範例 RMSE R RMSE R A 0.47 0.31 0.45 0.46 B 0.35 0.53 0.71 -0.05 C 0.47 0.24 0.51 0.10 D 0.43 0.46 0.59 -0.11
E 0.46 0.55 0.57 -0.17 F 0.45 0.48 0.50 0.13 G 0.44 0.56 0.61 0.00
類神經網路中參數之設定如表 5-12 所示。使用標準倒傳遞類神 經網路模式，即一層輸入層、一層隱藏層及一層輸出層的網路結構，
而軟體是由葉怡成教授自行開發並授權使用。
葉綠素（Chla）、總磷（TP）、透明度（SDD）、濁度（TB）
各隨機 10 次訓練範例與測試範例結果如表 5-13( a )、表 5-13( b )、表 5-13( c )、表 5-13( d )所示。
5-7 案例分析與討論
本研究先組合 89 種影像因子，再利用迴歸方式，建構影像因子 與地面水質參數（葉綠素、總磷、透明度）之模型關係，尋得較佳之 迴歸公式以推估水庫各點的水質狀況。利用 STATISTIC 6.0 軟體可 建構整個水庫葉綠素、總磷、透明度之空間分佈圖以及優養化狀況 圖，效果相當良好，鮮明的色彩，可讓水庫管理人員明確的瞭解水庫 現況。
在所尋求較佳迴歸公式中，水質參數與影像因子之相關係數 r 均 有偏低情形，葉綠素、總磷、透明度、濁度與影像因子之相關係數，
分別為 0.779、0.782、0.413、0.518，故仍有研究與改進的空間。
表 5-12 類神經網路中參數之設定
輸入層 隱藏層 輸出層 隱藏層處
理單元數 學習循環學習速率
初始值 慣性因子學習速率
下限值
1 1 1 6 100 1 0.95 0.1
表 5-13( a ) 類神經網路 Chla 隨機 10 次訓練範例與測試範例結果
Chla TRAIN TEST
範例 RMSE R RMSE R
A 2.67 0.77 2.67 0.72 B 2.85 0.76 2.04 0.68
C 2.89 0.73 2.01 0.7
D 2.71 0.78 2.9 0.81
E 2.63 0.81 2.62 0.59
F 3.02 0.7 1.77 0.74
G 2.46 0.68 3.51 0.77 H 2.66 0.63 3.55 0.79
I 2.8 0.73 2.49 0.74
J 2.93 0.7 2.04 0.78
AVE 2.76 0.73 2.56 0.73
表 5-13( b ) 類神經網路 TP隨機 10 次訓練範例與測試範例結果
TP TRAIN TEST
範例 RMSE R RMSE R
A 5.32 0.58 6.23 0.62
B 5.9 0.58 5.17 0.64
C 4.99 0.66 6.66 0.53 D 5.67 0.51 6.12 0.72 E 3.98 0.63 9.13 0.79 F 5.28 0.66 6.28 0.37
G 4.44 0.7 7.42 0.52
H 5.42 0.64 6.19 0.59
I 5.43 0.43 6.85 0.78 J 5.02 0.68 4.85 0.84
AVE 5.15 0.61 6.49 0.64
表 5-13( c ) 類神經網路 SDD隨機 10 次訓練範例與測試範例結果
SDD TRAIN TEST
範例 RMSE R RMSE R
A 0.37 0.2 0.32 0.18
B 0.37 0.2 0.31 -0.04
C 0.37 0.1 0.31 0.41
D 0.37 0.23 0.36 -0.1 E 0.23 0.39 0.49 -0.03
F 0.31 0.13 0.41 0.07 G 0.27 0.34 0.46 -0.04 H 0.33 0.25 0.4 -0.14
I 0.39 0.13 0.25 0.29 J 0.39 0.08 0.27 0.1
AVE 0.34 0.21 0.36 0.07
表 5-13( d ) 類神經網路 TB 隨機 10 次訓練範例與測試範例結果
TB TRAIN TEST
範例 RMSE R RMSE R
A 0.51 0.31 0.5 0.5
B 0.4 0.46 0.68 0.21
C 0.5 0.19 0.53 0.82
D 0.49 0.35 0.52 0.38
E 0.5 0.51 0.43 0.04
F 0.46 0.5 0.51 0.12
G 0.5 0.51 0.45 0.14
H 0.48 0.45 0.51 0.34
I 0.49 0.39 0.5 0.33
J 0.48 0.38 0.53 0.5
AVE 0.48 0.41 0.52 0.34
現由永和山水庫 2001 年 3 月 5 日葉綠素 a 之空間分佈圖，如圖 5-10 所示，其葉綠素濃度大部分都在 3~10μg/l 之間，水質狀況相當 穩定與良好，葉綠素濃度最高約 23μg/l，濃度較高處，大部份都在 水庫岸邊之極小的範圍內，這與岸邊水淺、藻類易繁殖，水質易受污 染似有密切的關係。
將 2001 年 3 月 5 日衛星影像所推估之水質，以 CTSI 判釋結果
（參閱圖 5-9）。水庫優養較嚴重區域仍在水庫週邊，整個水庫 CTSI 約在 44~55 之間，大部份範圍均屬普養，水質狀況相當良好，其原因 應與水源來自較山區未受家庭與工廠大量廢水污染且永和山水庫為 離槽水庫，較能慎選水源，且在「水源、水質、水量保護區」範圍內，
少有濫墾濫伐等事故。
由於 5-3-2 小節之迴歸分析方法，無訓練與測試過程，因此無 法與類神經網路之結果做一比較。茲將實測水質、已分訓練及測試範 例之迴歸分析推估值、神經網路推估值繪製比較圖，並依葉綠素
（Chla）、總磷（TP）、透明度（SDD）、濁度（TB）等四部份分 別輸出，如圖5-11( a ) ~圖 5-11( j )、圖 5-12( a ) ~圖 5-12( j )、圖 5-13( a )
~圖 5-13( j )、圖 5-14( a ) ~圖 5-14( j )所示。
實測水質與神經網路推估值、迴歸分析推估值之誤差均方根與 相關係數比較表如表 5-14( a ) ~表 5-14( d )所示。
2 4 0 5 0 0 2 4 1 0 0 0 2 4 1 5 0 0 2 4 2 0 0 0 2 4 2 5 0 0 2 4 3 0 0 0 2 7 2 6 5 0 0
2 7 2 7 0 0 0 2 7 2 7 5 0 0 2 7 2 8 0 0 0 2 7 2 8 5 0 0
3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
圖 5-10 2001 年 3 月 5 日葉綠素 a 之空間分佈圖
0 5 10 15 20
1 2 3 4 5 6 7 8 9 10 11 12
實測Chla 迴歸分析 推估值 神經網路 推估值
圖5-11( a )（隨機 1）實測葉綠素、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 5 10 15 20
