本文以水位資料為背景，利用小波函數Daubechies (db)將水位訊號做多重解析度分析(multiresolution analysis,MRA)，藉此來過濾出潮汐中之高頻雜訊部份，並透過分潮延時差的觀念建立一種可以有效預測及補遺水位資料的類神經網路模式。利用小波時頻分析，瞭解潮汐於時間域上的能譜密度和各頻率域的能量在時間上的分布，將此能量分布情形以三維空間表示。並利用頻譜分析求得各分潮之能量變化與調和分析模式所得之各分潮振幅與相位角來作一分析檢驗，藉此作為證類神經網路模式所做出預測，補遺資料結果的評鑑指標。另外也藉此分析與小波時頻分析作一驗證比較，探討一時序列之水位資料於頻率域上能量的消散情形。結果顯示在透過輸入測站與輸出測站間潮時差之物理觀念所架構之類神經網路可以大幅改善之前錯誤架構之模式，而使用小波函數作為潮汐訊號的濾波器，將重建過後乾淨的訊號輸入類神經網路，重新做類神經網路預測及補遺的功能，更能提升其預測及補遺的精確度，但提升能力無法達到最佳，其原因在於潮汐主要的能量來自於全日潮與半日潮的低頻能量而高頻能量的雜訊佔潮汐中能量分布的比例很小，所以對類神經網路而言潮汐訊號所受到的雜訊干擾並不大，換句話說即類神經網路具有一定的雜訊容忍度。

In multiresolution analysis(MRA)by wavelet function Daubechies (db), we decompose the signal in two parts, the low and high-frequency content,respectively. We remove the high-frequency content and reconstruct a new “de-noise” signal by using inverse wavelet transform. In order to improve the forecasting accuracy of ANN (Artificial Neural Network) model ,we use the concept of tidal constituent phase-lags, and the new “de-noise” signal was used as the input data set of ANN. Besides, we also use wavelet spectrum, conventional energy spectrum (Fast Fourier Transform, FFT),and harmonic analysis to analyze the character of tidal data .
The results show that the concept of tidal constituent phase-lags can improve ANN model of tidal forecasting and supplement, but in the wavelet analysis , the improvement is insignificant .The reason is that the energy of higher frequency noise is very small compared to the energy of the diurnal and the semi- diurnal tidal components. In other word , the ANN model has a certain tolerance of noise effect .

目 錄
中文摘要 I
英文摘要 II
第一章 緒論 1
1.1 潮汐簡介 1
1.2 文獻回顧 2
第二章 研究方法 8
2.1小波理論 8
2.1.1連續小波轉換 ( continuous wavelet transform, CWT): 8
2.1.2離散小波轉換 ( discrete wavelet transform,DWT) 12
2.1.3多重解析度分析法 ( multiresolution analysis,MRA) 12
2.2類神經網路 14
2.2.1倒傳遞網路模式理論介紹 15
2.2.2 倒傳遞網路參數設定 19
2.3調和分析 20
2.4頻譜分析 22
第三章 研究步驟 24
3.1台灣測站之調和分析 24
3.1.1 分析結果 24
3.2 高雄與馬尼拉之預測模式 28
3.2.1 高雄與馬尼拉之潮汐特性 28
3.2.2 靈敏度測試 33
3.2.3–1 模式結果I 36
3.2.3–2模式結果II 37
3.2.4 小波收縮 46
3.2.5 模式物理性驗證 48
3.3 台灣海域模式之改進 50
3.3.1蟳廣嘴與高雄之預測模式(探討訓練資料長度) 50
3.3.1-1 模式物理性驗證 53
3.3.1-2 小波濾波改善模式 57
3.3.2-1蟳廣嘴與將軍之預測模式 58
3.4 BINTULU與JOHOR BAHARU之預測模式改進 64
3.5 小波分解過程與比較 70
小波分析Ι 70
小波分析II 74
小波分析III 76
小波分析IV 78
3.6 模式結果之分析與比較 80
3.7 小波轉換與傅立葉轉換之比較 83
第四章 結論與建議 88
參考文獻 91

