棲地環境與生物之間的因果關係往往牽涉到複雜的交互作用，各種因素之間可能會是緊緊牽連的。結合目前國內長期生態研究計劃之資料，本研究針對墾丁國家公園內之珊瑚礁、海草床及雪霸國家公園內之櫻花鉤吻鮭，分別透過不同的資料導向型模式–棲地評價程序及GMDH演算法，描述目標物種與影響因子間的關係，並以不同類型之迴歸方法及倒傳遞類神經網路進行組合預測(Combined Forecasting)，以提昇單一預測模式的效能。
由研究結果發現，建立出的資料導向型模式，確實能有效的透過資料，挖掘出其中隱含的訊息；而組合預測模式雖不是對目標物種及影響因子作直接的分析，但卻能提供較單一預測模式精確的結果，表示對於單一預測模式所分析出的資料訊息，組合預測模式亦能有效的利用。
為了探討各組資料中較具影響性的因子，本研究另針對效能最佳之組合預測模式，透過敏感度分析的方式對各因子進行分析，以了解各因子對目標物種的重要程度，並提供後續研究及保育策略的參考。

An ecosystem always involves some implicit relations between habitat environment and inhabitants, whose reciprocal links can not be identified easily. Three sets of ecological monitoring data were analyzed in this study, including coral reef, algae (Thalassia hemprichii Aschers) in Kenting National Park, and Formosan landlocked salmon (Oncorhynchus masou formosanus) in the basin of Chichiawan Stream. Two data-oriented analysis techniques, which are Habitat Evaluation Procedure (HEP) and Group Method of Data Handling (GMDH), were applied to retrieve the embedded patterns from these data sets. Eventually, for each data set, a forecasting model based on the technique of combined forecasting were developed, which is to integrate the results from HEP and GMDH, for improving the overall modeling precision.
The results of this study show that the data-oriented analyses, such as HEP and GMDH, are useful for finding valid information from the ecological data. Furthermore, the combined forecasting technique can really improve the performance of model prediction even for the ecological research. In order to acquire the most important habitat environmental factors affecting the inhabitants, this study also performed sensitivity analysis of the models. The contributions of this study are to identify effective knowledge for future ecological research and to provide reasonable suggestions for formulating conservation strategy.

一、緒論
1.1 研究動機與目的 1
1.2 研究流程 2
二、文獻回顧 4
2.1 資料插補 4
2.2 生態模式建構 6
2.2.1 棲地評價程序 6
2.2.2 GMDH演算法 8
2.3 組合預測 11
三、研究方法 13
3.1 時空類神經插補法 13
3.1.1 克利金法 14
3.1.2 時序列法 14
3.1.3 倒傳遞類神經網路 15
3.2 棲地評價程序 18
3.3 GMDH演算法 21
3.3.1 GMDH演算法之基本參數設定與說明 24
3.4 組合預測 27
3.5 模式驗證績效指標 29
3.6 資料說明 31
3.6.1 墾丁國家公園珊瑚礁資料 31
3.6.2 墾丁國家公園海草床資料 33
3.6.3 雪霸國家公園櫻花鉤吻鮭資料 34
四、模式發展與績效測試 38
4.1 珊瑚覆蓋率預測模式 38
4.1.1 棲地評價程序 40
4.1.2 GMDH演算法 47
4.1.3 組合預測 49
4.2 泰來草覆蓋率預測模式 51
4.2.1 棲地評價程序 53
4.2.2 GMDH演算法 57
4.2.3 組合預測 61
4.3 櫻花鉤吻鮭預測模式 63
4.3.1 棲地評價程序 65
4.3.2 GMDH演算法 75
4.3.3 組合預測 77
五、模式效能評比及敏感度分析 80
5.1 模式效能評比 80
5.2 敏感度分析 84
六、櫻花鉤吻鮭資料進階分析 90
6.1 夏季幼鮭之資料分析 90
6.2 冬季幼鮭之資料分析 96
七、結論與建議 103
參考文獻 106
附錄 111
意見回覆 124

˙ Catarina V., Vanessa F., Henrique C., Maria J., 2005, Habitat suitability index models for the juvenile soles, Solea solea and Solea senegalensis, in the Tagus estuary: Defining variables for species management, Fisheries Research. 82, 140-149.
˙ Clive W. J. Granger, Ramu Ramanathan,1984 ,Improved methods of combining forecasts, Journal of Forecasting, Vol.3 Issue 2, pp.197-204.
˙ David. A. Bessler, Jon A. Brandt ,1981, Composite Forecasting: An Application with US Hog Prices, American Journal of Agricultural Economics, Vol.63, No.1 , pp. 135-140.
˙ Duel H., Specken B.P.M., Denneman W.D., Kwakernaak C., 1995, The habitat evaluation procedure as a tool for ecological rehabilitation of wetlands in the Netherlands, Water Science and Technology, Vol.31, Number 8, pp. 387-391(5).
