臺灣主要港口附近海域長期波浪統計特性及設計波推算之研究(4/4)

MOTC-IOT-101-H2DB001f

臺灣主要港口附近海域長期波浪統計特性及

設計波推算之研究

(4/4)

交通部運輸研究所

中華民國

102 年 2 月

MOTC-IOT-101-H2DB001f

臺灣主要港口附近海域長期波浪統計特性及

設計波推算之研究

(4/4)

著 者：江玟德、張憲國、劉勁成、陳蔚瑋、何良勝

交通部運輸研究所

中華民國

102 年 2 月

國家圖書館出版品預行編目(CIP)資料 GPN：1009904082 ISBN : 978-986-02-5773-1 (平裝) 著作財產權人：中華民國（代表機關：交通部運輸研究所） 本著作保留所有權利，欲利用本著作全部或部分內容者，須徵求交通部 運輸研究所書面授權。 臺灣主要港口附近海域長期波浪統計特性及設計波推算之研究(4/4) 著 者：江玟德、張憲國、劉勁成、陳蔚瑋、何良勝 出版機關：交通部運輸研究所 地 址：10548 臺北市敦化北路 240 號 網 址：www.ihmt.gov.tw (中文版＞中心出版品) 電 話：(04)26587176 出版年月：中華民國102 年 2 月 印 刷 者： 版(刷)次冊數：初版一刷 110 冊 本書同時登載於交通部運輸研究所網站 定 價： 300 元 展 售 處： 交通部運輸研究所運輸資訊組•電話：(02)23496880 國家書店松江門市：10485 臺北市中山區松江路 209 號 F1•電話：(02) 25180207 五南文化廣場：40042 臺中市中山路 6 號•電話：(04)22260330 臺灣主要港口附近海域長期波浪統計特性及設計波推算之研究(4/4) / 江玟德等著. -- 初版 -- 臺北市 ： 交通部運研所, 2012.2 面 ; 公分 ISBN 978-986-02-5773-1 (平裝) 1. 水災 2.風災 3.橋樑 4.防災工程 548.314 99023424

GPN：1009904082 定價 300 元 ISBN 號碼 及條碼

101

臺灣主要港口附近海域長期波浪

統計特性及設計波推算之研究

(4/4)

交通部運輸研究所

I

交通部運輸研究所合作研究計畫出版品摘要表

出版品名稱：臺灣主要港口附近海域長期波浪統計特性及設計波推算之研究(4/4) 國際標準書號（或叢刊號）政府出版品統一編號 運輸研究所出版品編號 計畫編號 MOTC-IOT-10 1-H2DB001f 本所主辦單位：港研中心 主管：邱永芳 計畫主持人：何良勝 研究人員：江玟德 聯絡電話：04-26587126 傳真號碼：04-26560661 合作研究單位：國立交通大學 計畫主持人：張憲國 研究人員：劉勁成、陳蔚瑋 地址：新竹市大學路1001 號 聯絡電話：03-5131487 研究期間 自101 年 1 月 至101 年 12 月 關鍵詞：設計波、極值統計、臺灣主要港口 摘要： 本研究考慮風場受陸地阻擋及波浪受陸地遮蔽而衰減改善颱風波浪類神經推 算模式，透過二維轉換函數來建立適合臺中港與基隆港之颱風波浪推算模式。率 定模式階段使用本所港研中心有測得完整波浪資料的颱風。模式檢驗指標中最大 波高誤差取絕對值後平均約為0.9m，而最大波高發生時間誤差取絕對值後平均值 約7小時，各場颱風波高與實測值之均方根誤差平均為0.65m。推算波高與實測波 高的相關性則平均為0.75。 本研究以箱型圖進行初步分析取樣品質，再進一步討論極值分析之最佳推估方 法及季節性變化。並以年最大法推算出臺中與基隆兩港各重現期的設計波高提供 參考。另外建構波浪極值統計之視窗化操作介面，期望本介面能有效提昇模式的 操作效率以及擴展使用者族群，經過更完善的整合能夠使模式的應用性更加廣泛 。目標在於建立一套包含波浪資料輸入分析、月極值統計及年極值統計的應用程 式，未來透過圖形化的介面使整個操作流程更簡單方便。 本研究的成果效益與後續應用主要有兩個部份:1.提供臺灣港務公司基隆港務 分公司及臺中港務分公司檢核基隆、臺中兩港區設計波浪之資訊。2.本研究中的類 神經颱風波浪推算模式亦可提供基隆港務分公司及臺中港務分公司推算颱風侵臺 時兩港域可能會發生的波浪災害，以達成預警的功能。波浪極值統計視窗化介面 能提供相關工程設計單位快速計算各重現期的極值波高。 出版日期 頁數 定價 本 出 版 品 取 得 方 式 102 年 2 月 245 300 凡屬機密性出版品均不對外公開。普通性出版品，公營、公益 機關團體及學校可函洽本所免費贈閱；私人及私營機關團體可 按定價價購。 機密等級： □密□機密 □極機密 □絕對機密 （解密條件：□ 年 月 日解密，□公布後解密，□附件抽存後解密， □工作完成或會議終了時解密，□另行檢討後辦理解密） ■普通 備註：本研究之結論與建議不代表交通部之意見。

II

PUBLICATION ABSTRACTS OF RESEARCH PROJECTS INSTITUTE OF TRANSPORTATION

MINISTRY OF TRANSPORTATION AND COMMUNICATIONS

TITLE: Investigation of long-term wave statistics and design wave for main harbors of Taiwan(4/4)

ISBN(OR ISSN) GOVERNMENT PUBLICATIONS NUMBER

IOT SERIAL NUMBER

PROJECT NUMBER MOTC-IOT-101-H

2DB001f DIVISION: Center of Harbor & Marine Technology

DIVISION DIRECTOR: Chiu, Yung-Fang PRINCIPAL INVESTIGATOR: Ho, Liang-Sheng PROJECT STAFF: Jiang, Wen-Der

PHONE: (04) 26587126 FAX: (04) 26560661 PROJECT PERIOD FROM Jan. 2012 TO Dec. 2012 RESEARCH AGENCY: National Chiao Tung University

PRINCIPAL INVESTIGATOR: Chang, Hsien-Kuo PROJECT STAFF: Liou, Jin-Cheng, Chen, Wei-Wei

ADDRESS: 1001 Ta Hsueh Road, Hsinchu, Taiwan 300, ROC PHONE: (03) 5131487

KEY WORDS:

wave statistics；design wave；main harbors of Taiwan

Abstract:

The aim of the 4-year project is to determine the design wave for international harbors around Taiwan. Key technique for determining design waves is extreme analysis for wave heights that includes good wave samples and their best fitting distribution. The wave samples are less due to short measurement. A special wave prediction model using artificial neural network is developed for typhoon waves considering land effects on the wind structure of a typhoon and wave decay. Collected wave data are divided into two groups. The ANN model is examined applicable from good performance indices that are mean peak error less than 0.9m, their mean occurrence difference about 7hrs, rmse for whole data less than 0.65m and their correlation coefficient 0.75.

Wave samples are first examined valid by using the technique of box-plot. Least square method are suitable for determining parameters of Log-Normal’s probability distribution for extreme analysis is checked. The design waves for Taichung and Keelung harbor were determined in this project from annual extreme analysis. A whole graphical user interface (GUI) will be used to establish an easy operation system for data analysis, annual and monthly extreme analysis for all international harbors around Taiwan.

DATE OF PUBLICATION 2013/2 NUMBER OF PAGES 245 PRICE 300 CLASSIFICATION □RESTRICTED □CONFIDENTIAL □SECRET □TOP SECRET ▓UNCLASSIFIED

The views expressed in this publication are not necessarily those of the Ministry of Transportation and Communications

III

目錄

中文摘要 ... I 英文摘要 ... Ⅱ 目錄……… . III 圖目錄……… . ……Ⅴ 表目錄……… .. ...Ⅸ

第一章 前言 ... 1-1

1.1 研究目的 ... 1-1 1.2 文獻回顧 ... 1-1 1.3 工作項目與各年度成果 ... 1-3

第二章 類神經颱風波浪推算模式 ... 2-1

2.1 資料來源與處理 ... 2-1 2.2 類神經颱風波浪模式 ... 2-10 2.2.1 類神經網路架構 ... 2-10 2.2.2 資料分類 ... 2-14 2.2.3 模式輸入與輸入層轉換函數 ... 2-14 2.2.4 歸屬函數修正輸入參數 ... 2-20 2.2.5 轉換函數與訓練函數 ... 2-26 2.2.6 隱藏層神經元測試 ... 2-27 2.3 波浪推算結果與實測波浪之驗證 ... 2-28 2.4 類神經颱風波浪推算模式之風險分析 ... 2-32 2.5 本年度侵臺颱風之波浪推算結果 ... 2-33

第三章 經驗式颱風波浪推算模式 ... 3-1

3.1 經驗式波浪推算模式理論 ... 3-1 3.2 模式推算結果 ... 3-4

第四章 季節性統計分析方法-月極值統計特性 ... 4-1

4.1 極值統計理論 ... 4-1 4.2 極值分布函數 ... 4-1 4.3 極值分布參數推定 ... 4-2 4.3.1 MOM 推定法 ... 4-3 4.3.2 MLE 推定法... 4-3 4.3.3 LSM 推定法 ... 4-4 4.4 信賴檢定 ... 4-4 4.4.1 MIR 值檢定: ... 4-4

IV 4.4.2 RMSE 檢定: ... 4-6 4.4.3 ER 檢定: ... 4-6 4.5 推估值之標準偏差 ... 4-6 4.5.1 Goda(2000)方法: ... 4-6 4.5.2 MLE 方法: ... 4-7 4.6 資料分析 ... 4-8 4.6.1 資料選取及補遺 ... 4-8 4.6.2 箱型圖分析決定取樣資料 ... 4-9 4.6.3 重現期的極值波高估算 ... 4-15 4.7 分析結果 ... 4-17

