摘 要
　　台灣地區的降雨分佈在空間及時間上受自然環境影響而分佈不均，加上人為過度開發，導致颱風季節豪雨常氾濫成災。在既成現實環境考量下，相較於過去偏重於工程層面的治水防洪硬體工程建設，反而非工程層面之軟體災害預報功能與早期預警系統之建制更突顯其重要性。
　　
　　大多數傳統之洪水演算(預報)定率模式常以現場量測數據或不確定性參數充當模式輸入條件，若估計錯誤，可能造成模式運算之發散，或產生極大之誤差，同時也無法充分反應現場時變之特性。有鑑於此，本研究以GMDH 自組非線性理論為基礎，建立一相對單純的水位輸入～輸出「GMDH水位預測模式」預測感潮河段基準水位站在未來1~6小時之水位；配合此理論所具有之遞迴結構，可使預測模式具有時變性而能自我調整，在複雜的感潮河段水理環境中更突顯其實用性。
　　
　　本研究另以修正型Ｍuskingum理論為基礎，不須親臨現場作業，僅以地圖所得，與基準水位站之距離數據為輸入條件，配合前期發展之「距離～水位模式」加以改良成「距離～水位改良模式」，即可用於預測任何未設站斷面處未來1~4小時之水位。之後再藉由比對已有設站之實際與預測水位值之誤差，透過隨時間而變動的紛紜過程轉至頻率領域的方式，發展出「距離～誤差修正公式」，此公式即可將前述之預測值，再作些微修正至更接近實際水位值。
　　
　　最後本文以淡水河流域為研究案例建置基準水位站(入口堰)預測模式：即以上游中正橋站、下游河口站及入口堰之歷史水位紀錄，搭配中正橋雨量站歷史雨量數據，先以試誤法找出最佳建模筆數及其組合來建置「GMDH水位預測模式」，歷經六場暴雨之驗證，除道格颱風有些微誤差外，其餘五場暴雨之檢定，在基準水位站(入口堰)之預測結果相當良好，預測6小時內之水位值都可接受。接著又以預測結果最為優良之單場暴雨事件 (以瑞伯颱風建模)於基準水位站作其餘五場暴雨事件之預測，或以遞迴結構作時變性預測，其結果亦令人滿意，RMSE值皆在危險率之10%範圍內。另方面，以基準水位站(入口堰)及台北橋站、土地公鼻站之歷史水位數據重行建置「距離～水位改良模式」，該模式並與預測結果最優之瑞伯颱風建模「GMDH水位預測模式」相結合，先以已設站處之水位及地圖上之相對距離數據，藉迴歸關係式估計擬作預測卻未設站處(獅子頭站)前2小時之初始水位值，由基準水位站(入口堰)先作水位預測後，該預測值連同未設站處之初始水位值輸入本研究之「距離～水位改良模式」，再作未設站處(獅子頭站)之水位預測，而預測值經由獅子頭站實際歷史水位之驗證，其結果顯示：六場暴雨之預測值其RMSE值都在個別危險率內，預測效果令人滿意。最後利用「距離～水位改良模式」分別對已設站之台北橋、土地公鼻進行各場暴雨之水位預測，分離出預測值與實測值間之誤差後歸納得一誤差曲線，搭配由地圖上量測基準水位站至此兩站間的距離數據後，由對數分析求得誤差修正公式之距離～係數關係，故由此「距離～誤差修正公式」再度作未設站處預測值之修正，即可達成精確預測至接近實際值的目的。因此，經由本研究所建立之基準水位站「GMDH水位預測模式」結合「距離～水位改良模式」及「距離～誤差修正公式」即可對連綿數十公里河流之中、下游河段內，任意未設站斷面作水位精確預測，並提供將來在未設站處訂定警戒水位之依據，補救目前僅單靠設置一、兩站密度不足的警戒水位站作為河道戒備及避難基準之嚴重問題！最後本研究將警戒水位詮釋為避難剩餘應變時間，提供另一種概念讓民眾對警戒水位有進一步了解，而於洪水發生時具有危機意識。

ABSTRACT
　The rainfall distribution is unequally both in space and time because of the subtropics climate and natural environment in Taiwan, and flooding disaster occurred usually in typhoon season and heavy storm due to the artificial overexploitation. The flood prediction developing and early alert warning systems are more significant by now compare with the engineering aspect of flooding prevention construction in the past under the realistic environment consideration.

