颱洪中心於 2010 年起進行「台灣定量降雨系集預報實驗」(Taiwan Cooperative Precipitation Ensemble Forecast Experiment ， TAPEX) (Hsiao et al., 2013)，其目的在研發測試定量降雨預報技術並增加災防 單位應變作業時可參考之資訊，協助提升災害防救效能。其實驗結合 (Probability Matching，PM)以及遺傳演算法(Genetic Algorithm，GA) 兩種系集統計整合技術，針對石門水庫與曾文水庫集水區，評估強降
其基本精神係仿效生物界中物競天擇、適者生存的自然進化法則。藉 由從上一代物種中選擇出適應力較優的個體進行繁衍，隨機互換彼此 的優良基因資訊，以期產生比上一代個體適應性更佳的子代。如此不 斷重複，最終將產生適應力最強的最佳物種。遺傳演算法的最大優點 即是不需事先對欲求解的問題做過多假設，只要透過合適的基因編碼 (Gene Coding)與目標函數(Object Function)的設計即可與欲解決的問 題結合，進行最佳解的搜尋。而且，因遺傳演算法執行時係同時考慮 搜 尋 解 空 間 上 多 個 可 行 解 ， 故 可 較 快 速 獲 得 全 域 最 佳 解 (Global Optimum)，並避免落入區域最佳解(Local Optimum)的機會。近年來，
遺傳演算法技術已被廣泛運用於不同領域中進行最佳化相關研究，例 如模式參數、權重與架構最佳化(Wang, 1997; Mohan, 1997; Blanco et al., 2001; Jain and Srinivasulu, 2004; Lin and Wang, 2007; Lin et al., 2013)等等。
(2) 機率撮合法(probability-matched，PM)
本研究參考過去機率撮合(probability-matched，PM)方法在雷達 降雨、數值實驗上之應用經驗(Rosenfeld et al. 1993, 1994, 1995; Ebert 2001; Fang and Kuo 2013)，將其利用於TAPEX系集實驗的基礎上，發 展出適合之短期定量降雨預報技術。根據颱風洪水中心過去校驗之結 果顯示，系集平均(ensemble mean)在130 mm/24hrs之門檻值以上之強 降雨事件，其機率密度函數往往小於觀測值，表示在強降雨事件常常 有 低 估 的情 形；而 從 累 積分 布函數 來 看 ，系 集成員 與 觀 測於 70 mm/24hrs ~ 80 mm/24hrs之門檻值時，累積分布函數皆為0.93，顯示整
4
體系集成員相較系集平均來說更有機會能反應出強降雨事件。由整體
雨量值內插至石門、曾文水庫集水區內之測站進行評估。GA 方法則 為即時比對各雨量測站位置處之過去 6 小時內各系集成員預報雨量 值與觀測雨量值，評估各系集成員表現並據以訂定各系集成員間的最 佳組合權重，使得加權組合後之預報值與觀測值誤差最小，之後即應 用此組最佳組合權重即時整合與修正各系集成員在石門、曾文水庫集 水區內測站未來 24 小時之累積雨量預報值。應用 PM 與 GA 於石門 水庫集水區之預估結果如圖 2.3 所示，PM、GA 與系集平均之推估值 均高於實際降雨值，麥德姆颱風事件期間三者之均方根誤差分別為 89.4 mm、124.6 mm、73.1 mm；鳳凰颱風個案期間三者之均方根誤 差分別為 58.2 mm、76.7 mm、55.0 mm。有關曾文水庫集水區，PM、
GA 與系集平均之推估值均與實際降雨值十分接近，麥德姆颱風事件 期間三者之均方根誤差分別為 63.3 mm、80.7 mm、46.1 mm；鳳凰颱 風個案期間三者之均方根誤差分別為 24.9 mm、42.2 mm、33.2 mm。
整體而言，根據 2 場個案測試結果顯示以系集平均最接近實際值，PM 次之，而 GA 則易高估。由於目前個案數尚少，初步測試未能有一致 性的結果，未來預計將納入更多個案持續進行整體性之評估。
6
圖 2.2 機率撮合(probability-matched，PM)方法流程圖。
圖 2.3 2012 年每 24 小時全台雨量最大值比較圖(橫座標為 dtg)，紅 色線為觀測、藍色線為系集平均而綠色線為 PM 後雨量最大 值。
7
圖 2.4 麥德姆颱風與鳳凰颱風個案在(a)石門水庫及(b)曾文水庫集水 區之未來 24 小時降雨量預報結果。
(a)
(b)
8