第五章 不同樣本的極值分析與設計波浪推估 ... 5-1

5.1 極值統計資料 ... 5-1 5.2 臺中港各重現期波高推算結果 ... 5-1 5.3 基隆港各重現期波高推算結果 ... 5-5

第六章 波浪極值統計視窗化操作之建構 ... 6-1

6.1 圖形化使用者介面之介紹 ... 6-1  6.2 建構成果……….6-4

第七章 極值函數與參數推定法綜合比較 ... 7-1

7.1 颱風波浪推算模式之比較 ... 7-1 7.2 各港類神經颱風波浪推算模式精度比較 ... 7-2 7.3 各月最適極值函數與參數推定法比較 ... 7-3 7.4 各港最適年極值函數與參數推定法綜合比較 ... 7-5

第八章 結論與建議 ... 8-1

8.1 結論 ... 8-1 8.2 建議 ... 8-2 8.3 成果效益及後續應用情形 ... 8-3

參考文獻 ... 參-1

附錄一 臺中港與基隆港類神經波浪推算模式推算結果 .. 附-1

附錄二

第一年期中

-期末報告審查意見處理情形表 ... 附-36

附錄三

第二年期中

-期末報告審查意見處理情形表 ... 附-43

附錄四

第三年期中

-期末報告審查意見處理情形表 ... 附-49

附錄五

第四年期中

-期末報告審查意見處理情形表 ... 附-58

附錄六

期中簡報

... 附-66

附錄七

期末簡報

... 附-86

V

圖目錄

圖2.1 基隆港波浪觀測位置示意圖 ... 2-2 圖2.2 臺中港波浪觀測樁位置示意圖 ... 2-3 圖2.3 臺灣地區颱風路徑分類圖(1897-2010 年)(引自中央氣象局) ... 2-8 圖2.4 颱風中心位置與相對應臺中港波高資料空間分布圖 ... 2-9 圖2.5 颱風中心位置與相對應基隆港波高資料空間分布圖 ... 2-10 圖2.6 颱風中心對目標點方位角Θ1與颱風移動方位角Θ2示意圖 ... 2-15 圖2.7 氣旋中心附近風速風向分佈示意圖 ... 2-16 圖2.8 颱風距離與目標點波高分布 ... 2-18 圖2.9 颱風在等壓面上內平均風速分布示意圖(引自中央氣象局) ... 2-19 圖2.10 各距離範圍的Θ1經高斯轉換後與波高的相關性分布圖 ... 2-22 圖2.11 對應角度與距離的二維Θ1轉換函數 ... 2-22 圖2.12 各距離範圍的Θ3經高斯轉換後與波高的相關性分布圖 ... 2-23 圖2.13 對應角度與距離的二維Θ3轉換函數 ... 2-24 圖2.14 各距離範圍的VDEG經高斯轉換後與波高的相關性分布圖 ... 2-24 圖2.15 對應角度與距離的二維VDEG轉換函數 ... 2-25 圖2.16 正切雙彎曲轉換函數與雙彎曲函數 ... 2-27 圖2.17 臺中港類神經颱風波浪推算模式風險分析 ... 2-32 圖2.18 基隆港類神經颱風波浪推算模式風險分析 ... 2-33 圖2.19 本研究類神經颱風波浪推算模式推算花蓮港颱風波浪結果 ... 2-34 圖2.20 本研究類神經颱風波浪推算模式推算高雄港颱風波浪結果 ... 2-35 圖2.21 本研究類神經颱風波浪推算模式推算安平港颱風波浪結果 ... 2-35 圖2.22 本研究類神經颱風波浪推算模式推算臺北港颱風波浪結果 ... 2-36 圖2.23 本研究類神經颱風波浪推算模式推算臺中港颱風波浪結果 ... 2-36 圖2.24 本研究類神經颱風波浪推算模式推算基隆港颱風波浪結果 ... 2-37 圖3.1 湯(1970)和井島(1972)推算模式模擬範圍 ... 3-4 圖4.1 箱型圖架構示意圖 ... 4-9 圖4.2 箱型圖分析流程圖 ... 4-10 圖4.3 臺中港 2000-2010 年極值波高箱型圖 ... 4-11 圖4.4 基隆港2002-2010 年極值波高箱型圖 ... 4-14 圖4.5T 年重現期極值波高之估算流程示意圖 ... 4-16 圖4.6 推估1 月臺中港波浪之機率密度函數及機率函數圖 ... 4-18 圖4.7 推估 2 月臺中港波浪之機率密度函數及機率函數圖 ... 4-19 圖4.8 推估 3 月臺中港波浪之機率密度函數及機率函數圖 ... 4-20 圖4.9 推估 4 月臺中港波浪之機率密度函數及機率函數圖 ... 4-21

VI 圖4.10 推估 5 月臺中港波浪之機率密度函數及機率函數圖 ... 4-22 圖4.11 推估 6 月臺中港波浪之機率密度函數及機率函數圖 ... 4-23 圖4.12 推估7 月臺中港波浪之機率密度函數及機率函數圖 ... 4-24 圖4.13 推估 8 月臺中港波浪之機率密度函數及機率函數圖 ... 4-25 圖4.14 推估9 月臺中港波浪之機率密度函數及機率函數圖 ... 4-26 圖4.15 推估 10 月臺中港波浪之機率密度函數及機率函數圖 ... 4-27 圖4.16 推估11 月臺中港波浪之機率密度函數及機率函數圖 ... 4-28 圖4.17 推估 12 月臺中港波浪之機率密度函數及機率函數圖 ... 4-29 圖4.18 推估1 月基隆港波浪之機率密度函數及機率函數圖 ... 4-31 圖4.19 推估2 月基隆港波浪之機率密度函數及機率函數圖 ... 4-32 圖4.20 推估3 月基隆港波浪之機率密度函數及機率函數圖 ... 4-33 圖4.21 推估4 月基隆港波浪之機率密度函數及機率函數圖 ... 4-34 圖4.22 推估5 月基隆港波浪之機率密度函數及機率函數圖 ... 4-35 圖4.23 推估6 月基隆港波浪之機率密度函數及機率函數圖 ... 4-36 圖4.24 推估7 月基隆港波浪之機率密度函數及機率函數圖 ... 4-37 圖4.25 推估8 月基隆港波浪之機率密度函數及機率函數圖 ... 4-38 圖4.26 推估9 月基隆港波浪之機率密度函數及機率函數圖 ... 4-39 圖4.27 推估10 月基隆港波浪之機率密度函數及機率函數圖 ... 4-40 圖4.28 推估11 月基隆港波浪之機率密度函數及機率函數圖 ... 4-41 圖5.1 推估臺中港實測波浪之機率密度函數及機率函數圖 ... 5-3 圖5.2 臺中港半經驗模式年極值之機率密度函數及機率函數圖 ... 5-4 圖5.3 臺中港類神經模式年極值之機率密度函數及機率函數圖 ... 5-5 圖5.4 推估基隆港實測波浪之機率密度函數及機率函數圖 ... 5-7 圖5.5 基隆港半經驗模式年極值之機率密度函數及機率函數圖 ... 5-8 圖5.6 基隆港類神經模式年極值之機率密度函數及機率函數圖 ... 5-9 圖6.1GUI 的開發對於使用者族群的分布變化 ... 6-1 圖6.2 波浪極值統計介面的輸入設定視窗部份 ... 6-4 圖6.3 波浪極值統計介面的輸出視窗部份 ... 6-5 附圖1 柯羅旺(2003)颱風資訊與臺中港推算結果 ... 1 附圖2 杜鵑(2003)颱風資訊與臺中港推算結果 ... 1 附圖3 梅米(2003)颱風資訊與臺中港推算結果 ... 2 附圖4 米勒(2003)颱風資訊與臺中港推算結果 ... 2 附圖5 康森(2004)颱風資訊與臺中港推算結果 ... 3 附圖6 蘭寧(2004)颱風資訊與臺中港推算結果 ... 3 附圖7 艾利(2004)颱風資訊與臺中港推算結果 ... 4 附圖8 陶卡基(2004)颱風資訊與臺中港推算結果 ... 4

VII 附圖9 納坦(2004)颱風資訊與臺中港推算結果 ... 5 附圖10 敏督利(2004)颱風資訊與臺中港推算結果 ... 5 附圖11 海棠(2005)颱風資訊與臺中港推算結果 ... 6 附圖12 泰利(2005)颱風資訊與臺中港推算結果 ... 6 附圖13 卡努(2005)颱風資訊與臺中港推算結果 ... 7 附圖14 丹瑞(2005)颱風資訊與臺中港推算結果 ... 7 附圖15 龍王(2005)颱風資訊與臺中港推算結果 ... 8 附圖16 珍珠(2006)颱風資訊與臺中港推算結果 ... 8 附圖17 碧利斯(2006)颱風資訊與臺中港推算結果 ... 9 附圖18 凱米(2006)颱風資訊與臺中港推算結果 ... 9 附圖19 桑美(2006)颱風資訊與臺中港推算結果 ... 10 附圖20 寶發(2006)颱風資訊與臺中港推算結果 ... 10 附圖21 珊珊(2006)颱風資訊與臺中港推算結果 ... 11 附圖22 西馬隆(2006)颱風資訊與臺中港推算結果 ... 11 附圖23 奇比(2006)颱風資訊與臺中港推算結果 ... 12 附圖24 帕布(2007)颱風資訊與臺中港推算結果 ... 12 附圖25 聖帕(2007)颱風資訊與臺中港推算結果 ... 13 附圖26 韋帕(2007)颱風資訊與臺中港推算結果 ... 13 附圖27 柯羅莎(2007)颱風資訊與臺中港推算結果 ... 14 附圖28 卡玫基(2008)颱風資訊與臺中港推算結果 ... 14 附圖29 鳳凰(2008)颱風資訊與臺中港推算結果 ... 15 附圖30 辛樂克(2008)颱風資訊與臺中港推算結果 ... 15 附圖31 哈格比(2008)颱風資訊與臺中港推算結果 ... 16 附圖32 蓮花(2009)颱風資訊與臺中港推算結果 ... 16 附圖33 莫拉菲(2009)颱風資訊與臺中港推算結果 ... 17 附圖34 莫拉克(2009)颱風資訊與臺中港推算結果 ... 17 附圖35 芭瑪(2009)颱風資訊與臺中港推算結果 ... 18 附圖36 凡那比(2010)颱風資訊與臺中港推算結果 ... 18 附圖37 梅姬(2010)颱風資訊與臺中港推算結果 ... 19 附圖38 桃芝(2001)颱風資訊與基隆港推算結果 ... 19 附圖39 納莉(2001)颱風資訊與基隆港推算結果 ... 20 附圖40 海燕(2001)颱風資訊與基隆港推算結果 ... 20 附圖41 雷馬遜(2002)颱風資訊與基隆港推算結果 ... 21 附圖42 辛樂克(2002)颱風資訊與基隆港推算結果 ... 21 附圖43 蘇迪勒(2003)颱風資訊與基隆港推算結果 ... 22 附圖44 杜鵑(2003)颱風資訊與基隆港推算結果 ... 22