　Most traditional flood routing (predicting) procedure need the field measuring data which contained probably lots of uncertainties as the model input, and it might caused the model calculating diversion or estimated in great error or could not response the time variant properties. In this paper, the “GMDH stream level prediction model” with self-organized algorithm is proposed with simply I/O model input conditions to predict the prior 1 to 6 hours’ stream levels in a tidal stream. The regressive mode is introduced in this “GMDH stream level prediction model” to re-setup the model by update the field input data and make the model more practical in the hydrological complicated tide river.

　Based on the revising Muskingum theory, the “improved distance-level relation model” which originate in earlier staged “distance-level relation model” can be used for predicting the prior 1 to 4 hours’ water level of any specific stream sections needed not field measuring data, picked only the distance between the datum stream level station and any sections in a river which stream levels is intended to predict as the model input. Then, the “distance-error relation revised formula” was derived by transforming a random process to frequency domain by error stream level data among the actual (measuring) and the prediction value of stations. This formula can revised the above-mentioned predicted values slightly to meet the measuring stream levels.

　Finally, the “GMDH stream level prediction model” has been setup for level prediction of datum station (the Ru-Kou Weir station) in Tam-Shui River Watershed. The historical level data of upstream station (the Zhong-
Zheng Bridge station), downstream station (the Ho-Kou station) and datum station (the Ru-Kou Weir station) as well as the rainfall data of the Zhong-
Zheng Bridge station were used to construct the model. The optimum input data numbers and associate variables were found by trial and error tested, and verified with six serious typhoon/heavy storm events. The verification showed that, except the Doug typhoon event with small error, the other five typhoon/storm events obtained quite well result of prior 6 hours level prediction respectively. The superior level prediction model constructed by the ZEB typhoon event was chosen as the representative to predict the other five typhoon/storm events also. The results showed that the RMSE values were all within the confidence interval of 90%. The historical data of the Ru-Kou Weir station, the Taipei Bridge station, the Tu-Di-Gong-Bi station were picked for the “improved distance-level relation model” construction and estimated the initial water level prior 2 hours of any specific stations, then, combined with the superior level prediction model, the water level of any specific stream sections could be forecasted by the estimated level of datum station and the relative distance at the map between the datum station and the specific stations. Tested results of six serious typhoon/heavy storm events appeared the RMSE values were all within the confidence interval. The bias between the prediction and measuring were utilized to conclude the
“distance-error relation formula” with the data input of the Tu-Di-Gong-Bi and the Taipei bridge stations and more accurate prediction could be obtained by the function of this formula. So, these combined-joint models can be used for level prediction accurately in any specific sections of the tidal river and supported the datum of alert stream level drawing up. The study offered also the concept of remained refuge time during flooding and made people have the crisis awareness while serious flood taking place.

