萬物現象的觀察值，有時常依時間的變化而發生一系列有規則的變化，此種
資料謂之時間序列的資料，而對此種資料的分析方法謂之時間序列分析法。在自
然界中，常常有很多資料具有時間序列的特色可給予解決問題的重要訊息；或無
法以分布論的公式進行分析的資料，如以時間序列排序而用時間序列的方法來分
析時，就可探討其現象變化的原因。
近年來，資料探勘技術已廣泛地應用到各種不同型態的資料分析上。其中，
時間序列探勘是資料探勘重要研究議題之一，主要原因是因其可找出在探勘資料
庫裡，觀測項目之間的時間序列，並提供給決策者作為資訊參考。
現今的海氣象，其區域分佈較廣且四季不同。同時，除了提供資訊外，也將
提供不同時間點不同海域的海氣象。
基於上述原因，本研究將透過時間序列探勘技術來分析現在和未來幾天海氣
象訊息，同時，也可以觀察到海水漲退潮的時間與四季潮位變化等現象。
最後，在探勘的部份，本研究使用的資料；其資料來源是位於墾丁香蕉灣外
海布放的資料浮標經年累月觀測而得，對於分析後所獲得的時間序列規則也能進
一步地探討與解釋，藉以找出有用的時間序列給決策者作為資訊參考的依據。

Time Series Data have natural ordering. It results from the observation of all
things often changes regularly according to time variation. Comprise methods for
analyzing called Time Series Analysis. In nature. there are plenty data present time
series to reveal can solve problems. Examples a data cannot be analyzed by formula
of Distribution theory but can investigate variation reasons by Time Series Analysis.
In recent years. skill of data mining is widely applied on kinds of data analysis.
Time Series precisely is one of the important researches of data mining. It counts
Time Series can be found from data mining and also helpful for executives making
policies.
Nowadays.marine climate is widespread and different in seasons. Meanwhile.
information provided depends on different time spot and sea.
In view of above factors. this research is related to analysis via data mining of
Time Series for marine climate now and in the future. Furthermore.we also can
observe the flood/ebb tide and sea level in seasons.
Regarding to mining. this research source obtain through buoy floating for a
long- time observation. The Time Series can be explored and explained after analysis.
and it is also a useful data for executives.

摘要 I
Abstract II
誌謝 III
目次 VII
表目錄 X
圖目錄 XI
第1章 緒論 1
1.1研究背景 1
1.2研究動機與目的 2
1.3研究範圍 2
1.4論文架構 3
第2章 文獻探討 4
2.1時間序列 4
2.2相關演算法 4
2.3資料模式 7
第3章 研究方法 10
3.1原始的資料庫形式 11
3.2前置處理開始 12
3.2.1修改錯誤性資訊 12
3.2.2觀測儀器更改與修正 12
3.2.3通訊不良資料補傳 13
第4章 實驗評估 14
4.1實驗設計 14
4.2參數說明與設定 17
4.2.1實驗1：2010W1(東北季風時段)之觀測項目加減10%預測與實際值之準確性(預測7個小時) 19
4.2.2實驗2：2010W1(東北季風時段)之觀測項目加減10%預測與實際值之準確性(預測10個小時) 23
4.2.3實驗3：2010W1(東北季風時段)之觀測項目加減15%預測與實際值之準確性(預測7個小時) 27
4.2.4實驗4：2010W1(東北季風時段)之觀測項目加減15%預測與實際值之準確性(預測10個小時) 31
4.2.5實驗5：2010W1(東北季風時段)之觀測項目加減20%預測與實際值之準確性(預測7個小時) 35
4.2.6實驗6：2010W1(東北季風時段)之觀測項目加減20%預測與實際值之準確性(預測10個小時) 39
4.2.7實驗7：2010W2(西南季風時段)之觀測項目加減10%預測與實際值之準確性(預測7個小時) 43
4.2.8實驗8：2010W2(西南季風時段)之觀測項目加減10%預測與實際值之準確性(預測10個小時) 47
4.2.9實驗9：2010W2(西南季風時段)之觀測項目加減15%預測與實際值之準確性(預測7個小時) 51
4.2.10實驗10：2010W2(西南季風時段)之觀測項目加減15%預測與實際值之準確性(預測10個小時) 55
4.2.11實驗11：2010W2(西南季風時段)之觀測項目加減20%預測與實際值之準確性(預測7個小時) 59
4.2.12實驗12：2010W2(西南季風時段)之觀測項目加減20%預測與實際值之準確性(預測10個小時) 63
4.3 探勘結果 67
第5章 結論與未來展望 69
參考文獻 71

1. Agrawal, R., Imieli ski, T., Swami, A., 1993. Mining association rules
between sets of items in large databases,ACM SIGMOD Record 22 (2)
,207-216。
2.Preminger, D. G. , & Walton, R. R. (2007) ,From Sunspot Area to Solar
Variability: A Linear Transformation,Solar Physics,240(1) ,17-23。
3.Li,K. J., Su, T. W. , & Liang，H. F. (2004) ,The periodicity of sunspot
activity based on modern sunspot observations , Chinese Science Bulletin,49,2511-2516。
4.黃仁鵬 資料庫系統理論-使用Oracle， (初版 ed.) 博碩文化， 2004。
5.尹相志(2009)，SQL Server 2008 Data Mining，(初版)，悅知文化。
6.楊穎堅，臺灣週邊海域海洋科學教室系列一台灣週邊海域之海流分佈，中正大 學，碩士論文。
7.高立仁，2007，利用資料探勘及模糊推論技術預測海水溫度與鹽度變化之研究，資訊工程學系. 大同大學. 碩士論文。
8.張振洋，蔡政翰，2005. 堤前異常波浪與三連波的觀測，第27屆海洋工程研討會，pp. 147-153。
9.維基百科 “http://zh.wikipedia.org/zh-hant/%E6%95%B0%E6%8D%AE%E6%8C%96%E6%8E%9
8” 。
“http://zh.wikipedia.org/wiki/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0 “機器學習。
10.丁一賢、陳牧言(2005)，資料探勘，(初版)，滄海出版社。
11.張育菁， 2008. 應用資料探勘分析影響西北太平洋颱風增強機制，海洋環境
資訊學系. 國立臺灣海洋大學. 碩士論文。
12.劉俊志， 2005. 近岸突浪的分析探討， 海洋物理研究所. 國立中山大學. 碩
士論文。
13.陳松輝， 2002. 水中波壓與水面波浪間轉換函數之研究， 水利及海洋工程
研究所. 國立成功大學. 碩士論文。
14.黃淑媚，鄭由聖，楊孟學. 應用時間序列地圖及遙測影像於地形演育與自然環境變遷之研究.行政院國家科學委員會補助專題研究計畫成果報告.國立成功大學地球科學系。
15.中央氣象局，2002. 氣象業務與社會互動的發展策略。
16. 蔡仁智.蔡政翰，2007.資料探勘應用於台灣海岸危險波浪發生之研究. 第29屆海洋工程研討會論文集國立成功大學。