VIII 附圖45 梅米(2003)颱風資訊與基隆港推算結果 ... 23 附圖46 米勒(2003)颱風資訊與基隆港推算結果 ... 23 附圖47 敏督利(2004)颱風資訊與基隆港推算結果 ... 24 附圖48 蘭寧(2004)颱風資訊與基隆港推算結果 ... 24 附圖49 梅姬(2004)颱風資訊與基隆港推算結果 ... 25 附圖50 艾利(2004)颱風資訊與基隆港推算結果 ... 25 附圖51 陶卡基(2004)颱風資訊與基隆港推算結果 ... 26 附圖52 納坦(2004)颱風資訊與基隆港推算結果 ... 26 附圖53 海棠(2005)颱風資訊與基隆港推算結果 ... 27 附圖54 馬莎(2005)颱風資訊與基隆港推算結果 ... 27 附圖55 泰利(2005)颱風資訊與基隆港推算結果 ... 28 附圖56 卡努(2005)颱風資訊與基隆港推算結果 ... 28 附圖57 龍王(2005)颱風資訊與基隆港推算結果 ... 29 附圖58 珊珊(2006)颱風資訊與基隆港推算結果 ... 29 附圖59 萬宜(2007)颱風資訊與基隆港推算結果 ... 30 附圖60 帕布(2007)颱風資訊與基隆港推算結果 ... 30 附圖61 聖帕(2007)颱風資訊與基隆港推算結果 ... 31 附圖62 韋帕(2007)颱風資訊與基隆港推算結果 ... 31 附圖63 柯羅莎(2007)颱風資訊與基隆港推算結果 ... 32 附圖64 鳳凰(2008)颱風資訊與基隆港推算結果 ... 32 附圖65 辛樂克(2008)颱風資訊與基隆港推算結果 ... 33 附圖66 薔蜜(2008)颱風資訊與基隆港推算結果 ... 33 附圖67 莫拉克(2009)颱風資訊與基隆港推算結果 ... 34 附圖68 凡那比(2010)颱風資訊與基隆港推算結果 ... 34 附圖69 梅姬(2010)颱風資訊與基隆港推算結果 ... 35

IX

表目錄

表2.1 自2000 至 2010 年中央氣象局所發布警報的颱風列表 ... 2-4 表2.2 選取用來建立臺中港模式的颱風資訊與其對應最大波高 ... 2-5 表2.3 選取用來建立基隆港模式的颱風資訊與其對應最大波高 ... 2-6 表2.4 輸入因子與波浪間的相關性分析 ... 2-20 表2.5 雙峰轉換後的輸入參數與波高間的相關性分析 (2400KM以內) ... 2-26 表2.6 臺中港類神經颱風波浪推算結果 ... 2-29 表2.7 基隆港類神經颱風波浪推算結果 ... 2-30 表3.1 臺中港半經驗颱風波浪推算結果 ... 3-5 表3.2 基隆港半經驗颱風波浪推算結果 ... 3-6 表4.1 各極值分佈相關統計量之特性 ... 4-3 表4.2 計算樣本順位機率之



及 值 ... 4-4 表4.3 相關係數殘差平均值公式之係數

a

，b 及

c

值 ... 4-5 表4.4 重現期推算量之標準偏差公式中之係數 ... 4-7 表4.5 臺中港2000-2010 年每月波高之箱型圖分析表（單位：M） ... 4-11 表4.6 臺中港每月最大波高資料表（單位:M） ... 4-12 表4.7 基隆港2002-2010 年每月波高之箱型圖分析表（單位：M） ... 4-13 表4.8 基隆港每月最大波高資料表（單位:M） ... 4-14 表 4.9 推估1 月臺中港波浪之各重現期波高及其推算標準偏差 ... 4-18 表 4.10 推估2 月臺中港波浪之各重現期波高及其推算標準偏差 ... 4-19 表4.11 推估3 月臺中港波浪之各重現期波高及其推算標準偏差 ... 4-20 表4.12 推估4 月臺中港波浪之各重現期波高及其推算標準偏差 ... 4-21 表4.13 推估5 月臺中港波浪之各重現期波高及其推算標準偏差 ... 4-22 表4.14 推估6 月臺中港波浪之各重現期波高及其推算標準偏差 ... 4-23 表4.15 推估 7 月臺中港波浪之各重現期波高及其推算標準偏差 ... 4-24 表4.16 推估 8 月臺中港波浪之各重現期波高及其推算標準偏差 ... 4-25 表4.17 推估 9 月臺中港波浪之各重現期波高及其推算標準偏差 ... 4-26 表4.18 推估10 月臺中港波浪之各重現期波高及其推算標準偏差 ... 4-27 表4.19 推估 11 月臺中港波浪之各重現期波高及其推算標準偏差 ... 4-28 表4.20 推估 12 月臺中港波浪之各重現期波高及其推算標準偏差 ... 4-29 表4.21 推估1 月基隆港波浪之各重現期波高及其推算標準偏差 ... 4-31 表4.22 推估2 月基隆港波浪之各重現期波高及其推算標準偏差 ... 4-32 表4.23 推估3 月基隆港波浪之各重現期波高及其推算標準偏差 ... 4-33 表4.24 推估4 月基隆港波浪之各重現期波高及其推算標準偏差 ... 4-34

X 表4.25 推估5 月基隆港波浪之各重現期波高及其推算標準偏差 ... 4-35 表4.26 推估6 月基隆港波浪之各重現期波高及其推算標準偏差 ... 4-36 表4.27 推估7 月基隆港波浪之各重現期波高及其推算標準偏差 ... 4-37 表4.28 推估8 月基隆港波浪之各重現期波高及其推算標準偏差 ... 4-38 表4.29 推估9 月基隆港波浪之各重現期波高及其推算標準偏差 ... 4-39 表4.30 推估10 月基隆港波浪之各重現期波高及其推算標準偏差 ... 4-40 表4.31 推估11 月基隆港波浪之各重現期波高及其推算標準偏差 ... 4-41 表4.32 推估12 月基隆港波浪之各重現期波高及其推算標準偏差 ... 4-42 表5.1 推估臺中港實測波浪之各重現期波高及其推算標準偏差 ... 5-2 表5.2 臺中港半經驗模式年極值之各重現期波高及其推算標準偏差 ... 5-3 表5.3 臺中港類神經模式年極值之各重現期波高及其推算標準偏差 ... 5-4 表5.4 推估基隆港實測波浪之各重現期波高及其推算標準偏差 ... 5-7 表5.5 基隆港半經驗模式年極值之各重現期波高及其推算標準偏差 ... 5-8 表5.6 基隆港類神經模式年極值之各重現期波高及其推算標準偏差 ... 5-9 表7.1 臺中港兩種波浪推算模式的誤差比較 ... 7-1 表7.2 基隆港兩種波浪推算模式的誤差比較. ... 7-2 表7.3 各類神經颱風波浪推算成效比較 ... 7-3 表7.4 臺中港各月份最適極值函數與對應的50 年重現期波高 ... 7-4 表7.5 基隆港各月份最適極值函數與對應的50 年重現期波高 ... 7-4

1-1

第一章

前言

1.1 研究目的

設計港灣或海岸結構物前，都會先決定設計波浪。設計波浪需由 長期實測波浪資料或推算波浪資料來決定，對50 年使用年限的港灣結 構物的設計條件，需要利用相當長的波浪實測資料方能分析，但實際 上可能常因現有記錄的時間長度不足，無法達成。此時，需要藉由統 計方法，利用有限長度的資料，去推估重現期之波浪特性，此分析技 巧稱為極值統計。 在國內外設計港灣工程也有相當久之歷史，經驗也相當豐富。在 國內往昔計算設計波浪之方法及流程大多參考美國工兵團之海岸工程 手冊(Coastal engineering manual)(以前版本稱為海岸保護手冊)，並無防 波堤安全上之問題，顯見目前的設計方法及流程是安全無虞的，甚至 有超過安全設計之可能，故在學理上及操作上尚有幾個問題值得探討。 極值統計分析應用於海洋工程時，一般採用年最大法，假設每一 年的極值波高為符合某種分佈的隨機變量，取每年發生的最大波高進 行分析。但實際海洋的波浪，常因受到具有季節性變化的氣象、洋流 等外在因素的影響，一年中每個月的極值波浪會顯現出具有週期性變 化的特性，而並非完全為隨機的過程。故本研究提出一個分析極值波 高的季節性變化之簡單可行方法與過程，考慮極值波高之年週期與半 年週期的季節性變化影響，改善一整年極值分佈參數的變異。評估極 值統計不同的極值分佈函數與參數推定法，決定較佳模式配適結果， 並分析比較年最大法與月最大法推估極值波高結果。

1.2 文獻回顧

早期極值統計之資料選取，是討論所有觀測資料。但實際海域上 波浪存在各種特性之波高，大部分的取樣資料並不是極端值情況，導 致很難由觀測資料推測極值波高的母體參數。於是Haver(1985)開始針

