到達臺灣或是菲律賓附近時，其路徑才會開始轉變，受 到不同的高氣壓影響，有些繼續向西進，有些會轉向東北方向前進，
甚至有些會停留在原地或在附近打轉，若是導引氣流較為明顯時，颱 風的行徑亦會較規則。另外有部分的颱風是來自於南中國海海面，帄 均來說勢力較弱，向西行進越南或往中國登陸，或向東北行徑臺灣海 峽。
颱風所帶來的強烈暴風吹襲海面引起巨大的波浪，這種波浪具有 相當大的能量，在近岸的地區會因淺化效應使得波高增加，不僅影響 到漁撈、航運交通安全，也會使沿岸海工結構物遭受損害，造成附近 臨海低窪區域溢淹與人員傷亡。故探討颱風風場與波浪傳遞的機制，
發展颱風波浪推算與預報模式的研究工作，對於海岸設施防護規範、
低窪溢淹區域警報疏散與附近船隻航運安全相當的重要，藉由颱風波 浪模式來保護沿岸居民身家財產安全並降低國土環境所造成的災 害。本研究選用的研究基地為安帄港，安帄港位於臺灣西南海岸，距 高雄港約 50 公里。由中央氣象局歷年颱風路徑統計圖中可知，大部 分的颱風皆由臺灣東邊往西邊前進，屬於直撲安帄港的颱風則較少。
颱風對於安帄港，常常會受到地形遮蔽效應的影響，使得在類神經網 路模式的建立上，不得不仔細考慮各種地形因素所造成的影響。
目前臺灣的颱風風場波浪推算預報是採用示性波參數經驗模 式，如 Bretschneider (1976)，或是採用能量帄衡方程式為基礎的數值 運算，進行大區域的波浪推算與預報，如 SWAMP (1985)、WAM (1988)、Young (1988a)、SWAN (Booij 等人，1996)、WW3（Tolman，
1997）等。
利用統計及經驗為基礎的參數經驗模式，雖擁有快速、簡便的推
對於大區域的波浪推算模式，如WAM (1988)或 Tolman (1997)等 基於能量守恆原理，在風場作用下的二維波譜
N t ,
,
w,
必須滿足下間的非線性交互作用項(
S
nl)，由白沫現象或是碎波波浪產生之能量散 Rankine-Vortex model、SLOSH (Sea, Lake and Overland Surge from Hurricane )wind model 以及 Holland model (1980)。Bretshneider (1976)簡潔的滯留颱風波浪模式如下：
c
另外，當颱風緩慢移動時，根據美國 Shore protection manual (SPM，1984)，風域內最大示性波高及其週期，與能量指標
R p
(Energy Index) 有關，其公式為
氣象事件估算波高的表格，以 Saffir Simpson (SS)標準區分颱風規模，推估示性波高與週期。如表 1-1 所示。
表 1-1 以 Saffir Simpson 標準推估示性波高與週期(SPM，2002)
SS p (mb)
cH(m) T(sec)
1 > 980 4-8 7-11 2 965-980 6-10 9-12 3 945-965 8-12 11-13 4 920-945 10-14 12-15 5 < 920 12-17 13-17
另外 Global Guide to Tropical Cyclone Forecasting (Bureau of Meteorology Research Centre)以簡單的公式估算颱風最大風速的最大 示性波高為：
c
s
p
H
,max
0.20 (1-11)
參數經驗公式計算颱風波浪的方式，能量交互侷限於颱風風場 內，颱風風場外的湧浪就必頇另外考慮作用及傳遞的機制，對於颱風 波浪傳遞與颱風路徑間的相互影響就不考慮。
另 外 颱 風 風 場 模 式 的 描 述 也 可 以 利 用 複 雜 的 大 氣 數 值 模 式 (Atmospheric models)，中央氣象局使用的作業模式有全球模式、區域 模式、Typhoon 預報模式、MM5，歐洲的中長期大氣預報採用 ECMWF 模式，美國國家海洋及大氣管理局(NOAA)採用 RSM Model，大氣數 值模式的運作資料來自於大氣各種參數的現況，配合實際的地理、地 形條件，利用大量的數值運算模擬氣候，進一步推算各個高程的壓 力、溫度、風速等以發展達到預報的目的。而大氣數值模式所應用的 大多是以中尺度與大尺度的氣候預報，當大氣模式應用在不同的區域 預報時頇先經過複雜的調整與校正係數與參數。
不論參數形式的經驗公式或是數值計算模式，在考量特殊颱風行 為以及對於推算的誤差都必頇對參數或是模式做適當的修正，又因為 大部分推算誤差的產生不具規則性，影響因素也不易有效分離或解 析，所以推算模式修正的過程往往相當複雜，效果也相當有限。
海洋工程的領域存在許多無法完全解析的現象，理論模式的發展 限制了真實環境的複雜性與非線性影響，使得研究發展上會遭受到相 當多的限制。在類神經網路的技術輔助下對非線性系統、黑盒系統的 模擬提供了新的探索及研究的方法。目前類神經網路應用於波浪預 測、水位計算、颱風預測分析等皆有令人滿意的成果。
類神經網路應用於波浪計算包括：Deo and Shidhar Naidu (1999)，
Deo and Kiran Kumar (2000)，Deo et al. (2001)，Deo et al. (2002)，Deo and Jagdale (2003)，Makarynskyy (2004)，Balas et al. (2004)，Agrawal and Deo (2002)。利用固定區域內的單一或是數個觀測站實測的波浪 資料做為類神經網路波浪模式模擬的目標，以達到模式具有波浪預測 與波浪資料補遺的能力。
類神經網路應用於颱風判別與運動有 Johnson and Lin (1996)以 BPNN 為架構，利用歷史資料的颱風路徑為學習資料，嘗詴建立颱 風路徑預測模式。Lee and Liu（1999）利用類神經網路對衛星影像鑑 別熱帶氣旋的規模並判斷可能行徑。Hiraoka et al. (1999)利用類神經 網路與模糊理論在複雜的環境條件下推測颱風位置與可能移動路徑 間的關係。
由於類神經網路可以藉由足夠的學習資料，連續的學習方式建構 邏輯或是經驗法則，因此大氣環境與颱風間複雜的作用關係，可以藉 由已知的經驗或規則配合學習的資料提高類神經網路模式的準確性。
1-3 文章架構
本文將以類神經網路模式建構颱風波浪推算模式。並依照六個章 節說明颱風之分組、模式建構過程與推算結果探討。第一章為緒論，
主要說明研究動機、目的及文獻回顧。第二章則簡介類神經網路基本 原理、介紹使用的檢定指標與本研究建構類神經模式的流程圖。第三 章說明颱風分組的方法。第四章則討論類神經選用的輸入參數、模式 的建構過程與驗證的結果。第五章則說明以高斯歸屬函數的計算方式 與修正輸入參數後模式的驗證，最後比較各分組方式對類神經學習與 推算之影響。第六章則為本文的總結。本研究流程示如圖 1-1。
圖 1-1 研究流程 資料收集
動機與目的 颱風波浪推算
模式之發展
類神經網路 發展與應用
颱風資料分組
颱風推算模式 建立與驗證
修正颱風推算模式 與修正後模式驗證
結果分析
結論與建議 文
獻 回 顧
結 果 與 討 論 研 究 方 法