本研究應用序率模擬概念，繁衍連續暴雨歷程。研究中選定濁水溪流域內12個雨量站，將連續時雨量資料分成鋒面雨、梅雨、對流雨及颱風四種類型，並針對不同類型之降雨事件，探討其統計特性，進而模擬整個連續的降雨歷程。
本研究以間隔四小時作為降雨事件分割之依據，再分別檢定降雨事件發生間距、降雨延時及總降雨量之機率分佈。研究中發現降雨事件發生間距為指數分佈，故以卜阿松歷程來模擬限定時間內，降雨事件於時間軸上的分佈點。其次，研究分析各類型降雨事件延時與總降雨量之機率分佈，發現兩者亦分別呈指數分佈，且兩者之間呈正相關。因此，使用聯合雙變數指數分佈模擬每場降雨事件的降雨延時及總降雨量。
最後，考慮非定常性之降雨隨機歷程，以非定常性一階高斯馬可夫歷程模擬。在降雨歷程隨機模擬時，採尺度轉換模式，如此對特定降雨類型而言，無因次隨機歷程可適用於任意延時之降雨事件，但各時刻降雨量必須作適當之尺度轉換。
在評估整個暴雨歷程連續模擬部分，是比對歷史資料與暴雨歷程連續模擬結果，確定能掌握降雨統計特性及歷程特性。

This study simulates continuous storm rainfall process by using stochastic simulation. We selected hourly rainfall data of 12 raingauges in Cho-Shuei River Basin. All data are divided into 4 different rainfall types: frontal rain, Mei-Yu, convective storm and typhoon. These data are individually checked by their statistical properties and then we can simulate the whole rainfall process.
First we take every 4 hours as the inter-event time to separate the whole events. Next we test the probability distribution of inter-arrival time, rainfall duration, and total rainfall depth in four different rainfall types. The inter-arrival time is found to be exponentially distributed, so we use Poisson process to simulate the points along the time frame axis during the appointed period of time. Furthermore, both of rainfall duration and total rainfall depth are also found to be exponentially distributed, and there is a positive correlation between them. Hence, we use joint bivariate exponential distribution to simulate the rainfall duration and total rainfall depth of each event. Finally, taking the non-stationary rainfall process, we use first- order Gaussian Markov process to distribute the total rainfall depth into each time interval in rainfall duration.

目錄
目錄 Ⅰ
圖目錄 Ⅲ
表目錄 Ⅴ
中文摘要 Ⅶ
英文摘要 Ⅷ
第壹章 前言 1
第貳章 文獻回顧 3
第參章 降雨事件分析 5
一、資料處理 5
二、降雨事件間距 7
三、降雨事件分割與檢定 7
四、結果與討論 11
第肆章 降雨事件特性模擬 15
一、理論介紹 15
1.Inverse Transform Method 17
2.模擬卜阿松歷程 18
3.雙變數指數模擬 19
二、結果與討論 21
1.卜阿松歷程模擬結果與討論 21
2.雙變數指數模擬結果與討論 21
第伍章 降雨隨機歷程模擬 27
一、資料整理 27
二、理論介紹 27
1.馬可夫歷程 29
2.條件常態分佈機率密度函數 30
三、一階高斯馬可夫歷程模式之確定 30
1.一階馬可夫歷程之檢定 31
2.常態機率分佈之檢定 43
四、一階高斯馬可夫歷程模式之模擬 48
五、結果與討論 49
第陸章 結論與建議 60
一、結論 60
二、建議與未來研究方向 61
參考文獻 63
附錄 65
附錄A 66
附錄B 68

【1】王如意、易任，1992，「應用水文學」，國立編譯館。
【2】許恩菁，1999，「設計暴雨雨型序率模式之研究」。台灣大學農業工程學研究所碩士論文。
【3】鄭彥斌，1998，「隨機變域繁衍之研究及其應用」。台灣大學農業工程學研究所碩士論文。
【4】許恩菁、鄭克聲，1998，「以序率方法建立設計暴雨雨型」，八十七年度農業工程研討會。
【5】洪華生、鄧漢忠、蔡益超，「工程或然率」，中國土木水利工程學會。
【6】張守陽，1995，「降雨事件分割之研究」，農業工程學報，第41卷第3期，pp47-60。
【7】Chow, V. T., Maidment, D. R., and Mays, L. W., 1988. Applied Hydrology. McGraw-Hill Co. 397p
【8】Dagpunar, J., 1988. Principles of Random Variate Generation. Clarendon Press.
【9】Engelhardt, B., 1991. Introduction to Probability and Mathe- matical Statistics. A division of Wadsworth, Inc.
【10】Hamdy A. T., 1988. Simulation Modeling and SIMMT. Prentice -Hall International, Inc. 45p
【11】Law, A. M., and Kelton, W. D., 1982. Simulation Modeling and Analysis. McGraw-Hill Co.
【12】Ross, S. M., 1990. Simulation. Academic Press, Inc.
【13】Samuel K., Balakrishnan, N., and Johnson, N. L., 2000. Continuous Multivariate Distributions, Volume1: Models and Applications. John Wiley & Sons, Inc.
【14】 Cheng, K. S., Hueter, I., Hsu, E. C., and Yeh, H. C., 2001. A scale-invariant Gauss-Markov model for design storm hyetographs. Journal of the American Water Resources Association, 37(3), pp723-736.
【15】 Marshall, A. W., and Olkin, I., 1966. A Multivariate Exponential Distribution. Journal of the American Statistical Association, Vol. 62, pp30-44.
【16】 Marshall, A. W., and Olkin, I., 1967. A Generalized Bivariate Exponential Distribution. Journal of Applied Probability, Vol. 4, pp291-302.