1-2

對觀測之極端值作討論，研究發生機率低的極值波高在不同極值函數

分佈下的情形。Guedes Soares and Henriques(1996)與 Ferreira and Guedes

Soares(2000)討論到海域下許多不同的母體共存，在極值分析將所有觀 測資料屬於某一母體特性，有母體分類上的困難。故現今極值分析討 論局部觀測資料，依資料選取方式，主要可分為超量門檻選用法與極 端值選用法二種。

最早，Petruaskas and Aagaard(1971)討論由暴潮資料推斷觀測樣 本，沒有統計上的理論基礎，只有實際觀測波高資料之研究。Guedes Soares(1986)將觀測資料加入某一門檻值作資料選取，提出一種極值統 計之研究方法。先設定一門檻值，選取所有超越門檻值的資料為觀測 樣本，稱為超量門檻選用法(peak over threshold, POT)。Davison(1984)

和Smith(1984)開始推導門檻值的理論，之後 Davison and Smith(1990)

以廣義 Pareto 分佈為模式配適，討論超越門檻值統計特性，其超越門

檻值的分佈可分成Gumbel, Frechet, or Weibull 分佈情況。Ferreira and

Guedes Soares(1998)和 Elsinghorst 等(1998)描述超越門檻法應用於波高 資料推估重現期波高，Naess and Clausen(2002)將此分析結果應用於波

速推算之相關問題。Vidal 等(2006)提出因最大波高符合 Rayleigh 分佈，

與防波堤設計公式與暴潮延時有相當大的關係。Mendez 等(2006)提出 超量門檻選用法的極值波高，存在非穩定的季節性變化，其波高符合 極端值分佈。Mendez 等討論暴潮延時和超越門檻值的選擇，對暴潮模 式的建立有很重要的影響。

Galambos(1987), Embrechts 等(1997), Coles(2001)陸續討論另一種 極值統計的研究方法，在波高時序列中的每一固定時間範圍內下，取 一極值波高，所分析方式即為極端值選用法。當取樣的固定時間為一 年時，即為最常應用的年最大法。Carter and Challenor(1981), Muir and El Shaarawi(1986)使用年最大法分析波高資料分佈問題，保持最大值重 要特性的機制。Van Vledder 等(1993)指出極端值選用法沒有完整理論 基礎，故無廣泛應用在海岸工程上，但其結果具有指標性的極值特性， 仍為值得的研究之方法。Guedes Soares and Scotto(2001)討論極端值選

1-3 用法與其他研究方法之比較。本研究應用Mendez 等(2006)提出極值參 數季節性變化之概念，但不同於原作者使用的超量選用法，而是應用 於極端值選用法中的年最大法與月最大法，探討極值波高季節性之情 況。

1.3 工作項目與各年度成果

本研究期程為四年，98 年度以花蓮港與高雄港為主，透過經驗式 波浪推算模式與類神經颱風波浪推算模式來探討樣本之極值統計特 性，並探討不同取樣樣本及極值函數的統計特性比較，本研究第一年 完成花蓮港類神經波浪推算模式的修正，並建立各極值函數與參數推 定的數值工具，並比較類神經、半經驗及實測資料在極值統計樣本上 的差異，針對年最大法、年前三大、及超量取樣法作探討。99 年度以 花蓮與高雄為主，延續往昔經驗並考慮臺灣西海岸受陸地遮蔽效應建 立高雄港颱風波浪推算模式，考慮月極值統計特性來分析季節性統計 分析方法的適用性，再以年最大法確定花蓮高雄兩港各重現期之設計 波浪，並針對年最大取法與超量選用法的差異作比較，另外對於波浪 極值統計視窗化操作介面也進行初步建構。100 年以臺北港與安平港為 主，分別建立臺北港與安平港的類神經颱風波浪推算模式，對不同取 樣樣本(類神經、經驗式、實測資料)與各種極值函數來探討極值統計特 性，並分析月極值統計與季節性特性，再確定臺北、安平兩港各回歸 期之設計波浪，另外亦持續進行波浪極值統計視窗化操作之建立。 本年度以基隆港與臺中港為主，分別建立基隆港與臺中港的類神 經颱風波浪推算模式，針對臺中港的地址位置與其颱風波浪特性提出 二維轉換函數來提升模式推算準確性。除了建構類神經颱風波浪推算 模式外並以傳統經驗式波浪模式進行推算，對不同取樣樣本(類神經、 經驗式、實測資料)與各種極值函數來探討極值統計特性，並分析月極 值統計與季節性特性，再推算基隆、臺中兩港各回歸期之設計波浪， 另外將整合往昔波浪極值統計技術建立視窗化操作介面。本年度研究

1-4 計畫之工作項目分為七個部份，目前所有工作項目皆已完成，工作內 容符合預定進度，以下為工作項目。 1.以經驗式推算波浪模式推算颱風波浪及探討其樣本之極值統計特性。 2. 建立類神經波浪推算模式，並計算颱風波浪及探討其樣本之極值統 計特性。 3.探討不同取樣樣本及極值函數對統計特性之比較。 4.以年最大取法於最適分布之樣本來源，確定基隆、臺中兩港域之各回 歸期之設計波浪。

5.以季節性統計分析方法(seasonal wave statistics) 探討基隆、臺中兩港 域波浪每月極值統計特性。

6.波浪極值統計視窗化操作之建立。

7.就本研究成果之特性，填報績效指標項目，並以量化或質化方式，說 明本研究主要成果及重大突破。

2-1

第二章

類神經颱風波浪推算模式

臺中港是位於臺灣中部的一個國際商港，距離北部基隆港和南部 高雄港各約110 海里。港區總面積為 3,793 公頃，水域面積 973 公頃， 陸地面積2,820 公頃；港區全境橫跨臺中市龍井區、梧棲區、清水區， 港內大部分設施皆位於梧棲，管理單位為臺灣港務公司臺中港分公 司。目前因吞吐量大幅成長為臺灣第二大港，也是中臺灣的航運門戶。 臺中港目前有50 座碼頭，擁有自動化卸儲設備。不過，臺中港一直深 受潮汐及淤沙的問題所困擾，雖然開港後發展迅速，臺中港的發展還 是略遜於腹地小但位置優越的基隆港，但以臺中港民國99 年至 100 年 的貨物裝卸量來看明顯突破往昔至一億零七百萬噸。 基隆港自清光緒 12 年（西元 1886 年）建港迄今，一直伴隨著臺 灣經濟之繁榮發展而茁壯成長；今日臺灣之富足康樂基隆港有不可磨 滅之功績。基隆港為國際港埠，肩負促進國際貿易及發展航業之重責 大任，尤其接近政治、經濟中心之大臺北都會區，都會週邊又密佈各 類型工業區，腹地廣大，人口稠密，資源豐富，向為臺灣高價值貨物 吞吐最主要之門戶，港埠地位甚為顯要。發展至今，基隆港的碼頭總 數從日治時期全座落在西岸的18 座，擴增為現在的 57 座（西岸 37 座、 東岸20 座）。民國 95 年年度全中華民國關稅總收入之中，經基隆港之 收入為新台幣821 億餘元，佔總收入之 60.54％。民國 100 年度全國關 稅總收入（基隆、臺北、臺中、高雄）共為1,619 億餘元，其中經基隆 港收入為747 億餘元，佔總收入 46.14％，由此可見，基隆港對國家經 濟發展的重大貢獻。

2.1 資料來源與處理

本研究所分析的資料均是由本所港研中心所提供的波浪資料。本 所港研中心於2001 年 6 月中旬安置挪威 NORTEK 公司之剖面海流表 面波浪與潮汐之監測系統(簡稱 AWCP)，安裝在基隆港東防波堤堤頭外 水深44 m 處(測站 X0)，2006 年 8 月因防波堤延伸工程，移至現址(測

2-2 站X1)。歷年觀測波浪資料蒐集概況如表 1.1。AWCP 系統有兩個分離 波高量測模式：一個是對平靜波浪時，當資料由傳統式壓力感應器量 測時將會因儀器佈放的深度而受很大的影響。此時，表面高度必須用 一個聲波式的高度感應器量測波高。波高量測範圍(1)資料量測模式： 壓力及沿每一個波束選取一個流速層。(2)量測流層距離：0.5、1.0、2.0 m 可選擇性。(3)最大資料輸出頻率：2Hz(以內含)。(4)儀器內取樣頻率： 4～6Hz。(5)取樣期間之取樣數：512、1024 或 2048 次可選擇性。(6) 所有資料都儲存於岸上的電腦與主機內。其新舊觀測樁位置如圖 2.1 所示。 臺中港波浪之觀測方面，因臺中港務局北防波堤延長工程開始展 開整平拋石工作影響到儀器安全，2000 年 8 月 18 日暫時停止量測並 將設備收回。2003 年 5 月臺中港務局北防波堤延長工程完成後本所隨 即在2003 年 7 月 5 日就安裝完成(挪威 NORTEK 公司)波高波向與剖面 海流即時傳送監測系統，安裝在臺中港北防波堤堤頭 150m 外、水深 25 m 處(稱測站 X1)，如圖 2.2 所示。 圖2.1 基隆港波浪觀測位置示意圖

2-3 圖 2.2 臺中港波浪觀測樁位置示意圖 根據本所港研中心所提供之臺中港波浪資料，紀錄時間為2000 年 1 月至 2010 年 12 月。其中有三段長期資料缺漏的時間：1. 2000 年 9 月至2003 年 7 月；2. 2007 年 11 至 12 月：3. 2008 年 10 月至 2009 年 5 月，其餘波浪資料大致上完整，但遇上颱風時常會有6~10 小時的缺漏。 本研究選取 HS (示性波高)作為實測波高資料，即以波群中依照大小排 序，取前1/3 大的個別波波高平均值來代表波浪的大小，其在統計特性 上，具安定性且較能反映波浪所含之能量大小，是最常使用的代表波。 (郭，2001)

