臺灣博碩士論文加值系統

因統計方法的高度應用性及強健表現，多種類的水文相關應用一直以來被視為重要研究課題。本研究旨在展示如何利用數種無母數與統計學習方法於分析與預報台灣屏東平原之地下水資料。蒐集的資料包含屏東平原區域之地下水位（151口監測井），另有蒐集河川流量(14站)與水位（5站），以及鄰近中央氣象局局屬氣象站之日均溫觀測資料（2站）與雨量觀測資料（20站）。本研究大致分為兩大部分，第一部分採用無母數統計進行長期趨勢變化分析，包含資料（以年為單位）之變異點分析與趨勢分析，變異點分析採用 Mann-Whitney-Pettitt為檢測前述資料是否存在統計上顯著的年份變異點，趨勢分析採用Mann-Kendall檢定搭配Sen Slope法計算資料變動趨勢。研究第二部分利用從支撐向量機（Support Vector Machine, SVM）衍生之支撐向量迴歸方法建立模式，用來預報屏東平原部分地區地下水位（以月為單位）之升降，預報因子會往前遞延由一至十二個月作為其領先時間（lead time）。
趨勢變化分析結果顯示，屏東平原之年降雨量及降雨日降雨強度變化趨勢大致持平，豐枯水期降雨特性亦無多大變化，顯示基本補注量應無太大改變。年溫度及潛勢能蒸發散量有顯著上升趨勢。另年逕流量分析雖呈現下降趨勢，但可能為2000年前資料闕遺較多無法反應前期的中低流量導致。而地下水位變化總體而言呈下降趨勢。地下水位變異點前下降區域與佳冬、枋寮及林邊鄉等地層下陷位置大致吻合，變異點後東部水位下降趨勢是否會帶動進一步的地層下陷仍有待探討。SVM迴歸結果顯示月地下水位有一定程度的可預報性，然無論是以地文條件分類選取扇頂、扇央及扇尾的三個目標測站或是依據趨勢分析結果選取最顯著上升或下降各前五測站，其地下水位預報的結果幾乎都是在領先前三個月內的表現較佳。

Owing to the high applicability and robust performance of statistical methods, various hydrology-related applications have been regarded as a salient research track. This study aims to demonstrate the application of nonparametric methods and statistical learning for the analysis and forecasting of groundwater level in Pingtung alluvial plain in Taiwan. Data acquired in this region include groundwater level (151 monitoring wells), river flow (14 stations) and water level (5 stations), average daily temperature (2 stations) and rainfall (20 stations). This study consists of two major components: The first component is to adopt nonparametric methods to perform analysis of long-term yearly data, including using the Mann-Whitney-Pettitt test on detecting if there is a statistically significant change point in a yearly time series, and using the Mann-Kendall test in conjunction with the Sen Slope test on calculating the data trend. The second component is to apply support vector regression originated from Support Vector Machine (SVM) to forecasting monthly groundwater level in Pingtung alluvial plain. To examine optimal lead time, selected predictors are shifted from one to twelve months preceding groundwater level data.
In the first component, trend analysis reveals that no significant trend is found in annual precipitation amount or daily intensity, whether in the dry or wet period, indicating the basic recharge to the alluvial plain stays very much invariant in the recent decades. By contrast, annual temperature and potential evapotranspiration exhibit significant increasing trends. Annual runoff amount shows a decreasing trend, which might be caused by the lack of low-flow data prior to 2000. Regarding groundwater level, overall, a decreasing trend is found in the study region. In the second component, SVM regression shows that sources of predictability of monthly groundwater level can be identified. However, two different selections of target monitoring wells, one based on the spatial geographical characteristics and the other based on the results of trend analysis, both lead to the same conclusion that lead times can be extended to at longest three months to issue skillful forecasts.

謝誌 i
摘要 ii
Abstract iv
目錄 vi
表目錄 ix
圖目錄 xii
第一章 緒論 1
1.1 前言 1
1.2 研究動機與目的 1
1.3 本文組織與架構 2
第二章 理論背景與文獻回顧 5
2.1 無母數統計檢定方法 5
2.2 支撐向量機 7
第三章 研究方法 10
3.1 無母數統計方法 10
3.1.1 趨勢檢定: Mann-Kendall檢定法 10
3.1.2 趨勢斜率檢定: Sen Slope推估法 11
3.1.3 變異點檢定: Mann-Whitney-Pettitt檢定法 12
3.2 支撐向量機 13
3.2.1 支撐向量迴歸 13
3.2.2 參數搜尋 16
3.2.3 SVM模式建置 17
第四章 研究區域與資料分析 19
4.1 研究區域概述 19
4.2 研究區域資料 21
4.2.1 屏東平原地下水監測井基本資料 21
4.2.2 屏東平原雨量站站況資料 25
4.2.3 屏東平原流量站站況資料 26
4.2.4 屏東平原水位站站況資料 27
4.2.5 鄰近中央氣象局局屬氣象站之日均溫觀測資料 28
4.3 氣候指標資料 28
第五章 結果與討論 31
5.1 屏東平原長期水文特徵 31
5.1.1 降雨特性變化趨勢分析 31
5.1.2 溫度及勢能蒸發散量變化趨勢分析 43
5.1.3 逕流特性變化趨勢分析 45
5.1.4 地下水位變化趨勢分析 51
5.1.5 屏東平原長期地下水位變動趨勢分析 62
5.16 小結 64
5.2 SVM檢定 64
5.2.1 SVM參數選擇 67
5.2.2 評鑑指標 67
5.2.3 SVM率定結果 68
5.2.4 SVM驗證結果 78
5.2.5 其餘測站SVM率定與驗證結果 88
第六章 結論與建議 109
6.1 結論 109
6.2 建議 110
參考文獻 111
附錄 屏東平原地下水位變化趨勢分析結果 114

