在海岸工程的規劃及設計中，長期的潮汐資料扮演著不可或缺的角色。本篇論文以台灣海域以及中國海海域所蒐集到的潮位資料為背景，透過類神經網路建立模式，期能找出相鄰潮位測站間的關係，進而利用類神經網路預測及補遺所需要的潮位資料。主導潮汐現象的因素有許多項，包括天體引潮力、季節、沿岸地形、海底地形、海灣河口之共振、水深變化等因素，隨當地環境而有不同程度的影響。目前潮汐的分析及預測大都採用調和分析法，此法需要長時間的潮位觀測紀錄來加以分析，且其理論依據來自天體引潮力的分析，有其精度及限制。
類神經網路的應用，主要在非線性的科學問題領域，本篇論文將潮汐資料以類神經網路中的倒傳遞網路來建立模式並加以分析驗證，發現類神經網路應用在潮汐預測及補遺具有相當好的精度。研究方向包括【1】相鄰兩測站間的關係（輸入一測站、輸出一測站）。【2】相鄰三測站間的關係（輸入兩測站、輸出一測站）。【3】輸入多個測站、輸出一測站。【4】倒傳遞網路模式中，連接加權值與閥值之相關性。【5】倒傳遞網路參數的改變，對模式驗證品質的影響。【6】實際應用案例。
本篇研究顯示，在開發海岸地區時所需的長期潮位資料，可應用類神經網路配合鄰近的潮位測站回歸出來。並且對於因機械或其他因素，導致測站潮位資料有所遺失或錯漏的情形時，可應用類神經網路加以補遺所需的潮位資料，而回歸及補遺的潮位資料經本篇研究顯示其精度都相當良好。故以類神經網路應用於潮位資料之預測及補遺，應為一實用可行的方法。

In the design and plan of the coast engineering, long-term and continual tidal database represent the indispensable role. This paper collect the tidal database, their locations include the ocean around the Taiwan and the South China Sea. Use the artificial neural networks (ANN) to build model and find the relationship between neighbor tidal observation stations. There are many reasons to cause the tide phenomenon, include the tide generating force, season, coastal geography, geography of sea floor, resonance of gulf or estuary, change depth of sea, and so on, it will be determined by local environment. The tide analysis and prediction usually use the harmonic analysis method. This method need long-term and continual tidal record, and the theory depend on the tide generating force, it has limit about accuracy.
The application of artificial neural networks is used in nonlinear science problems in general cases. The back propagation (BP) networks is the one model of the artificial neural networks, this paper use ANN-BP model to build the relationship from different tide observed stations, and verify the quality of model. From the result of verified models, the ANN-BP model can predict and supplement the tide record very well. The items of research include: 【1】 the relationship between two neighbor tide observed stations. (one station input, one station output) 【2】the relationship between three neighbor tide observed stations. (two station input, one station output) 【3】 input several tide observed stations and output one station. 【4】 the correlation of connected weight and threshold between different models. 【5】 change the parameters of ANN-BP model and discus the affect of model’s quality. 【6】 application of truly case.
From the result of this paper, in the design and plan of the coast engineering, the long-term tide observed record can be predict from the ANN-BP model and tide record of neighbor observed stations. When the tide record has miss or lost cause by machine or other reasons, the ANN-BP model can supplement the lost tide record well. This paper show the ANN-BP model can be apply to predict and supplement the tide record very well, and will be possible applied method.

第一章 緒論
1.1 研究目的及背景
1.2 文獻回顧
第二章 台灣海域與南中國海海域潮汐現象
2.1 潮汐概論
2.2 台灣海域潮汐現象
2.3 南中國海海域潮汐現象
第三章 網路模式簡介與理論推導
3.1 類神經網路簡介
3.2 倒傳遞網路模式理論推導
3.3 倒傳遞網路參數設定
第四章 研究方法
4.1 資料蒐集及整理
4.2 調和分析
4.3 模式驗證評鑑指標
4.4 研究方向
第五章 結果與討論
5.1 台灣海域部分
5.2 南中國海海域部分
第六章 結論與建議
6.1 結論
6.2 建議

1、 陳昶憲、陳建宏，「類神經模糊邏輯法應用於洪水位預報」，中國土木水利工程學刊，Vol.11, No,2, 1999。
2、 陳昶憲、蔡國慶，「應用於洪水演算類神經倒傳遞網路法最適參數推估」，逢甲學報，Vol. 33, June. 1998。
3、 李汴軍、何佩勵、林燕璋，「潮汐預報校驗與相關問題探討」，第二十屆海洋工程研討會論文集，November, 1998。
4、 楊穎堅、梁文德、唐存勇，「基隆與高雄的水位變化」，第十八屆海洋工程研討會論文集，November, 1996。
5、 蔡清標、李宗霖，「類神經網路在潮汐預報之應用，第二十屆海洋工程研討會論文集，November, 1998。
6、 鄭子璉，「分佈型類神經網路降雨逕流模式之研究」，國立成功大學碩士論文，June 1996。
7、 林柏承，「應用類神經網路於颱風降雨量的推估」，國立成功大學碩士論文，December 1999。
8、 葉怡成，「類神經網路模式應用與實作」，儒林1998。
9、 劉文俊，「台灣的潮汐」，文英 1997。
10、陳怡發、黃煌輝，「台灣沿海潮汐資料之整理及分析」，第五屆水利工程研討會論文集，July 1990。
11、張君倫、譚亞，「潮汐和風暴潮的數值預報」，2000兩岸港口及海岸開發研討會論文集，March 2000。
12、蕭松山、臧效義、蔡政翰、施心翊，「台灣東北部海域異常水位調查分析」，2000兩岸港口及海岸開發研討會論文集，March 2000。
13、Yonas B. Dibike, and Michael B. Abbott “Application of artificial neural networks to the simulation of a two dimensional flow”, Journal of Hydraulic Research, Vol. 37, 1999, No.4.
14、Choi, Byung Ho, D.G. Kim and D. H. Kim. 1997. “A numerical tidal model for the Southeast Asian Seas”, Oil spill modelling in the East Asian Region.
15、Yonas B. Dibike, Anthony W. Minns, and Michael B. Abbott “Applications of artificial neural networks to the generation of wave equations from hydraulic data”, Journal of Hydraulic Research, Vol. 37, 1999, No.1.
16、John P. Grubert, “Application of neural networks in stratified flow stability analysis”, Journal of Hydraulic Engineering, July, 1995.
17、Wu, C. Y., 1992, Application of artificial neural net – A new approach for hydrological forecasting, 27th International Geographic Conference, Washington D.C.
18、Hsiang Te Kung, L Yulin, S Malasri, 1993, Precipitation Pattern study using artificial neural networks, Proceedings of international symposium, on impact of climatic change global warming on hydrology and water resources, China, 72-82.
19、Wu, C. Y., 1995, Artificial neural net model for river flow forecasting and missing data fixing in lower delta area, Hydrocoast 95 International Workshop, Nov, 1995, Bankok, Thailand.
20、Bruce B. Parker (Ed.), “Tidal Hydrodynamics”, 1991.
21、Courtier, A. 1938. Service hydrographique de la marine. Marees, Paris. 284 p.
22、Patrick Caldwell, 1998. Sea level data processing on IBM-PC compatible computers Version 3.0（Year 2000 Compliant）