颱風資料取自日本國土交通省氣象廳(JMA)的 RSMC-Tokyo Center

颱風氣象資料，颱風的名稱、發生時間與行進路徑皆採用RSMC-Tokyo Center 發 佈 的 資 料 為 準 ， 時 間 格 式 以 臺 灣 的 所 在 時 區 為 準 。 RSMC-Tokyo Center 所發佈之颱風資料，為每 6 小時一筆，而港灣技術 研究中心之波浪資料為每 1 小時一筆，為配合波浪資料之時間間距， 本研究將颱風氣象資料(經緯度、中心氣壓、近中心最大風速)，利用三 次多項式內插，將其時間間距內插為 1 小時一筆。再依據中央氣象局 (CWB)所公佈之侵臺颱風列表，挑選合適的颱風作為模式的建立與驗 證之用。中央氣象局公佈之2000 年至 2010 年侵臺颱風共有 73 場，如 表2.1 所示。

2-4 表 2.1 自 2000 至 2010 年中央氣象局所發布警報的颱風列表 年份 颱風名 颱風名 日期 強度 路徑 年份 颱風名 颱風名 日期 強度 路徑 2000 啟德 KAI-TAK 07/06～07/10 中度 _{6 2004 南瑪都 NANMADOL} 12/03～12/04 中度 ₉ 2000 碧利斯 BILIS 08/21～08/23 強烈 3 2005 海棠 HAITANG 07/16～07/20 強烈 3 2000 巴比侖 PRAPIROON 08/27～08/30 輕度 6 2005 馬莎 MATSA 08/03～08/06 中度 1 2000 寶發 BOPHA 09/08～09/10 輕度 特殊 2005 珊瑚 SANVU 08/11～08/13 輕度 -- 2000 雅吉 YAGI 10/23～10/26 中度 -- 2005 泰利 TALIM 08/30～09/01 強烈 3 2000 象神 XANGSANE 10/30～11/01 中度 6 2005 卡努 KHANUN 09/09～09/11 中度 -- 2000 貝碧佳 BEBINCA 11/06～11/07 輕度 -- 2005 丹瑞 DAMREY 09/21～09/23 中度 -- 2001 西馬隆 CIMARON 05/11～05/13 輕度 8 2005 龍王 LONGWANG 09/30～10/03 強烈 3 2001 奇比 CHEBI 06/22～06/24 中度 7 2006 珍珠 CHANCHU 05/16～05/18 中度 9 2001 尤特 UTOR 07/03～07/05 中度 5 2006 艾維尼 EWINIAR 07/07～07/09 中度 -- 2001 潭美 TRAMI 07/10～07/11 輕度 4 2006 碧利斯 BILIS 07/12～07/15 輕度 2 2001 玉兔 YUTU 07/23～07/24 輕度 -- 2006 凱米 KAEMI 07/23～07/26 中度 3 2001 桃芝 TORAJI 07/28～07/31 中度 3 2006 桑美 SAOMAI 08/09～08/10 中度 -- 2001 納莉 NARI 09/13～09/19 中度 特殊 2006 寶發 BOPHA 08/07～08/09 輕度 4 2001 納莉 NARI 09/08～09/10 中度 特殊 2006 珊珊 SHANSHAN 09/14～09/16 中度 -- 2001 利奇馬 LEKIMA 09/23～09/28 中度 4 2007 帕布 PABUK 08/06～08/08 輕度 4 2001 海燕 HAIYAN 10/15～10/16 中度 -- 2007 梧提 WUTIP 08/08～08/09 輕度 3 2002 雷馬遜 RAMMASUN 07/02～07/04 中度 -- 2007 聖帕 SEPAT 08/16～08/19 強烈 3 2002 娜克莉 NAKRI 07/09～07/10 輕度 9 2007 韋帕 WIPHA 09/17～09/19 中度 1 2002 辛樂克 SINLAKU 09/04～09/08 中度 1 2007 柯羅莎 KROSA 10/04～10/07 強烈 2 2003 柯吉拉 KUJIRA 04/21～04/24 中度 -- 2007 米塔 MITAG 11/26～11/27 中度 -- 2003 南卡 NANGKA 06/01～06/03 輕度 -- 2008 卡玫基 KALMAEGI 07/16～07/18 中度 2 2003 蘇迪勒 SOUDELOR 06/16～06/18 中度 -- 2008 鳳凰 FUNG-WONG 07/26～07/29 中度 3 2003 尹布都 IMBUDO 07/21～07/23 中度 -- 2008 如麗 NURI 08/19～08/21 中度 -- 2003 莫拉克 MORAKOT 08/02～08/04 輕度 4 2008 辛樂克 SINLAKU 09/11～09/16 強烈 2 2003 梵高 VAMCO 08/19～08/20 輕度 -- 2008 哈格比 HAGUPIT 09/21～09/23 中度 -- 2003 柯羅旺 KROVANH 08/22～08/23 中度 -- 2008 薔蜜 JANGMI 09/26～09/29 強烈 2 2003 杜鵑 DUJUAN 08/31～09/02 中度 _{5 2009 蓮花 LINFA} 06/19～06/22 輕度 ₉ 2003 米勒 MELOR 11/02～11/03 輕度 8 2009 莫拉菲 MOLAVE 07/16～07/18 輕度 -- 2004 康森 CONSON 06/07～06/09 中度 -- 2009 莫拉克 MORAKOT 08/05～08/10 中度 ₃ 2004 敏督利 MINDULLE 06/28～07/03 中度 _{6 2009 芭瑪 PARMA} 10/03～10/06 中度 特殊 2004 康柏斯 KOMPASU 07/14～07/15 輕度 -- 2010 萊羅克 LIONROCK 08/31～09/02 輕度 ₉ 2004 蘭寧 RANANIM 08/10～08/13 中度 -- 2010 南修 NAMTHEUN 08/30～08/31 輕度 -- 2004 艾利 AERE 08/23～08/26 中度 _{1 2010 莫蘭蒂 MERANTI} 09/09～09/10 輕度 -- 2004 海馬 HAIMA 09/11～09/13 輕度 _{6 2010 凡那比 FANAPI} 09/17～09/20 中度 ₄ 2004 米雷 MEARI 09/26～09/27 中度 -- 2010 梅姬 MEGI 10/21～10/23 中度 ₉ 2004 納坦 NOCK-TEN 10/23～10/26 中度 6 資料來源：中央氣象局網站 建立類神經颱風推算模式需要考慮資料的品質與完整性，本研究考 慮每場颱風對應之波浪資料之完整性及相關性，故在模式建立前必須 剔除對應波浪資料不完整的颱風，本研究選擇對實測波浪資料完整之

2-5 颱風臺中港共 37 場與基隆港共 31 場來進行資料分析，如表 2.2 與表 2.3 所示。 表 2.2 選取用來建立臺中港模式的颱風資訊與其對應最大波高 年份 颱風名稱 颱風名稱 最大風速 (knot) 最大波高 (m) 2003 柯羅旺 KROVANH 65 1.24 2003 杜鵑 DUJUAN 80 3.30 2003 梅米 MAEMI 105 2.20 2003 米勒 MELOR 50 4.20 2004 康森 CONSON 80 3.34 2004 蘭寧 RANANIM 80 2.55 2004 艾利 AERE 80 3.44 2004 陶卡基 TOKAGE 85 3.99 2004 納坦 NOCK_TEN 85 4.56 2004 敏督利 MINDULLE 95 3.05 2005 海棠 HAITANG 105 6.96 2005 泰利 TALIM 95 6.26 2005 卡努 KHANUN 85 3.15 2005 丹瑞 DAMREY 80 3.27 2005 龍王 LONGWANG 95 5.58 2006 珍珠 CHANCHU 95 3.86 2006 碧利斯 BILIS 60 4.72 2006 凱米 KAEMI 80 3.63 2006 桑美 SAOMAI 105 3.02 2006 寶發 BOPHA 55 2.67 2006 珊珊 SHANSHAN 110 3.20 2006 西馬隆 CIMARON 100 3.69 2006 奇比 CHEBI 100 3.18 2007 帕布 PABUK 65 1.94 2007 聖帕 SEPAT 110 5.43 2007 韋帕 WIPHA 100 4.62 2007 柯羅莎 KROSA 105 6.74 2008 卡玫基 KALMAEGI 65 3.28 2008 鳳凰 FUNG_WONG 75 6.24 2008 辛樂克 SINLAKU 100 5.24 2008 哈格比 HAGUPIT 90 3.64 2009 蓮花 LINFA 60 2.76 2009 莫拉菲 MOLAVE 65 1.22 2009 莫拉克 MORAKOT 75 7.78 2009 芭瑪 PARMA 100 4.35 2010 凡那比 FANAPI 95 5.09 2010 梅姬 MEGI 125 4.83 資料來源：本研究整理

2-6 表2.3 選取用來建立基隆港模式的颱風資訊與其對應最大波高 年份 颱風名稱 颱風名稱 最大風速 (knot) 最大波高 (m) 2001 桃芝 TORAJI 75.00 1.30 2001 納莉 NARI 75.00 7.43 2001 海燕 HAIYAN 70.00 10.12 2002 雷馬遜 RAMMASUN 85.00 6.78 2002 辛樂克 SINLAKU 80.00 11.35 2003 蘇迪勒 SOUDELOR 80.00 2.19 2003 杜鵑 DUJUAN 80.00 2.50 2003 梅米 MAEMI 105.00 4.20 2003 米勒 MELOR 50.00 3.81 2004 敏督利 MINDULLE 95.00 1.43 2004 蘭寧 RANANIM 80.00 4.35 2004 梅姬 MEGI 65.00 1.91 2004 艾利 AERE 80.00 6.82 2004 陶卡基 TOKAGE 85.00 4.97 2004 納坦 NOCK_TEN 85.00 4.31 2005 海棠 HAITANG 105.00 5.80 2005 馬莎 MATSA 80.00 7.41 2005 泰利 TALIM 95.00 5.44 2005 卡努 KHANUN 85.00 3.79 2005 龍王 LONGWANG 95.00 3.05 2006 珊珊 SHANSHAN 110.00 4.67 2007 萬宜 MAN_YI 95.00 1.89 2007 帕布 PABUK 65.00 2.01 2007 聖帕 SEPAT 110.00 2.51 2007 韋帕 WIPHA 100.00 4.22 2007 柯羅莎 KROSA 105.00 7.06 2008 鳳凰 FUNG_WONG 75.00 3.19 2008 辛樂克 SINLAKU 100.00 4.19 2008 薔蜜 JANGMI 115.00 4.78 2009 莫拉克 MORAKOT 75.00 4.51 2010 凡那比 FANAPI 95.00 3.29 2010 梅姬 MEGI 125.00 4.94 資料來源：本研究整理 表2.2 中顯示在 2000 至 2010 年中有 37 場擁有完整的波浪資料， 其中對應波高小於2m 的有 3 場，在往昔的觀念中會認為這幾場颱風對 波浪造成的影響較小，若將此類颱風納入學習資料中可能會造成不良 的結果，但本研究考慮必須適當選取對研究目標臺中港影響較小的學 習颱風進行輸入，可透過距離與角度等參數等輸入，讓模式能完整學 習在不同角度與距離下颱風對臺中港不造成影響的情況。波高在2m 至

