本研究以遺傳演算法(Genetic Algorithm))結合水動力潮位模式，針對模式中所需的邊界參數數值進行校正，以減小潮位模式在研究範圍內模擬台灣沿海潮位變化與實際潮位變化的誤差。過去在邊界參數數值的校正多仰賴人工試誤法，由於邊界參數的數量龐大，因此在人工校正的過程中不易掌握而造成校正效率不佳。透過電腦化的自動搜尋校正，可取代過去人工所無法同步處理的龐大參數量，並可減少人工參數校正時可能參雜的主觀因素影響。且在遺傳演算法的收斂機制下，可在較短的時間內找出較適當的最佳解，有效縮短過去人工參數校正所需花費的時間。經本研究之實驗設計結果顯示，以遺傳演算法結合水動力潮位模式的參數校正，確實對於模式模擬的誤差有所改善。

The current study has applied the Genetic Algorithm (GA) for the boundary parameters calibration in the hydrodynamic-based tidal model. The objective is to minimize the deviation between the estimated results acquired from the simulation model and the real tidal data along Taiwan coast. The manual trial-error has been widely used in the past, but such approach is inefficient due to the complexity posed by the tremendous amounts of parameters. Fortunately, with the modern computer capability, some automatic searching processes, in particular GA, can be implemented to handle the large data set and reduce the human subjectivity when conducting the calibration. Besides, owing to the efficient evolution procedures, GA can find better solutions in a shorter time compared to the manual approach. Based on the preliminary experiments of the current study, the integration of GA with the hydrodynamic-based tidal model can improve the accuracy of simulation.

第一章 緒論
1-1. 研究動機 1
1-2. 研究目的 2
1-3. 研究架構 3
第二章 文獻回顧
2-1. 前言 4
2-2. 相關文獻回顧 4
2-3. 文獻探討 7
第三章 研究方法
3-1. 水動力潮位模式介紹 9
3-2. 搜尋法介紹 10
3-3. 遺傳演算法的理論架構 12
3-4. 遺傳演算法的優點 12
3-5. 遺傳演算法的流程 14
3-6. 遺傳演算法細部說明 16
第四章 模式建立
4-1. 傳統人工參數校正 20
4-2. 潮位模式與遺傳演算法 21
4-3. 參數校正法實驗(1)：人工參數校正法自動化 26
4-4. 參數校正法實驗(2)：遺傳演算法於潮位模式之參數校正 27
第五章 模式驗證
5-1. 參數校正法實驗(1)：人工參數校正法自動化 29
5-2. 參數校正法實驗(2)：遺傳演算法於潮位模式之參數校正 35
第六章 結論與建議
6-1. 結論 64
6-2. 建議 65
參考文獻 67

1. Cheng, C.T., 2002, “Combining a fuzzy optimal model with a genetic algorithm to solve multi-objective rainfall-runoff model calibration,”Journal of Hydrology, Vol. 268, pp72-86.
2. Dronkers, 1969, “Tidal computations in rivers, coastal areas and seas,” Hydraulics Divi- sion ASCE 95, pp. 44-77.
3. Fazal, M.A., 2005, “Estimating groundwater recharge using the SMAR conceptual model calibrated by genetic algorithm,” Journal of Hydrology. Vol. 303, pp.56-78.
4. Goldberg David E., 1989, Genetic algorithms in search, optimization, and machine learning. Addison Wesley.
5. Harrouni, K. EL, 1997, “Groundwater parameter estimation by optimization and DRBEM.,”Engineering Analysis with Boundary Elements, Vol. 19, pp. 97-103.
6. Lakshmi Prasad, K., 2001, “Estimating net aquifer recharge and zonal hydraulic conductivity values for Mahi Right Bank Canal project area, India bye genetic algorithm,” Journal of Hydrology, Vol. 243, pp.149-161.
7. Ma, J. T., 1995, “Generator parameter identification using evolutionary programming,” Electrical Power & Energy Systems, Vol. 17, No. 6, pp. 417-423.
8. Madsen, H., 2000, “Automatic Calibration of a conceptual rainfall-runoff model using multiple objectives,”Journal of Hydrology, Vol. 235, pp. 276-288.
9. Madsen, H., 2003, “Parameter estimation in distributed hydrological catchment modelling using automatic calibration with multiple objectives,” Advances in Water Resources, Vol. 26, pp. 205-216.
10. Thomas, G. M., 1995, “Using Real-Coded Genetic Algorithms for Weibull Parameter Estimation,” Computers and Engng, Vol. 29. No. 1-4. pp. 377-381.
11. Wang, Q. J., 1997, “Using genetic algorithms to optimal model parameters,” Environmental Modelling & Software. Vol. 12. No. 1, pp. 27-34.
12. Yu, C.S., 1993, “Modelling Shelf Sea Dynamics and Estuarine Circulations,” Ph.D. Thesis, Dept. of Civil Eng., K.U.Leuven.
13. 周俊安，“禁忌演算法應用於優選地下水模式參數之分區”，國立台灣大學生物環境系統工程研究所碩士論文，2002年。
14. 王皓正，“應用遺傳演算法於長期潮汐預報之研究”，國立交通大學土木工程研究所碩士論文，2001年。
15. 梁亨如，“應用遺傳演算法於ASR井操作之研究”，中原大學土木工程研究所碩士論文，2003年。
16. 鄭裕寬，“運用遺傳演算優化串聯水庫系統聯合運轉規線之研究”，國立中央大學土木工程研究所碩士論文，2001年。
17. 林師檀，“禁忌搜尋法與遺傳演算法混合模式在地下水復育優選問題之應用”，國立中興大學環境工程系研究所碩士論文，2002年。