1. 朱執均 (2000)，「類神經網路之應用-南中國海海域潮汐預報及補遺」，中山大學海洋環境及工程研究所碩士論文。
2. 楊穎堅、梁文德、唐存勇 (1996)，「基隆與高雄的水位變化」，第十八
屆海洋工程研討會論文集，第553-560頁。
3.傅文俊、高家俊 (1994)，「應用小波理論分析海洋波浪」，第十六屆海洋
工程研討會論文集，pp.D153-D170。
4. 歐文松、莊士賢、高家俊 (1995)，「小波轉換於分析淺化波浪特性之應
用」，第十七屆海洋工程研討會論文集暨兩岸港口及海岸開發研討會論文集，第335-349頁。
5. 郭瑋明、莊士賢、高家俊 (1997)，「應用小波理論分析短時波速與波向
之研究」，第十九屆海洋工程研討會論文集，第1-8頁。
6. 詹森，「台灣西海沿海潮汐特徵之再探」，國立成功大學水工試驗所，目
前任職國家海洋科學研究中心。
7. 蔡清標、李宗霖(1998)，「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，第17-22頁。
8. 蔡清標、李宗霖、謝榮哲(2000)，「類神經網路在潮汐預報之應用」，第
二十二屆海洋工程研討會論文集，第147-153頁。
9. 賴伯倫 (1999)，「小波理論於數值地形模型之多重解析度分析」，國立
台灣大學土木工程學系碩士論文。
10.曹鑑滎 (2000)，「小波收縮應用於非安定訊號雜訊濾除之改進」，國立
台灣海洋大學電機工程學系碩士論文。
11.李宗穆 (1997)，「小波分析方法應用於坡地集水區水文模擬之研究」，
國立台灣大學農業工程學系碩士論文。
12.陳民本、王玉懷 (1998)，「台灣海峽的潮汐特性」，國立台灣大學海洋
研究所。
13.葉怡成 (儒林1999)、「類神經網路模式應用與實作」。
14.Tsay,Ting-Kuei，Juang,Wen-Jye，Lin,Ming-Chung(2000),「Tidal Predictions Around Taiwan」，The Fourth Workshop on Ocean Modals for the APEC Region(WOM-4), contents(15).
15.Chen,Bang-Fuh、Chu,Chih-Chun、Wu,Chaoyu（2000）,「Neural Network in Hydrological Forecasting and Supplement of Kao-Pin-Chi」, The Fourth International Conference Hydroinformatics 2000,268pp.
16.Patrick Caldwell,1998.Sea level data processing on IBM-PC compatible
computers Version 3.0 (Year 2000 Compliant)
17.湯麟武，張劭曾，許硯蓀，「中國農村復興聯合委員會特刊新二號(1971)，海岸工程規劃設計」。
18.經濟部水資源局(1999) ，「海岸災害防救暨永續利用整體規劃( I )」。
19.許泰文，「海岸侵蝕與防禦講義」。
20.K.O. Emery , David G. Aubrey,「Sea Levels, Land Levels, and Tide
Gauges」
21.Michel Misiti, Yves Misiti, Georges Oppenheim, Jean-Michel Poggi,
「Wavelet Toolbox For Use with MATLAB」。
22.湯麟武(2000)、「紛紜學-宇宙及人間各種紊亂與偶發事件之研究」。
23.Stanislaw R. Massel (2000) ,「Wavelet analysis for processing of ocean
surface wave records」,Ocean Engineering 28 (2001),pp.957-987
24.Grossmann,A.R.Kronl and-Martinet and J.Morlet,(1987) 「Reading and understanding continus Wavelet Transforms」,Proc.Int.Conf. Wavelets,Time-Frequency Methods Phase Space,Dec.14~18,pp.2~20
25.Goupillaud,P.,Grossmann,A.and Morlet,J., 「Cycle-octave and related transforms in seismic signal analysis」,Geoexploration,vol.23, pp.85-102,1984/85
26.Daubechies,I., 「Ten Lectures on Wavelets ,CBMS,SIAM,1992.
27. Daubechies,I., 「Orthonormal bases of compactly supported wavelets」, Comm.pure Appl.Math.,Vol.41,pp.909~996,1988.
28. S.G.Mallat, 「A theory of multiresolution signal decomposition:the wavelet representation」,IEEE Trans.on Pattern Analysis and Machine Intlligence,Vol.11,No.7,pp.674-693,July 1989.