2-7 3m 間的有 4 場，3m 至 4m 有 16 場占最多數，4m 至 5m 有 6 場，5m 至6m 有 4 場，6m 至 7m 有 4 場，7m 以上則有 1 場。對於臺中港而言， 其港區位置位於臺灣西側的海岸，會受到 9 月開始至冬季季風作用完 畢的2 月會有較大的波浪，其餘季節平均適性波高皆小於 2m，尤其以 6 月至 9 月波高較小，所以在颱風季節 6 月至 10 月間若有較大波高的 發生一般都是颱風造成。能明顯與季節風作用的季節有所分別，較不 易造成誤判。在選用模式適合之颱風時，需注意是否有雙颱同時影響。 表 2.3 基隆港部分則有 32 場完整的波浪資料，其中對應波高小於 3m 的有 8 場，3m 至 5m 間共 15 場， 5m 至 7m 則有 4 場，7m 以上有 5 場。整體來看颱風對基隆港的波浪影響比臺中港來得大，實測波高最 高達 11.35m。對基隆港颱風波浪來說每年都有 4m 波高以上的颱風波 浪紀錄，實測資料大於7m 以上的的颱風更達到五場之多，且其受季節 性波浪的影響季節也與臺中港相近，較不易與颱風造成的波浪造成誤 判，對於建立類神經網路颱風波浪推算模式來說基隆港是很合適的一 個研究基地。 考慮到颱風行徑的路徑，如果颱風是由臺灣東部往西部行徑，颱 風結構容易受到中央山脈阻擋而造成結構鬆散，依往昔經驗這類型的 颱風受到高山的屏障效應，對於臺灣西部各港的影響就會變小，而颱 風的最大示性波高就會偏低。從歷年的臺灣地區颱風路徑分類統計圖 (圖 2.3)可發現，較可能對臺中港造成直接影響的路徑為第五路徑、第 七路徑及第九路徑等。其餘路徑受到地形以及高山的屏障影響，是一 個需要考慮的因素。因此本研究針對臺中港38 場颱風的所有時間序列 中的颱風位置與相對應臺中港波高值作一空間分布的特性分析，其結 果如圖 2.4 所示。圖中為本研究所選取 38 場颱風的空間位置分布，各 點位所對應的顏色為臺中港的波高值，色調越暖代表波高越高；色調 越冷則對應波高越低。深藍色代表波高小於1.5m 的資料點，淺藍色代 表波高介於 1.5m 至 2.5m 間的資料點，綠色代表 2.5m 至 3.5m 間的資 料點，黃色為 3.5m 至 5m 間的資料點，紅色則代表發生 5m 以上波高 的資料點。

2-8 澎湖縣 台南市 台北縣 宜蘭縣 新竹縣 苗栗縣 台中縣 南投縣 彰化縣 雲林縣 嘉義縣 屏東縣 花蓮縣 桃園縣 台北市 基隆市 新竹市 台中市 嘉義市 高雄市 台南縣 高雄縣 _台東縣 特殊路徑 12 次，3.0% 第一路徑 54 次，13.5% 第二路徑 52 次，13.0 % 第七路徑 30 次，7.5% 第九路徑 33 次，8.2% 第五路徑 72 次，18 % 第八路徑 13 次，3.3% 第六路徑 45 次，11.3% 第三路徑 47 次，11.7% 第四路徑 41 次，10.3% 圖2.3 臺灣地區颱風路徑分類圖(1897-2010 年)(引自中央氣象局) 圖 2.4 中發現對臺中港波浪造成最大影響的颱風中心位置是在花 蓮外海處，此現象與往昔研究結果有所不同，往昔研究顯示在安平與 高雄等西部港口其颱風所造成的波浪會受到中央山脈減輕阻隔及波浪 傳遞受陸地遮蔽而減輕，但在臺中港的資料分析中卻無法明顯看出中 央山脈與陸地遮蔽造成的影響。 在所選用的37 場颱風中，其中最大示性波高大於 5m 對於臺中港 有 較 大 影 響 之 海 棠(HAITANG, 2005)、泰利 (TALIM, 2005)、龍王

(LONGWANG, 2005)、聖帕(SEPAT, 2007)、柯羅莎(KROSA, 2007)、鳳 凰(FONGWONG, 2008)、辛樂克(SINLAKU, 2008)、莫拉克(MORAKOT, 2009)、凡那比(FANAPI, 2010)等，其路徑皆非屬直撲臺中港的第五、 七、九路徑，皆為由東向西登陸臺灣經中央山脈侵襲臺中港的颱風。

2-9 這也就是圖 2.3 中對臺中港波浪影響較大的颱風位置都在臺灣東側海 岸的原因。故後續在選用模式輸入因子時須考慮到此現象。 圖 2.4 颱風中心位置與相對應臺中港波高資料空間分布圖 基隆港部分在所選用的 32 場颱風中，其中最大示性波高大於 5m 並對於基隆港有較大影響之納莉(NARI, 2001)、海燕(HAIYAN, 2001)、 辛樂克(SINAKU, 2002)、艾利(AERE, 2004)、海棠(HAITANG, 2005)、 馬莎(MATSA, 2005)、泰利(TALIM, 2005)、柯羅莎(KROSA, 2007)等。

由圖2.5 可以明顯看出途中暖色系資料點較多，顯示基隆港現有颱風波 浪資料雖然較少，但其發生的颱風波浪最大波高都較大，且位置集中 於臺灣東部及東北部外海處，影響較大的通常為第1、第 2 與第 6 路徑 三種狀況，造成最大波高的颱風為辛樂克(SINLAKU, 2002)，於臺灣東 北方外海處緩慢西行時所造成，其波高達 11.35m，針對此類型特徵的 颱風為本模式的考慮重點。其路徑皆屬經過臺灣東側的第一、二、六 路徑，故顯示颱風空間上位置對其產生波浪的影響有很明顯的關係。

2-10 圖2.5 颱風中心位置與相對應基隆港波高資料空間分布圖

2.2 類神經颱風波浪模式

2.2.1 類神經網路架構 類神經網路具備著一些優良的特性其中包括(1)高速的計算能力(2) 自我學習能力(3)高容量的記憶力(4)容錯的能力。 人工神經元輸出值與輸入值的關係式，可以表示如下：        



j i j ij i f W X Y  (2-1) 其中，Yi為人工神經元模型的輸出訊號；f 為人工神經元模型的轉換函 數(transfer function)，將人工神經元的輸出，經由轉換函數處理後，得 到輸出訊號；Wij為人工神經元模型連結加權值；Xj為人工神經元模型 的輸入訊號； 為人工神經元模型的閥值。 i 本研究使用MATLAB 類神經網路軟體，選擇其中的工具程式庫之 倒傳遞網路作為颱風推算的工具。倒傳遞類神經網路(back-propagation neural network，BPNN)，屬於前向監督式學習網路，其基本原理是利 用最陡坡降法(gradient steepest descent method)，疊代修正誤差函數而使 誤差函數達到最小。倒傳遞類神經網路的總體運作學習方式有兩種， 一為學習過程，就是網路依既定的學習演算法，從使用的輸入資料中

2-11 學習，並藉以調整網路連結的加權值；使得網路演算結果與目標輸出 值相同；另一種為回想過程，網路依照設定的回想法則，以輸入資料 來決定網路的輸出值。 倒傳遞類神經網路學習演算法中，加權值矩陣為 W1及 W2，偏權 值量為1及2，輸入量為 X，目標輸出量為 T，轉換函數則採用雙曲函

數(hyperbolic tangent function)，而網路輸出量為 Y，網路的學習過程大 致可分為下列幾個單元： (1)計算隱藏層輸出量 Z 與網路輸出量 Y



  i i iX W net1 1  1 (2-2) 1 1 1 1 ) ( _{1 net net} net net e e e e net f Z _      (2-3)



  j j jX W net_{2 2} ₂ (2-4) 2 2 2 2 ) ( _{2 net net} net net e e e e net f Y _      (2-5) (2)計算隱藏層差距量1與輸出層差距量2







_





 j j j W Z Z  ₁ 1 ₂ (2-6)



