出波浪資料。各國採用的波浪預報方式系統有 WAVE WATCHⅢ、
WAM 及 SWAN 等三種模式系統，上述預報模式需較長時間資料運算 及模式參數適應性不易調整等缺點。
基於上述經驗公式及數值計算模式之限制，本文利用模糊理論及 類神經網路，遂具有非線性最佳化及學習快速演算等優點，進而達到 即時具快速預測波浪之能力。使用適應性網路架構模糊推論系統 (Adaptive Network-based Fuzzy Inference System 簡稱 ANFIS)，以架
構具季節風特性之波浪推算模式，應用此模式之運算快速及非線性現 空氣兩種不同介質所發生之波形。此理論稱為 Kelvin-Helmholtz 不安 定理論，簡稱 K-H 理論。依 K-H 理論推求波浪之最低風速約為 6.4m/s，但此值卻與實際觀測之臨界風速值 1.1m/s 相差甚遠而不被應 用 。 而 在 三 十 年 後 ， Phillips (1957) 提 出 共 鳴 機 制 (resonance mechanism) 的學說來說明靜止水面上風所產生波浪的原理。Phillips 認為由於風的紊流 (turbulent flow)特性，而導致海面上受不均勻之壓 力，由於水面上受壓力隨機變動而產生強制性的波浪，而當風與波浪 兩者因頻率相同而開始共鳴時，則波浪因共鳴作用而呈線性成長。
Phillips (1957)的共鳴機構學說可以解釋波浪的生成及初期發達，但實 際上波浪生成至某一程度後，波浪便快速成長，反而與線性成長有較 大之偏頗。
Miles (1957)提出剪力流理論(shear flow hypothesis)來說明波浪後 期發展機制，Miles (1957)假設海面上之平均風速依對數形式分佈，
目前相關之波浪模式有波譜法(wave spectrum method)及示性波 法(significant wave method)二種，前者是應用波浪能量平衡方程式為 其控制方程式，且配合波浪傳遞後各種物理特性來加以推算。現今各
國所採用之波譜數值模式示如表 1-1，為常用波浪預報系統模式的比 較。以台灣為例，中央氣象局之預報採行 WAVE WATCHⅢ波浪模式、
WAM 模式、SWAN 模式並行測試。 WAM WAM 由 WAMDI Group（1988）以第三
代風浪之特徵加以建立而成
SWAN
SWAN（Simulating Wave Nearshore）由 Booij 等（1996）除了第三代風浪之特 徵，同時考慮波浪在近岸海域的傳導特 性和變形效應。
至於後者，示性波法(significant wave method)則是將波浪大小與 風速、吹風歷時與吹送距離等參數關係加以定量分析。在示性波法 水域（開放水域 JONSWAP）或主風向及主波向不一致（Donelan- JONSWAP）則有不同的推算方法。因此傳統的 SMB 及 Donelan- JONSWAP 較適用於季風波浪推算。
浪。錢等人(2002)利用神經-模糊網路推算颱風波浪並建立颱風行為模 式及氣象與颱風波浪之相互關係。張和錢(2003)結合 Holland 颱風風 場模型與類神經網路，建立三種不同影響參數之台灣東部近岸颱風波 浪推算模式以模擬颱風波浪。Bhattacharya 等人（2003）利用實測波 浪資料、風向、延時作為類神經之輸入值，來追算遺失之波浪資料。
Makarynskyy(2004)為修正短期波浪之預測，分析不同延時之測試對 預測風浪正確性之關係，並建立輸入值為 48 小時與輸出值為 24 小時 之波高及周期之類神經學習網路，以此進行較長時間且可獲得較正確 之波浪預測。Kalra 等人(2005)則以衛星量測之外海波浪特性及風場資 料，進行近岸類神經網路風浪之推算。蔡(2005)以適應性類神經網路 (ANFIS)建立實測風速大小對應波浪之架構，進行風浪之推算。Chang 和 Chien(2006a、2006b)針對不同風場參數分析其對波浪特性之關係，
建立多個轉換函數之類神經網路模式，以進行颱風波浪之推算。
1-3 文章架構
本文將以適應性類神經模糊推論系統建構季節風特性之風浪模 式。並依照五個章節說明風浪特性之分析、模式建構之過程與推算結 果之探討。第一章為前言，主要說明研究動機、目的與研究方法及文 獻回顧。第二章則是將推估季節風波浪之參數作扼要說明，並加以討 論風與浪之關係來進行統計分析。第三章就適應性類神經模糊推論系 統(ANFIS)之建構方法及操作流程，詳加說明。第四章則是將風與浪 的特性導入，優選適合的輸入參數，以模糊類神經網路建構本研究之 季節風波浪預報 WANF（Wave Model by ANFIS），並驗證此模式之正 確性及優劣程度。第五章則是應用本研究所建立之季風風浪推測模式 (WANF) ， 延 伸 應 用 於 非 學 習 測 站 的 波 浪 推 算 ， 此 模 式 稱 之 EWANF(Extended of Wave Model by ANFIS)。由推算結果之證實本 EWANF 模式當測站資料不足時，可由鄰近測站之風場資料當模式之 輸入，即可進行波浪之補遺及推算。第六章為總結本文。本研究流程 示如圖 1-1。
圖 1-1 研究流程
資料收集
風與浪之基礎 研究與分析
風浪推算模式 與發展過程
模糊理論與類神經 網路之發展與應用
季節風特性分析
季節風波浪預報 模式之建立
模式適用性 驗證
結果分析
結論與建議
文獻回顧研究方法結果與討論