1 2 3 4 5 6 7 8 9 10 11 12
實測Chla 迴歸分析 推估值 神經網路 推估值
圖 5-11( b )（隨機 2）實測葉綠素、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 5 10 15 20
1 2 3 4 5 6 7 8 9 10 11 12
實測Chla 迴歸分析 推估值 神經網路 推估值
圖 5-11( c )（隨機 3）實測葉綠素、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 5 10 15 20
1 2 3 4 5 6 7 8 9 10 11 12
實測Chla 迴歸分析 推估值 神經網路 推估值
圖 5-11( d )（隨機 4）實測葉綠素、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 5 10 15 20
1 2 3 4 5 6 7 8 9 10 11 12
實測Chla 迴歸分析 推估值 神經網路 推估值
圖 5-11( e )（隨機 5）實測葉綠素、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 5 10 15 20
1 2 3 4 5 6 7 8 9 10 11 12
實測Chla 迴歸分析 推估值 神經網路 推估值
圖 5-11( f )（隨機 6）實測葉綠素、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 5 10 15 20
1 2 3 4 5 6 7 8 9 10 11 12
實測Chla 迴歸分析 推估值 神經網路 推估值
圖 5-11( g )（隨機 7）實測葉綠素、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 5 10 15 20
1 2 3 4 5 6 7 8 9 10 11 12
實測Chla 迴歸分析 推估值 神經網路 推估值
圖 5-11( h )（隨機 8）實測葉綠素、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 5 10 15 20
1 2 3 4 5 6 7 8 9 10 11 12
實測Chla 迴歸分析 推估值 神經網路 推估值
圖 5-11( i )（隨機 9）實測葉綠素、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 5 10 15 20
1 2 3 4 5 6 7 8 9 10 11 12
實測Chla 迴歸分析 推估值 神經網路 推估值
圖 5-11( j )（隨機 10）實測葉綠素、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 10 20 30 40
1 2 3 4 5 6 7 8 9 10 11 12
實測TP 迴歸分析 推估值 神經網路 推估值
圖 5-12( a )（隨機 1）實測總磷、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 10 20 30 40
1 2 3 4 5 6 7 8 9 10 11 12
實測TP 迴歸分析 推估值 神經網路 推估值
圖 5-12( b )（隨機 2）實測總磷、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 10 20 30 40
1 2 3 4 5 6 7 8 9 10 11 12
實測TP 迴歸分析 推估值 神經網路 推估值
圖 5-12( c )（隨機 3）實測總磷、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 10 20 30 40
1 2 3 4 5 6 7 8 9 10 11 12
實測TP 迴歸分析 推估值 神經網路 推估值
圖 5-12( d )（隨機 4）實測總磷、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 10 20 30 40
1 2 3 4 5 6 7 8 9 10 11 12
實測TP 迴歸分析 推估值 神經網路 推估值
圖 5-12( e )（隨機 5）實測總磷、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 10 20 30 40
1 2 3 4 5 6 7 8 9 10 11 12
實測TP 迴歸分析 推估值 神經網路 推估值
圖 5-12( f )（隨機 6）實測總磷、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 10 20 30 40
1 2 3 4 5 6 7 8 9 10 11 12
實測TP 迴歸分析 推估值 神經網路 推估值
圖 5-12( g )（隨機 7）實測總磷、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 10 20 30 40
1 2 3 4 5 6 7 8 9 10 11 12
實測TP 迴歸分析 推估值 神經網路 推估值
圖 5-12( h )（隨機 8）實測總磷、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 10 20 30 40
1 2 3 4 5 6 7 8 9 10 11 12
實測TP 迴歸分析 推估值 神經網路 推估值
圖 5-12( i )（隨機 9）實測總磷、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0 10 20 30 40
1 2 3 4 5 6 7 8 9 10 11 12
實測TP 迴歸分析 推估值 神經網路 推估值
圖 5-12( j )（隨機 10）實測總磷、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濃度(μg/l)
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測SDD 迴歸分析 推估值 神經網路 推估值
圖 5-13( a )（隨機 1）實測透明度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：公尺(m)
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測SDD 迴歸分析 推估值 神經網路 推估值
圖 5-13( b )（隨機 2）實測透明度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：公尺(m)