Y



Y



ZY



 1 1 2  (2-7) (3)計算加權值矩陣的修正量ΔW 由於監督式學習目的在降低網路的目標輸出值 Tj與網路輸出值 Yj 之間的差距，為了達到這個目的，以誤差函數 E 做為修正的加權值指 標，並藉由轉換函數降低誤差函數值，誤差函數E 設為：







  j j j Y T E 2 2 1 _(2-8) 此時加權值的修正量可表示為：

2-12 W E W        (2-9) 1      n i n j ij A W E _{ (2-10)} 其中為學習速率(learning rate)，主要控制每次誤差函數最小化的速率 快慢， n j  為W_ij所連結第 n 層之處理單元差距量， n1 i A 為W_ij所連結第n-1 層之處理單元值。 (4)隱藏層與輸出層加權值矩陣 W1、W2及偏權值向量1、2的更新： 1 1 1 W W W   (2-11) 1 1 1      (2-12) 2 2 2 W W W   (2-13) 2 2 2      (2-14) 當倒傳遞類神經網路經過輸入值與目標輸出值一次的學習，便算 是經過一個學習的循環，而學習循環的次數將取決於誤差函數收斂與 否以及是否達到容許的誤差量。一般而言，倒傳遞類神經網路較其他 的類神經網路需要較多的學習循環次數。由測試用的資料數據，利用 學習完成的網路參數進行網路回想的過程，由網路回想過程得到的網 路輸出值與目標輸出值比較，以評估網路學習的精度。 類 神 經 網 路 模 式 採 用 倒 傳 遞 類 神 經 網 路 架 構(Backpropagation Neural Network, BPNN)，關於倒傳遞神經網路的理論與演算詳見 Eberhar and Dobbins (1990)的說明與推導。倒傳遞類神經網路對於線性 及非線性函數有良好的模擬能力，而類神經網路在適當的結構組織下 能夠模擬有限範圍的隨機函數，也就是類神經結構擁有極佳的記憶能 力，模擬能力的好壞受限制於學習資料的完整性及類神經網路結構。 倒傳遞類神經網路藉由學習資料與模擬結果的誤差修正各個加權 值，同時藉由學習的過程建構正確的輸入參數與輸出值間的關係。對 於具有一個隱藏層的倒傳遞類神經網路通常表示為：

2-13 ) ( _{1 1} 1      S R R  S P f W I b O (2-15) 其中OP1為神經網路具有P 個向量的輸出矩陣，f 為轉移函數，IR1為具 有R 個向量的輸入矩陣，WSR為具有 S 個神經元的神經網路權重矩陣， 1  S b 為網路偏權值矩陣。式(15)簡單的表示方法為 ” S-P ”，所以一個具 有2 個隱藏層神經元的個數分別為 10 及 20，且一個輸出單元時，簡單 的表示法為1-10-20-1。 在使用倒傳遞網路的首先必須決定隱藏層的層數，以確定網路的 大小，方能建構一個好的模式。在許多理論研究的結果與工程領域的 模擬應用上都顯示，大多數問題可藉由單層隱藏層的架構來處理，2 層以上的架構是用來處理更複雜的問題以及非線性的關係，隱藏層層 數的決定在不同的研究或問題中有不同的結論(Chester, 1990; Hayashi 等, 1990; Kurkova, 1992; Hush 和 Horne, 1993)。

類神經網路架構的建置包括輸入層、隱藏層及輸出層，輸入層與 輸出層都可以由現有的資訊以及問題本身決定，系統的控制因子或影 響因子決定輸入層的神經元個數，系統的預測變數決定輸出層的神經 元個數。輸入項資料建議先經過前處理，將資料正規化至一定的範圍 間，如此可在網路訓練前考慮輸入參數與輸出值的極端狀況，來確定 網路輸入與輸出的值域，且經過處理後的訓練資料，可以讓訓練時權 重調整的速率相近。當決定隱藏層的層數後，各隱藏層神經元個數的 多寡對網路有相當大的影響，過少的神經元個數無法建構適當的網路 來描述問題，過多的神經元個數則造成網路自由度過高，進而難以控 制網路訓練的目標造成過度學習的狀況，甚至隱含了雜訊的描述，而 失去歸納推演的能力。選取的隱藏層神經元個數一般須經由測試來避 免網路結構太過複雜或太過簡單，以往昔研究結果建議可採用 Huang 和Foo (2002)提出的經驗公式 1 2   z h _(2-16) 其中，z 為輸入層的神經元個數，h 為隱藏層神經元個數。

2-14 2.2.2 資料分類 本所港研中心往昔在『臺灣港灣地區颱風波浪推算之應用研究』 研究中已完成花蓮港類神經颱風波浪推算模式以及其使用者介面的開 發。而在本研究前三年度採用更完整的資料與分類方式對花蓮港、高 雄港、安平港及臺北港進行颱風波浪推算模式的改善與建立，對於颱 風風速及路徑變化我們採用群集分析法(cluster analysis)對颱風資料進 行分類，獲得各特性不同的分類群後再將各分類群分為學習資料與驗 證資料，即可獲得相同特性的學習資料與驗證資料。此方式可以確保 學習資料包含各種不同的特性，以避免類神經在學習階段為了保留驗 證資料而未學到該有的特性。 2.2.3 模式輸入與輸入層轉換函數 RSMC-Tokyo Center 的颱風氣象資料包括颱風經緯度、中心最大 風速及中心氣壓，為了使類神經模式輸入的資訊更為精細與明確，本 研究利用這三項颱風資料計算出5 個類神經的輸入參數，分別為：1. 颱 風與目標點距離(D)、2.颱風中心對目標點的方位角(θ1) 、3.颱風侵襲角 (θ3)、4.目標點海面 10m 風速(V)、5.目標點上空風向(Vdeg)。由經緯度資 料可計算：颱風與目標點距離(D)、颱風中心對目標點的方位角(θ1)、 颱風移動方位角(θ2)，距離與方位角只需透過颱風中心座標與目標點 座標即可計算。θ1與θ2如圖2.6 所示。

2-15 圖 2.6 颱風中心對目標點方位角θ1與颱風移動方位角θ2示意圖 因北半球的颱風為逆時鐘旋轉，以颱風前進方向為中心來看，其 右半圓較左半圓的風力大，故目標點所面臨的是颱風的左半圓或右半 圓對於模式推算來說是一個需要考量的因素。本研究透過颱風移動方 位角減去颱風中心對目標點方位角(θ3=θ2-θ1)來定義目標點所面臨 的颱風結構(左右半圓)，θ3定義為颱風侵襲角。以圖 2.6 狀況為例， 颱風中心是由圖中右下往左上方移動，目標點安平港目前所面臨的是 颱風的左半圓。由以上關係可知，若θ3在 0°至 180°則目標推算點所 面臨的是颱風的左半圓，反之，若θ3在 0°至-180°則目標推算點所面 臨的是颱風的右半圓。圖 2.6 中θ1小於θ2，故θ3為正值，顯示目標 點安平港面臨的是颱風的左半圓。 由經緯度資料再搭配中心最大風速與中心氣壓資料經由 RVM 模 型颱風模式 (Rankin-Vortex Model)可計算：目標點海面 10m 風速(V)、 目標點上空風向(Vdeg)。RVM 係模擬颱風風場架構，在資料齊全的條件 下，風場可由氣壓分佈推算而得。然而，在絕大多數情形下，氣壓分 佈資料取得不易，由氣壓分佈資料去產生風場較為困難。一般而言， 當颱風成形後，因其內部氣壓低導致環繞周圍的空氣由外邊高壓處向

2-16 低壓的氣旋中心流動，因海面上颱風中心附近之氣壓分佈具有對稱 性，故熱帶氣旋所造成之風場可利用風場模式推算之。其理論公式如 下：          m m m m m m r R R for R R R V R R for R R R R V V )) / 1 )( 05 . 0 0025 . 0 exp(( )) / 1 ( 7 exp( ) / ( max 7 max (2-17) 其中，Vr為距颱風中心 R 公里處之旋轉風速，Rm為最大暴風半徑，Vmax 為近中心最大風速。有關最大暴風半徑 Rm之計算，本研究採 Graham 和Nunn (1959)之公式： 22 . 37 2 . 0 ) 86 . 33 / ) exp(( / 22 . 12 )) 28 ( 0873 . 0 tanh( 52 . 28       _ f c m V P P R



(2-18) 其中，



為緯度，Pc為中心氣壓，而P 為距颱風中心無限遠處之氣壓， 可設定為1 大氣壓(1013.3mb)。旋轉風速係指純粹由氣壓差所產生之風 速，當颱風中心靜止不動時，旋轉風速即為颱風中心附近之風速，當 颱風在移動時，則應加上修正風速



cos 5 . 0 _f t V V  (2-19) 其中，Vf 為颱風中心前進速度，而φ為至颱風中心連線與最大風 速連線兩條線之間的夾角。其相互關係如圖2.7 所示。颱風中心前進方 向與最大風速連線之間夾角約115 度，而風速總和 V 則為 Vr+Vt。  圖 2.7 氣旋中心附近風速風向分佈示意圖

2-17 颱風中心附近之風向，係沿著等壓線依至氣旋中心之距離向氣旋 中心偏移10~25 度。偏移角度之計算公式如下：                  R R for R R R for R R R R R for m m m m m m 2 . 1 25 2 . 1 ) 2 . 0 /( ) ( 15 10 0 10



_(2-20) 由以上之說明可知，利用RVM 模型颱風模式計算的風場，颱風中 心前進速度 Vf與方向 φ、中心氣壓 Pc及近中心最大風速 Vmax，可由颱 風記錄直接輸入，而後即可算出目標點海面10m 風速 V 以及目標點上 空風向Vdeg。本研究在輸入參數的選擇上，挑選了具有能夠代表颱風遠 近特性、位置特性、左右不對稱性，共三個輸入參數D、θ1、θ3，以及 能夠代表目標點特性的風速與風向，共兩個輸入參數V、Vdeg。以下針 對上節所計算之五個參數做進一步的探討。 (1) 目標點 10m 風速 V： 颱風接近目標點時，驅動波浪最主要的動力為風，風的起因是由 於颱風中心低氣壓與外部壓力的差異造成壓力梯度的變化，此壓力梯 度使得空氣劇烈的流動形成風。利用RVM 模型颱風模式計算風速時， 只需要輸入目標點座標以及颱風逐時座標與逐時中心氣壓，但其並未 考慮陸地上受到地形或是山脈的遮蔽影響，若要以傳統的統計方法、 歸納或是理論方法計算地形影響亦不容易，所以本研究將目標點風速V 配合其他輸入參數一起輸入類神經網路進行學習，以期望能解決複雜 的地形影響。 (2) 颱風與目標點距離 D： 颱風與目標點的距離越近，對目標點當地波浪的影響就越大，意 即距離 D 越小，波高值會越大。以本研究所收集的颱風資料相對應之 臺中港波浪資料來繪製距離-波高分布圖，如圖 2.8 所示。圖中顯示雖 然颱風距離與目標點波高大致上呈現反比，但在距離小時仍會有許多 波高小的狀況發生(圖中左下角密集區)，這顯示颱風因為其他因素例如