參考文獻
1. 王如意、易任，「應用水文學」，新編上下冊，國立編譯館出版。
2. 王如意、易任，「應用水文學上下冊」，國立編譯館出版，民國八十八年七月。
3. 王寧本(1995)，「應用遺傳演算法建立推估洪水出流歷線模式之研究」，私立逢甲大學土木及水利工程研究所碩士論文，民國八十四年六月。
4. 林真真、鄒幼函，「迴歸分析」，華泰書局。
5. 林淑真、李宗仰(1996)，「自我聯合模式於感朝河段之水位預報」，土木水利，第32卷，第四期，pp.3-16。
6. 沈欽、張炎銘，「談河川警戒水位」，農田水利，第38卷10期。
7. 吳柏林，「時間序列分析導論」，華泰書局。
8. 吳賢銘、潘迪特，「時間數列與系統分析」，中央圖書出版社。
9. 徐義人，「應用水文學」，國立編譯館主編，民國八十五年九月。
10.徐碧治、林廣台，「水文學」，高立圖書有限公司，民國八十六年。
11.徐國錦(1987)，「馬斯金更模式之研究」，國立台灣大學土木工程研究所碩士論文，民國七十六年六月。
12.陳昶憲、王寧本(1996)，「利用遺傳演算法建立考慮支流與側流之馬斯金更演算模式」，中國土木水利工程學刊，第23卷第3期，pp.3-16，民國八十五年十一月。
13.陳昶憲、郭振泰、王寧本(1997)，「複合支流馬斯金更模式之建立」，中國土木水利工程學刊，第9卷第1期，pp.187-192，民國八十六年。
14.陳伶姮(2001)，「河川旬流量時間序列之研究─以石門水庫入流量為例」，國立海洋大學河海工程學系。
15.康村啟(1995)，「應用限制性卡門濾波率定馬斯金更模式參數」，私立逢甲大學土木及水利工程研究所碩士論文。
16.張斐章、梁晉銘(1993)，「自組性演算法於河川水位流量預測之研究」，台灣水利，第41卷，第四期，pp.14-24。
17.張斐章、黃源義、徐國麟(1994)，「自組性演算法及其應用於降雨-逕流模式建立之研究」，台大農學院研究報告，pp.293-316。
18.翁俊鴻(1994)，「水文時間序列之自相關結構及潛在應用」，國立成功大學水利及海洋工程研究所碩士論文。
19.曾財益(1995 )，「洪水即時預報模式及不確定性分析之研究」，國立成功大學水利及海洋工程研究所碩士論文。
20.虞國興、莊明德(1989)，「長記憶水文時序模式之探討」，台灣水利，第37卷，第四期，pp.37-49。
21.蔡長泰(1993)，「曾文溪洪水預報模式之研究(一)」，行政院國家科學委員會防災科技研究報告80-80號。
22.蔡長泰、蔡智恆(1994)，「洪流演算模式(FRLFI-模式)之建立(Ⅲ)使用者手冊」，行政院國家科學委員會專題研究計畫成果報告。
23.蔡耀賢(1998)，「消滅下游河道洪峰之水庫防洪操作分析」，國立成功大學水利及海洋工程研究所碩士論文。
24.鄭子璉、周乃昉(2000)，「徐昇網多邊形網法之數值計算」，台灣水利，第48，第三期，pp.43-51。
25.賴經都、蔡丁貴、簡振和、吳宜嶺，「全流域不恆定流模式之淡水河系統洪水預報」，第13屆水利工程研討會，D-15～D-22。
26.謝世傑、李戎威、黃巨松（2001），「淡水河流域洪水預警系統更新、改善與展望」，水利，第1卷，第十期，pp.35-46。
27.羅積玉，「多元統計分析方法與應用」，科技圖書股份有限公司。
28.顏月珠，「現在統計學」，三民書局。
29.顏沛華、李梅芳(1993)，「自組非線性系統應用於水位相關之研究」，國立成功大學水利及海洋工程研究所碩士論文。
30.顏沛華、顏銘佑(1994)，「現場調查資料擷取與傳輸自動化之研究」，國立成功大學水利及海洋工程研究所碩士論文。
31.顏沛華、楊永祺(1997)，「自組非線性系統應用於水位即時預測」，國立成功大學水利及海洋工程研究所碩士論文。
32.顏沛華(1998)，「地下水位及地層下陷監測無線/有線數據自動化傳輸之研究」，工業技術研究院委託學術機構研究計畫-期末報告。
33.顏沛華、李文揚(2000)，「自組非線性系統應用於水庫優氧化之預測」，國立成功大學水利及海洋工程研究所碩士論文。
34.顏沛華、吳俊逸(2001)，「自組非線性系統應用於地層下陷之預測」，國立成功大學水利及海洋工程研究所碩士論文。
35.顏沛華、徐文彥(2002)，「暴雨時期自組非線性系統應用於水位之預測」，國立成功大學水利及海洋工程研究所碩士論文。
36.顏沛華、謝易霖(2003)，「暴雨時期GMDH模式結合距離~水位模式應用於未設站河段即時水位預測」，國立成功大學水利及海洋工程研究所碩士論文。
37.顏沛華、蔡松家(2003)，「洪水預警系統及資料庫建置與管理之研究」，國立成功大學水利及海洋工程研究所碩士論文。
38.經濟部水利署(2002)，「颱洪期間水庫洩洪與河口暴潮對淡水河水位影響機率預測研究」，計畫編號MOEA/WRB/ST/910026。