1.水利署地理資訊倉儲中心，http://gic.wra.gov.tw/gic/HomePage/Index.aspx (2015)。
2.宋健豪、廖俊瑋及廖學誠(2014)，「蘭陽溪上游集水區降雨量之趨勢分析」，中華林學季刊，47(4)，第341–358頁。
3.林軒宇、劉說安(2015)，「以支援向量機為基礎於有限氣象資料進行蒸發量補遺」，農業工程學報，第61卷，第4期。
4.高于婷、葉信富及李振誥(2015)，「以長時間河川低流統計資料特徵化台灣南部流域消退特性之研究」，中華水土保持學報，46(2)，第114–122頁。
5.郭鎮維、李建堂(2004)，「翡翠水庫上游集水區水質趨勢分析」地理學報，第38期，第111–128頁。
6.陳憲宗、劉鑌鋈及游保杉(2010)，「應用支撐向量機與輻狀基底神經網路修正QPESUMS 雨量」，農業工程學報，第56卷，第3期，第43–56頁。
7.陳憲宗、游保杉(2007)，「洪水位之及時機率預報-結合支撐向量機與模糊推理」，農業工程學報，第53卷，第4期，第1–20頁。
8.陳憲宗、張逸凡、謝章廷及游保杉(2006)，「支撐向量機制:洪水水位預報模式」，臺灣水利期刊，第54卷，第2期，第50–61頁。
9.陈海涛、梁富山(2011)，「基于支持向量机的地下水位预测」，華北水利水電學院學報，第32卷，第2期，第11–14頁。
10.葉信富、李佳勳、葉振峰及李振誥(2014)，「臺灣南部地區長時間河川流量季節性趨勢變化之研究」，臺灣水利，第 62 卷，第 4 期，第16-28頁。
11.葉振峰、葉信富及李振誥(2015)，「臺灣北部地區河川流量時空趨勢之研究」臺灣鑛業，第67卷，第1期。
12.雷祖強、周天穎、萬絢、楊龍士及許晉嘉(2007)，「空間特徵分類器支援向量機之研究」，航測及遙測學刊，第十二卷，第二期，第145-163頁。
13.經濟部水利署(2014)，「地表地下水整合數值模式於地下水資源管理應用之研究(2/3)」報告書，經濟部水利署。
14.經濟部水利署(2015)，「地表地下水整合數值模式於地下水資源管理應用之研究(3/3)」報告書，經濟部水利署。
15.經濟部中央地質調查所(2014)，地下水補注地質敏感區劃定計畫書(G0002屏東平原)。
16.經濟部中央地質調查所(2002)，屏東平原水文地質調查研究總報告。
17.盧孟明、陳佳正及林昀靜(2007)，「台灣極端降雨氣候事件判定方法」，大氣科學，第三十五期，第87-103頁。
18.盧孟明、陳佳正及林昀靜(2007)，「1951-2005 年台灣極端降雨事件發生頻率之變化」，大氣科學，第三十五期，第105-118頁。
19.錢滄海、楊孟叡、曹舜評及李汴軍(2010)，「台北測站長時間降雨之趨勢檢定」中華水土保持學報，42(3)，第285–304頁。
20.Chen, C. J., and Lee, T. Y. (2016).“On the Relationship between Teleconnections and Taiwan’s Streamflow: Evidence of Climate Regime Shift and Implications for Seasonal Forecasting,” Hydrology and Earth System Sciences Disscussion, ”doi:10.5194/hess-2016-216.
21.Cai, Y. D., Ricardo, P. W., Jen, C. H., and Chou, K. C. (2004).“Application of SVM to predict membrane protein types, ”Journal of Theoretical Biology, Vol.226, Issue 4, 373-376.
22.Hsu, C. W., Chang, C. C., and Lin, C. J. (2010).“A Practical Guide to Support Vector Classification, ” Department of Computer Science, National Taiwan University, Taipei 106.
23.Lin, G. F., Chou, Y. C., and Wu, M. C. (2013).“Typhoon flood forecasting using integrated two-stage Support Vector Machine approach, ” Journal of Hydrology,vol 486,334-342.
24.Liong, S. Y., and Sivapragasam, C. (2002).“Flood stage forecasting with Support vector machines, ”Journal of the american water resources association, Vol. 38, No. 1.
25.Pettitt, A. N. (1979). “A Non-parametric Approach to the Change-point Problem,” Journal of the Royal Statistical Society, 28(2), 126-135.
26.Tabari, H and Talaee, P. H. (2011).“Temporal variability of precipitation over Iran: 1966–2005,”Journal of Hydrology, 396,313-320.
27.Yue, S., Pilon, P., and Cavadias, G. (2002). “ Power of the Mann-Kendall and Spearman’s rho tests for detecting monotonic trends in hydrological series, ” Journal of Hydrology, 259,254-271.