2-18 颱風減弱、陸地遮蔽或陸域地形造成風場的衰減，使得目標點波高降 低，距離與波高值並非單純的呈現反比關係。另外也可發現在颱風距 離目標點1800km 以上，出現波高 3m 的數量明顯的變少，故本研究將 排除1800km 以上的資料點，並將剩餘資料點距離除以 1800km 來作正 規化再以1 減之，將原本反比之關係修改為正比關係再輸入類神經。 圖2.8 颱風距離與目標點波高分布 (3) 目標點的方位角 θ1： 由目標點的方位角可以計算目標點是在颱風中心的哪一個方位， 本研究設定正北為 0°，若 θ1為 90°表示颱風是在目標點的左側，反之 若θ1為270°則表示颱風位於目標點的東側太平洋的位置，這兩種不同 的位置，會因為地形遮蔽與阻隔產生不同的影響。在目標點安平港左 側的颱風不會受到中央山脈的遮蔽影響，此位置的颱風對目標點有直 接的影響；而在目標點右側的颱風則會受到中央山脈的遮蔽影響，使 其影響力降低。 (4) 颱風侵襲角 θ3：

2-19 如前所述，侵襲角公式為θ3=θ2-θ1。颱風風速結構圖如圖2.9 所 示，圖2.9 中顯示颱風暴風範圍內的風速並非均勻分布的，如以象限劃 分，在北半球行進中的颱風其右前方象限的風最大，因該象限颱風環 流風向與導引氣流風向相同。如向西行進之颱風此象限吹東北風與夏 季西太平洋的東北信風合併而增強了風速，至於右後方及左前方象限 則是偏南的風與偏西的風，因與東北信風有抵消作用，風勢較小，在 左後方象限的風最小，因該象限吹西南風恰與西太平洋的東北信風相 反，故大量抵消，所以一般而言，颱風前半部風力大於後半部。由於 RVM 模型颱風模式並未考量到這種颱風的不對稱性，故需輸入此參數 用以判斷目標點是位於颱風的左半圓還是右半圓(以前進方向為中 心)。本研究同時考慮θ3與θ1兩種方位角的影響，意即同時考慮到颱 風的不對稱性與地形的遮蔽效應，而同時θ3 隱含了θ2(颱風移動方位 角)的資訊，意即輸入θ3 也輸入了θ2，也等於將颱風的行進路徑一起 納入考量。 圖2.9 颱風在等壓面上內平均風速分布示意圖(引自中央氣象局)

2-20 (5) 目標點 10m 風向 Vdeg： Vdeg是由 RVM 模型風場模式中計算而得，此處的風向定義為風的 去向，而一般定義風向為來向。由於目標點位於臺灣西南方，當風向 為從海上往陸上吹時，其所造成的波浪應較大，而從陸上往海上吹時， 造成的波浪則較小，本研究期望藉由 Vdeg 讓類神經網路判別風向所造 成波浪大小的影響。 2.2.4 歸屬函數修正輸入參數 本研究在輸入參數的選擇上，挑選了具有能夠代表颱風遠近特 性、位置特性、左右不對稱性，共三個輸入參數D、θ1、θ3，以及能夠 代表目標點特性的風速與風向，共兩個輸入參數V、Vdeg。但在正式開 始訓練前可先透過相關性分析來了解各輸入因子與輸出層波高值間的 關係，其結果如表2.4 所示。 表2.4 輸入因子與波浪間的相關性分析 輸入因子 相關性R 目標點風速V 0.47 距離D 0.39 目標點方位角θ1 -0.11 颱風侵襲角θ3 0.08 目標點風向Vdeg -0.03 表2.4 顯示目前輸入參數只有目標點風速 V、距離 D 與波高的相關 性是正相關，而其餘三個參數與波高的相關性都偏低或是呈現負相關 的現象。 θ1、θ3、Vdeg這三個輸入參數為「角度」，但是角度的大小值卻不一 定能有效地反映出該輸入參數與波高的關聯性。以 θ1為例，當 θ1=90° 時代表颱風是在目標點的左側，對應到的輸出波高會較大，以直觀想 法僅為將 90°輸入類神經，告訴類神經當角度等於 90°時波高就會大， 但在類神經內部90°是被當作一個值，先被正規化處理，再與權重相乘

2-21 後，被送進隱藏層神經元並與其他參數相加，此種運算方式無法有效 地告知類神經角度與波高的關聯性。 本研究欲以一個歸屬函數來描述角度與波高的關係，透過歸屬函 數的轉換後再輸入類神經，用意為將「角度資訊」轉換為「影響度資 訊」，其值介於 0 至 1，當影響度越高對應到的波高就越大。以 θ1為例， 當θ1=90°時，透過歸屬函數的轉換得到影響度會接近 1，代表其影響程 度大。而在類神經內部計算時，影響度的大小便可以控制隱藏層神經 元內的整體函數值的大小，讓類神經對於輸入參數的學習更加直接。 影響度的大小，代表轉換前的參數角度對波高的影響力，轉換前對應 到的波高大，轉換後得到的影響度就會大；轉換前對應到的波高小， 則轉換後得到的影響度就會小。此種關係顯示，經由轉換後的影響度 與波高會是一個正線性相關。欲找到一個高斯函數作為合適的歸屬函 數，以提高輸入參數與波高的相關性，本研究將三個角度參數做了以 下分析： (1) 目標點方位角 θ1 本研究將距離 2400km 以外的目標點方位角 θ1資料刪除後，將剩 下距離0 至 2400km 分為 12 組，針對每一組進行尺度參數為 30 而中心 位置為0°至 360°的高斯轉換，其轉換結果與波高的相關性分布示如圖 2.10。圖 2.10 中可發現經高斯轉換後在空間上有三個較大的峰值，但 無法單純以 θ1的角度來切割出相關性高與相關性低的區域。圖中在距 離颱風中心500km 以內，θ1在250°至 360°與波高有較大的相關性，在 距離 500km 至 2000km 則有一不規則區塊是與波高有較大相關，隨著 距離漸遠相關性較高的範圍漸漸擴大，直到1800km 至 2200km 處，相 關性較高的區域已不再明顯。2000km 以外，則是在 320°與波高間的相 關性有稍微提高其值約為0.2。 配合上述的特性，我們發現往昔高雄港、安平港及臺北港所採用 的一維高斯轉換函數已不夠描述此空間分布特性，故本研究提出除了 考慮 θ1角度外並同時考量距離變量來決定一個二維的空間轉換函數。

2-22 如圖 2.11 所示，圖中 X-Y 平面的兩軸分別為與颱風中心距離及 θ1，Z 軸則代表轉換值，其值在-1 與 1 之間，圖中顏色越接近暖色系的對應 的轉換值越高，冷色系則越低。轉換函數在空間上不同位置可以由該 點對應的颱風中心距離與θ1可對應不同的轉換值。 圖2.10 各距離範圍的 θ1經高斯轉換後與波高的相關性分布圖 圖 2.11 對應角度與距離的二維 θ1轉換函數

2-23 (2) 颱風侵襲角 θ3 將距離 2400km 以外的颱風侵襲角 θ3資料刪除後，將剩下距離 0 至2400km 分為 12 組，針對每一組進行尺度參數為 30 而中心位置為-180 °至180°的高斯轉換，其轉換結果與波高的相關性分布示如圖 2.12。 圖2.12 各距離範圍的 θ3經高斯轉換後與波高的相關性分布圖 圖 2.12 中發現其結果與 θ1相同，在空間上在不同的距離，其 θ3 與波高的相關性有不同的特性，尤其圖中在距離 0km 至 200km 與 200km 至 400km 間的範圍就有所不同，其高相關性的範圍由 0°~90°漸 變為 300°~360°左右。800km 至 1400km 間的特性較一致，但 1600km 至 2000km 間又有所不同。故與 θ1相同，本研究採用二維轉換函數來 進行θ3的轉換，如圖 2.13 所示。

2-24 圖 2.13 對應角度與距離的二維 θ3轉換函數 (3) 目標點風向 Vdeg 將距離2400km 以外的目標點風向 Vdeg資料刪除後，將剩下距離0 至2400km 分為 12 組，針對每一組進行尺度參數為 30 而中心位置為 0 °至360°的高斯轉換，其轉換結果與波高的相關性分布示如圖 2.14。 圖 2.14 各距離範圍的 Vdeg經高斯轉換後與波高的相關性分布圖

2-25 圖中發現 Vdeg 所對應的波高相關性圖在各距離的表現上較相近， 基本上各個距離都是以 0°~90°之間的相關性較差，90°~225°間相關性 較佳，225°至 360°則逐漸遞減。代表高斯轉換後中心位置約以 90°為 分界，與波高間的相關性有空間上分布的特性，當高斯歸屬函數的中 心位置在90°以下其轉換結果與波高的相關性低，反之當高斯歸屬函數 的中心位置在 90°以上則其結果與波高的相關性高。但若要詳細描述 Vdeg=90°以上相關性較高的區域內的差異，以二維轉換函數較能完整描 述。本研究Vdeg二維轉換函數如圖 2.15 所示，圖中顯示 Vdeg角度在90 °以上其經過轉換後的輸入值較大，由於 RVM 模型風場模式的風向為 風的去向而非來向，對於目標點臺中港而言 0°與 90°皆為從海上往陸 上吹的東南風，以距離 200km 內來看臺中港當地風向在東南向以外的 範圍會造成較大波高。 圖2.15 對應角度與距離的二維 Vdeg轉換函數 經由以上轉換函數之計算後，我們可於臺中港得到三組雙峰的高 斯歸屬函數用來描述這三種角度參數，轉換後再與波高作相關性分