監測系統及資料分析是水庫安全評估最重要的項目之一。對大壩監測人員而言，觀測壩體滲流水的目的在於能夠對於目前的水庫水位提出預期的滲流水量，並能從各監測儀器監測值(數值曲線) 偏離預期之變化與趨勢現象發現潛在問題，研判蓄水庫是否處於穩定狀態，以作水庫管理單位採取適當因應措施之參考與依據。
本研究以烏山頭水庫壩體現有4處滲流觀測點(A、B、C、D)自動化觀測後之數值資料為例，採用倒傳遞類神經網路加以分析，建立滲流觀測值驗證模式，期能提供水庫管理單位參考應用。分析結果顯示D點於資料取用訓練、驗證較其他三處為少，模式推估值不理想且均方差(MSE)較大，而A點、B點、C點驗證結果，遇豪、暴雨時之實際滲流值突增向量與模式推估值向量尚屬接近且均方差(MSE)較小，顯示應用倒傳遞類神經網路分析壩體遇豪、暴雨時之實際滲流值突增向量與模式推估值向量初步可行，但應用於降雨較少或不降雨之模式推估向量皆不佳，此部份建議後續研究中加入其他可能影響壩體滲流因子及增加實際觀測值，以提高模式整體分析之精確度。

Earth fill dam needs to monitor seepage to let supervisors be able to assess dam safety. Since seepage is expected to be accordance with reservoir’s water level and an abnormal value of it indicates a potential danger of the dam, a model that can predict normal seepage based on water level and other parameters is important.

Wushantou dam’s has four automatic seepage monitoring points, namely A, B, C and D, located at the toe of the dam. Based on the 746 daily records of reservoir water level, rainfall depth and the seepages of the four points, training models are constructed by using the back-propagation neural network. It is expected to use the model to predict reference seepage for the reservoir management unit.

The result of analysis shows that D point’s values after training and verification are less than other three points and MSE values are bigger thus the mode expecting values are not applicable. Verification with A, B, and C points shows that that the expecting monitoring seepage values are close to the practical monitoring seepage values during heavy rains and MSE values are smaller. It shows that using BP method to analyze dam’s expecting seepage values during sudden encountered heavy rains is basically applicable. However, during dry or less rain days, the expecting monitoring seepage values are with a larger deviation. In order to achieve more accurate expecting values, more potential dam affected seepage factors and practical observation seepage values should be adapted in further investigation.

參考文獻
[1].International Standard ISO 1438/1，Water flow measurement in open channels using weirs and venturi flumes Part 1:Thin-plate weirs(1980)。
[2].Foster.M.,Fell,R.and M.Spannagle,”Method for assessing the relative likelihood of failure of embankment dams by piping “Canadian Geotechnical Journal,v37,n5,P1025~1061(2000)。
[3].Nedriga. V.P and M.P.Malyshev，METHOD OF CALCULATING SEEPAGE THROUGH A HIGH EARTH DAM WITH CRACKS IN THE CORE(1974)。
[4].王進德，蕭大全，類神經網路與模糊控制理論入門，全華科技圖書股份有限公司(2003)。
[5].中興工程顧問社，烏山頭水庫土壩安全調查研究分析及評估綜合報告(1989)
。
[6].台灣省水利局，嘉南農田水利會，烏山頭水庫安全檢討調查報告(1984)。
[7].台灣省水利局，烏山頭水庫安全評估總報告(1994)。
[8].台灣省嘉南農田水利會，烏山頭水庫第三次安全評估總報告(2001)。
[9].台灣省嘉南農田水利會，水庫安全管理訓練講習，2006。
[10].台灣省嘉南農田水利會，烏山頭水庫壩體改善評估規劃(第一年)」 (2006)。
[11].林志平，蓄水庫安全評估教材(2002)。
[12].許鴻冠，「土石壩滲流行為之研究」，國立中興大學土木工程學研究所碩士論文(1995)。
[13].財團法人中興工程科技研究發展基金會，多目標壩工建設 第三卷設計篇之P313至P326(1998)。
[14].陳在中 ，「曾文水庫土石壩滲流量之探討」，國立中興大學水土保持研究所碩士論文(1985)。
[15].陳冠亨，「土石壩滲流相關之破壞型態與參數探討」，國立交通大學土木工程研究所碩士論文(2006)。
[16].國立交通大學防災工程研究中心，水庫安全評估-大壩監測簡報(2002)。
[17].張斐章，張麗秋，黃浩倫，類神經網路理論與實務，東華書局(2004)。
[18].詹錢登，曾志民，王志賢，王啟明，類神經網路應用颱風暴雨之預測，海洋工程學刊，第6卷，第一期(2006)。
[19].張智星，MATLAB程式設計與應用，清蔚科技出版(2000)。
[20].經濟部水利司，蓄水庫安全手冊(1988)。
[21].經濟部水利署中區水資源局，九十年度鯉魚潭水庫安全監測分析總報告(2002)
[22].經濟部水利處，水庫安全監測資料建檔與分析手冊之研訂(2002)。
[23].經濟部水利處中區水資源局，鯉魚潭水庫安全監測分析工作九十一年教育訓練教材(2002)。
[24].劉芳志，「鯉魚潭壩體滲流量影響因素研究」，逢甲大學土木及水利工程所碩士論文(2003)。
[25].劉中河，「類神經模糊系統應用於白河水庫放流之研究」，國立成功大學水利及海洋工程研究所碩士論文(2004)。
[26].蔡孟蓉，江衍銘，張斐章，類神經網路結合衛星影像於颱風降雨預報，臺灣水利，第51卷，第一期(2007)。
[27].謝龍生，「類神經網絡颱風降雨預報模式與半分布並聯型線性水庫概念逕流預報模式之研究及其整合應用」，國立臺灣大學農業工程學研究所博士論文(1998)。
[28].賴堆興，「土石壩類型之有限元素滲流分析」，國立中興大學土木工程研究所碩士論文(1999)。