˙ Farlow Stanley J., 1984, Self-Organizing Methods in Modeling: GMDH-type Algorithms, New York:Marcel Dekker.
˙ Fritz R.Granger, Brandon C., Xander J., 1984, Combining time series and econometric forecast of tourism activity, Annals of Tourism Research, Vol.11, pp.219-229.
˙ Gary M. Randa, James R. Newman, 1998, The Applicability of Habitat Evaluation Methodologies in Ecological Risk Assessment, Human and Ecological Risk Assessment. 4, 905-929.
˙ Gerald J. Lobo,1991, Alternative methods of combining security analysts' and statistical forecasts of annual corporate earnings, Journal of Forecasting, Volume 7 Issue 1, pp.57-63.
˙ Gil J.M., Albisu L.M., 1993, Composite Forecasting Methods: An Application to Spanish Maize Prices.” Journal of Agricultural Economics, Vol.44, No.2, pp.264-271.
˙ Gutiérrez J.C., Silva C., YáñezMonthly E., Nibaldo R., Inmaculada P.C., 2007, catch forecasting of anchovy Engraulis ringens in the north area of Chile: Non-linear univariate approach, Fisheries Research. Vol.86, Issues 2-3, pp. 188-200.
˙ Gutiérrez J.C., Velo-Suárez L., 2006, Artificial neural network approaches to one-step weekly prediction of Dinophysis acuminata blooms in Huelva (Western Andalucía, Spain), Harmful Algae Vol.6, Issue 3, pp.361-371
˙ Hugh A. Brooks, Thomas H. Probert, 1984. Let's ask GMDH what effect the environment has on fisheries. In Self-organizing Methods in Modelling, New York: Marcel Dekker, pp.169-178.
˙ Ivakhnenko A. G., 1973, Problems of complex system modeling and applied mathematical statistics, International Journal of Parallel Programming, Vol.2, Number 1, pp.49-60.
˙ Korn F., Labrinidis A., Kotidis Y., Faloutsos C., Kaplunovich A., Perkovic D., 1996, Quantifiable Data Mining Using Principle Component Analysis, Technical Report, Department of Computer Science, University of Maryland at College Park.
˙ Lewis C D, 1982, Industrial and business forecasting methods, Butterworth Scientific.
˙ Michael H. Prager, Saila Saul B., 1984, Predictive GMDH models of shrimp catches: Some practical. In Self-organizing Methods in Modelling, New York: Marcel Dekker, pp.179-197.
˙ Michel R. Claereboudt, 1994, GMDH algorithm as a tool for bivalve growth analysis and prediction, ICES Journal of Marine Science Vol. 51, Issue: 4, pp. 439-445.
˙ Nariman Zadeh N., Darvizeh A., Felezi M.E., Gharababaei H., 2002, Polynomial modeling of explosive compaction process of metallic powders using GMDH-type neural networks and singular value decomposition, Modeling Simul. Mater. Sci. Eng. Vol.10, pp.727-744.
˙ Pachepsky Ya., Rawls W., Gimenéz D., Watt J.P.C., 1998, Use of soil penetration resistance and group method of data handling to improve soil water retention estimates, Soil & Tillage Research Vol.49, Issue: 1-2, pp.117-126.
˙ Patrick F. Noonan, Michael D. Zagata, 1982, Wildlife in the Market Place: Using the Profit Motive to Maintain Wildlife Habitat, Wildlife Society Bulletin, Vol.10, No.1, pp.46-49.
˙ Philip K. Hopke, Chuanhai Liu, Donald B. Rubin, 2001, Multiple Imputation for Multivariate Data with Missing and Below-Threshold Measurements: Time-Series Concentrations of Pollutants in the Arctic, Biometrics, Vol.57 Issue 1 pp.22-33.
˙ Phillips Robert F., 1987, Composite Forecasting: An integrated Approach and Optimality Reconsidered, Journal of Business & Economic Statistics, Vol. 5, No. 3, pp. 389-395.
˙ Reddy V.R., Pachepsky Ya., 2000, Predicting crop yields under climate change conditions from monthly GCM weather projections, Environmental Modelling and Software with Environment Data News, Vol.15, Issue: 1, pp. 79-86.
˙ Shinji F., Kazuaki H., Makito M., 2006, Fuzzy neural network model for habitat prediction and HEP for habitat quality estimation focusing on Japanese medaka (Oryzias latipes) in agricultural canals, Paddy Water Environ. 4, pp.119-124.
˙ Saltelli A., 2002, Sensitivity Analysis for Importance Assessment, Risk Analysis, Vol.22 Issue 3, pp.579-590.
˙ Stanley J. Farlow, 1981, The GMDH Algorithm of Ivakhnenko, The American Statistician, Vol. 35, No. 4, pp. 210-215.
