類神經網路文獻回顧 - 應用小波分析辨識地下水水位模擬之類神經網路架構

近幾年來，因為理論簡單、結構單純，而且不需使用由複雜的物理或數學理論所建構之物理統計模型，並且容易透過演算法則建立不同條件下所需的特定模式，因此類神經網路大量被應用於各個領域上，在水利相關的研究當然也不少，

以下將列舉相關的國內外論文如後。

1.3.1

國外的類神經網路相關論文

French 等（1992），將 BPN 運用於空間與時間之降雨強度預測，預測一小時之後的降雨。Daliakopoulos 等（1994），使用類神經網路做地下水水位預報，討論不同的類神經網路模式在地下水位預報上的表現以求得最佳的類神經網路架構所模擬出來之退減曲線。Lorrai 等（1995），使用二層隱藏層的 BPN 來架構「降雨－逕流」模式，分析月雨量與月流量間的關係；Hsu 等（1995），則使用自己提出的新演算方法（LLSSIM）來優化並決定 BPN 架構以探討「降雨－逕流」間的關係，並將結果與兩種傳統的模式（ARMAX 與 SAC-SMA）做比較，顯示倒傳遞類神經網路的確能準確模擬「降雨－逕流」間的關係。

Loke 等（1997），將類神經網路應用在都市排水的研究上，利用流量歷線或雨量紀錄來預測下一時刻的流量；Asaad 等（1997），探討不同的輸入層資料對模擬結果有何影響，其輸入層資料包含雨量、季節性資料、鄰近區域資訊等。

Sajikumar 等（1997），將類神經網路應用在月流量的研究上，討論雨量資料缺乏時如何建立模式以推求月流量。Cameron 等（1997），探討多種類輸入層資料之應用對月流量之推估有何影響，其輸入層資料包含雨量、溫度及流量。

Zhang 與 Rao（2000），主要將類神經網路應用於多流域的集流現象，其輸入層資料含雨量及平均溫度；Parios 等（2000），以回饋式類神經網路進行多階段的水位預測。Abdalla 與 Grcia（2003），將類神經網路應用於地下水水流模式之參數檢定，探討地下水水利傳導係數與地下水水頭之間的關係。

1.3.2

國內的類神經網路相關論文

陳昶憲、楊朝仲、王益文（1996），以倒傳遞類神經網路對烏溪流域之洪流預報作研究，以現時及過去 2 小時的資料預測未來 1 小時流量。孫建平（1997），

利用 BPN 及 GMDH，取前數小時之流量及雨量資料來預測下一個小時的流量；

黃智顯（1997），利用 BPN 研究坡地集水區的特性，取前數個小時的雨量及流量來預測一或多個小時後的流量。

楊朝仲（1997），以類神經網路為模式設計之主體，適時地與線性轉換函數、

灰關聯分析及自迴歸移動平均模式作搭配組合使用，設計適用於集水區洪水流量預測之類神經網路，發展出時序類神經洪流預測模式與灰色類神經降雨逕流模式，利用上游的流量資料來預測下游之洪流量。

郭益銘（1998），應用因子分析將雲林沿海地區地下水質資料進行歸納、整理和分類，以評估雲林沿海地區地下水質污染情形，然後應用倒傳遞類神經網路來預測地下水質變化，結果顯示 BP 具有模擬水質複雜變化之能力，並於預測時能獲得良好之可信度。

胡湘帆、黃源義（1998），結合規則庫控制、模糊控制及倒傳遞類神經網路建立一種架構簡單、應用方便，而且具有良好的推估能力及濾波的功能的「模糊類神經網路」，以進行流量推估的工作。

黃群岳（2000），發表之「颱風洪流量之神經網路預測」，以流域內各雨量站不同延時之逐時雨量為輸入值，水庫入流量為輸出值，利用倒傳遞網路建立「降雨─逕流」模式，預測洪峰到達時間及洪峰值。

梁晉銘（2000），彙整並針對多種具代表性之類神經網路模式進行深入的剖析，並逐一歸納其優劣特性，得出若干可行之原則後，結合模糊理論與模糊「最小－最大」團塊分類法對一複合型類神經網路模式（幅狀基底函數類神經網路）

進行結構性之改良，建構完成之新模式其結構不但具有建構迅速、組成彈性之優點外，並且能以最簡單的方式快速而有效地完成不同性質水文問題的需求，對於

未來整合河系全渠段不同成因多種水文問題推估系統之建立，提供了進一步實用化之參考。

胡永國（2002），針對已於 2001 年開工的高雄捷運主要的紅線路段，利用倒傳遞類神經網路，將現有地層鑽探資料中之土層孔隙比、洩降水位高度以及總體單位重做為輸入參數，分別以三種不同組合模式，來建立各參數與地表壓密沉陷量之相對最佳模式，進而推算出捷運紅線沿線從地表至施工基礎開挖面（地表下 17 至 20 公尺）所可能產生之沉陷量與分佈地區，以作為防治因施工所造成之潛在災害之評估參考。

曾國源（2001），以過去幾年曾多次發土石流災害之陳有蘭溪集水區為主要的研究區域，蒐集各類土石流發生資料，配合土石流災害之水文與地文條件進行發生機制辨識，架構一共用臨域類神經網路（Shared Near Neighbors Network, SNN Network）作為土石流預警系統之用，並評判其準確度及實用的效果性，藉以對未來可能發生之情況做模擬。

鍾芸菁（2004），使用地理資訊系統建置影響因子資料庫，經因素分析選定影響地下水流發生之參數為累積降雨量、降雨強度、主流長度、平均高程等項，

隨後採用倒傳遞網路分析影響地下水水位變化因素之相關程度，並決定類神經網路結構之最佳參數，以針對集水區降雨與地下水水位之模擬學習、輸入影響因素個數及加入地文因子學習表現進行探討。

賴建元（2006），利用地理統計方法來決定屏東平原地下水位推估之點位數量，再以類神經網路來推估地下水位，發現類神經網路方法於各月份之推估值均能接近實際觀測值，尤以空間推估最為優秀，而且其結果精度比傳統 SURFER 軟體所提供之克利金法佳。

在文檔中應用小波分析辨識地下水水位模擬之類神經網路架構 (頁 13-16)