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測SDD 迴歸分析 推估值 神經網路 推估值
圖 5-13( c )（隨機 3）實測透明度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：公尺(m)
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測SDD 迴歸分析 推估值 神經網路 推估值
圖 5-13( d )（隨機 4）實測透明度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：公尺(m)
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測SDD 迴歸分析 推估值 神經網路 推估值
圖 5-13( e )（隨機 5）實測透明度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：公尺(m)
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測SDD 迴歸分析 推估值 神經網路 推估值
圖 5-13( f )（隨機 6）實測透明度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：公尺(m)
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測SDD 迴歸分析 推估值 神經網路 推估值
圖 5-13( g )（隨機 7）實測透明度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：公尺(m)
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測SDD 迴歸分析 推估值 神經網路 推估值
圖 5-13( h )（隨機 8）實測透明度、迴歸分析、神經網路推估值比較圖
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測SDD 迴歸分析 推估值 神經網路 推估值
圖 5-13( i )（隨機 9）實測透明度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：公尺(m)
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測SDD 迴歸分析 推估值 神經網路 推估值
圖 5-13( j )（隨機 10）實測透明度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：公尺(m)
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測TB 迴歸分析 推估值 神經網路 推估值
圖 5-14( a )（隨機 1）實測濁度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濁度( NTU )
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測TB 迴歸分析 推估值 神經網路 推估值
圖 5-14( b )（隨機 2）實測濁度、迴歸分析、神經網路推估值比較圖
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測TB 迴歸分析 推估值 神經網路 推估值
圖 5-14( c )（隨機 3）實測濁度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濁度( NTU )
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測TB 迴歸分析 推估值 神經網路 推估值
圖 5-14( d )（隨機 4）實測濁度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濁度( NTU )
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測TB 迴歸分析 推估值 神經網路 推估值
圖 5-14( e )（隨機 5）實測濁度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濁度( NTU )
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測TB 迴歸分析 推估值 神經網路 推估值
圖 5-14( f )（隨機 6）實測濁度、迴歸分析、神經網路推估值比較圖
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測TB 迴歸分析 推估值 神經網路 推估值
圖 5-14( g )（隨機 7）實測濁度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濁度( NTU )
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測TB 迴歸分析 推估值 神經網路 推估值
圖 5-14( h )（隨機 8）實測濁度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濁度( NTU )
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測TB 迴歸分析 推估值 神經網路 推估值
圖 5-14( i )（隨機 9）實測濁度、迴歸分析、神經網路推估值比較圖
橫軸單位：筆數；縱軸單位：濁度( NTU )
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
1 2 3 4 5 6 7 8 9 10 11 12
實測TB 迴歸分析 推估值 神經網路 推估值
表 5-14( a ) Chla 神經網路推估值、迴歸分析推估值 ”RMSE” & “R”
Chla
TRAIN（10 次平均） TEST （10 次平均）
RMSE R RMSE R
神經網路 2.76 0.73 2.56 0.73 迴歸分析 2.23 0.81 2.68 0.71
表 5-14( b ) TP 神經網路推估值、迴歸分析推估值 ”RMSE” & “R”
TP TRAIN（10 次平均） TEST （10 次平均）
RMSE R RMSE R
神經網路 5.15 0.61 6.49 0.64 迴歸分析 4.42 0.71 5.71 0.71