˙ USFWS (U.S. Fish and Wildlife Service), 1980, Habitat as a basis for environmental assessment, ESM 101.
˙ USFWS (U.S. Fish and Wildlife Service), 1980, Habitat evaluation procedures, ESM 102.
˙ USFWS (U.S. Fish and Wildlife Service), 1981, Standards for the development of habitat suitability index models, ESM 103.
˙ Warrick A. W., Myers D. E., Nielsen D. R., 1986, Geostatistics Methods Applied to Soil Science, Methoes of Soil Analysis, Part1 pp.53-80.
˙ White J.G., Welch R.M., Norvell W.A.,1997, Soil Zinc Map of the USA using Geostatistics and Geographic Information Systems, Soil Science Society of America Journal, Vol:61, pp.185-194.
˙ 方力行、邵廣昭、張揚祺、鐘國南、孟培傑、樊同雲、陳正平、陳明輝、劉銘欽、林幸助，2006，墾丁國家公園海域長期生態研究計劃-人為活動對海域生態所造成之衝擊研究(六)環境教育之應用(三)基本生態資料之建立(三)與環境生態資料庫資訊系統之建立(二)，內政部營建署墾丁國家公園管理處。
˙ 牛誌廣、張宏偉、辛志偉，2006，基於log-logistic概率分佈的近海水質組合預測方法研究，系統工程理論與實踐，第5期，pp.111-116。
˙ 王英銘，2005，自組非線性系統應用於濁度預測，國立成功大學水利及海洋工程學系專班碩士論文。
˙ 王維賢、邵廣昭、張揚祺、孟培傑、樊同雲、陳正平、陳明輝、劉銘欽、林幸助、何平合，2007，墾丁國家公園海域長期生態研究計劃-人為活動對海域生態所造成之衝擊研究(七)環境教育之應用(四)基本生態資料之建立(四)與環境生態資料庫資訊系統之建立(三)，內政部營建署墾丁國家公園管理處
˙ 李良山，2007，應用系統動力學軟體探討牡蠣在潟湖中對生態環境的影響，國立中山大學海洋環境及工程學系研究所碩士論文。
˙ 林幸助、吳聲海、官文惠、邵廣昭、孫元勳、高樹基、郭美華、彭宗仁、曾晴賢、楊正澤、葉文斌、葉昭憲、蔡尚悳，2007，武陵地區長期生態監測暨生態模式建立，內政部營建署雪霸國家公園管理處。
˙ 林意剛，2004，台灣地區公民營觀光遊樂區人次預測之研究，朝陽科技大學休閒事業管理系碩士論文。
˙ 林銘昌，2001，台灣芒果批發價格預測模型之比較研究，國立臺灣大學農業經濟學研究所博士論文。
˙ 邵廣昭、宋克義、孟培傑、樊同雲、陳仲吉、李展榮、翁韶蓮、林幸助、何平合、黃將修、陳麗淑，2003，墾丁國家公園南灣海域長期生態研究計劃研究成果論文集(I)，行政院國家科學委員會。
˙ 邵廣昭、宋克義、張揚祺、孟培傑、樊同雲、陳仲吉、李展榮、翁韶蓮、林幸助、何平合、黃將修、陳麗淑、李宏人、林綉美、詹榮桂、陳正虔、曾萬年、邱郁文，2004，墾丁國家公園南灣海域長期生態研究計劃研究成果論文集(II)，行政院國家科學委員會。
˙ 段召輝、李承軍，2004，日逕流的組合預測模型，水利水運工程學報，第3期，pp.67-69。
˙ 許汎穎，2001，未設測站流量推估-以烏溪為例，逢甲大學土木及水利工程所碩士論文。
˙ 陳俊杰，2004，港灣結構物週邊底棲生物群集特性與其棲地模式，國立交通大學土木工程系所碩士論文。
˙ 陳盈曲， 2004，海岸結構物附著生物HEP棲地模式研究，中華大學土木工程學系碩士論文。
˙ 陳昶憲、鍾侑達、方唯鈞，2005，遺傳規劃在河川演算之應用，臺灣水利 第53卷 第四期 pp.39-45。
˙ 黃明揚，2006，光強度及水質因子對藻類成長之試驗研究-以麟山鼻漁港之人工潮池為例，國立交通大學土木工程系所碩士論文。
˙ 黃雅真，2005，發展時空資料補遺技術於環境監測之應用，國立中山大學/海洋環境及工程學系研究所碩士論文。
˙ 趙士儀，1999，以主成份分析法處理定量資料缺失值問題，元智大學資訊管理研究所碩士論文。
˙ 劉清源，1994，乾旱臨前時距預測之研究，國立臺灣大學農業工程研究所碩士論文。
˙ 鄧潔君，2006，基於GMDH的民航客機運量需求預測與分析，軟科學，第20卷，第6期，pp.35-38。