39.A.G.Ivakhnenko(1970)，「Heuristic Self-Organization in Problem of Engineering Cybernetics」，Automatic，Vol.6，pp.207-219。
40. Duffy, J.J. and M. A. Franklin (1975) ，「A Learning Identification Algorithm and Its Application to an Environmental Systems」，IEEE Trans.System，Man，Cybernetic，Vol.SMC-5，No.2，pp.226-239。
41. Gill, M.A. (1978), “Flood Routing by the Muskingum Method, ”Journal of Hydrology,Vol.36,No.3/4,pp.353-363.
42. Gill, M.A. (1979), “Translatory Characteristics of the Muskingum Method of Flood Routing, ”Journal of Hydrology,Vol.40,No.1/2,pp.17-29.
43. Gill, M.A. (1979), “Ctitical Examination of the Muskingum Method,”Nordic Hydrology, Vol.10, No.4, pp.261-270.
44 .Gill, M.A.(1980), “Translatory Characteristics of the Muskingum Method of Flood Routing Reply, ”Journal of Hydrology,Vol.48,No.3/4,pp.369-372.
45. Gill, M.A.(1984),“Time Lag Solution of the Muskingum Flood Routing Equation, ”Nordic Hydrology, Vol.15, No.3, pp.145-154.
46. Gill, M.A. (1989), “Response of Muskingum Equation to Step Input, ”Journal of Irrigation and Drainage Engineering(ASCE)JIDEDH, Vol.115, No.4, pp.736-738.
47. Ikeda S., S. Fugishige,and Y. Sawaragi(1976), “Nonlinear Prediction Model of River Flow by Self-Organization Method”, Int.J.Syst.Sci., Vol.7, No.2, pp.165-176.
48. Peter Young、Paul Whitehead(1977), “A recursive approach to time-series analysis for multi-variable systems”, INT.J. Control Vol.25, No3, pp.457-482.
49.Saburo Ikeda、Satoru Fujishige and Yoshikazu Sawaragi(1976),“Mon-linear predicition model of river flow by self-organization method”, INT.J.Systems Sci.Vol.7,No.2,pp.165-176.
50.Stanley J. Farlow, “Self-organizing Methods in Model-GMDH TYPE Algorithms”,MARCEL DEKKER.INC.
51.Tamura,H.andT.Kondo(1980), “Heuristics Free GroupMethod Data Handling Application to Air Pollution Prediction”, Int.J.Syst.Sci., Vol.11,No.9,pp.1095-1111.
52.Yoshimura, T., R.Kiyozumi, K.Nishino,and T.Soeda(1982), “Prediction of Air Pollutant Concentrations by Revised GMDH Algorithms in Tokushima Prefecture”,IEEE Trans. Syst,. Man ,Cyber. , Vol.SMC-12, No.1, pp.50-56.