近年來氣候異常，導致台灣缺水的問題日益嚴重以致水資源不足的情況，根據水利署所提出的各標的用水量統計報告以及蓄水設施水量營運統計報告，發現台灣的用水量逐年上升，但是水庫的有效容量逐年下降，從各標的用水量統計報告可以看出來用水量最高為農業灌溉，而傳統農夫在澆灌時都是利用經驗法則，可能會造成多餘的水分流失。
　　因此本研究將天氣因子加入灌溉決略，結合Bayesian network以及氣象局天氣預報去預測隔天下雨事件，最後在依照預測隔天下雨結果及當日降雨量去執行相對應的灌溉決略及灌溉水量，以達節水之功用，並且避免作物因下雨事件造成爛根。

Because of climate anomalies, Taiwan is short of water and getting worse. According to the report of 105-year water storage facility operation statistics by the Water Resources Department in Taiwan, it points out water consumption increased and reservoir capacity decreased in Taiwan. In this report, the highest water consumption is agricultural irrigation, and traditional irrigation will lead to water loss.
This thesis proposes an irrigation strategy that uses the Bayesian network and the weather forecast to predict the rain event. According to the state of the rain event and rainfall to make an irrigation decision. This irrigation decision will achieve water saving and avoiding rotten roots.

目錄
第一章 緒論 1
1.1研究背景 1
1.2研究動機 2
1.3研究目的 2
1.4論文架構 3
第二章 相關研究	4
2.1 蒸發散量(EVAPOTRANSPIRATION) 4
2.2貝式定理(BAYES' THEOREM) 5
2.3貝式網路(BAYESIAN NETWORK) 6
第三章 研究方法 8
3.1整體架構 9
3.2研究流程 10
3.3 使用BAYESIAN NETWORK建構自動灌溉系統決策 11
3.4 下雨事件 12
3.4.1 明天是否會下雨的計算方式 13
3.4.2雨量計事件與降水強度定義 14
3.5 灌溉水量分析 15
3.6 灌溉系統流程 17
第四章 實作結果與分析 18
4.1模擬環境 18
4.2預測正確與失誤 19
4.2.1預測正確 20
4.2.2 預測失誤 22
4.3灌溉水量比較 24
第五章 結論與未來方向 31
5.1結論	31
5.2未來方向 31
參考文獻 32
附錄一 英文論文 34
 
圖目錄
圖 1 Bayesian Networks 7
圖 2 整體架構圖	9
圖 3 研究流程圖	10
圖 4 自動灌溉系統Bayesian network的關係圖 11
圖 5 Bayesian network的下雨事件關係圖 12
圖 6 灌溉系統流程 17
圖 7 X日灌溉水量比較 24
圖 8 R(X)=0,RE(x)=0;R(X+1)=0的灌溉情況(預測成功) 25
圖 9 R(X)=0,RE(x)=1;R(X+1)=1的灌溉情況(預測成功) 26
圖 10 R(X)=1,RE(x)=1;R(X+1)=1的灌溉情況(預測成功) 27
圖 11 R(X)=1,RE(x)=0;R(X+1)=0的灌溉情況(預測成功) 27
圖 12 R(X)=0,RE(x)=1;R(X+1)=0的灌溉情況(預測失敗) 28
圖 13 R(X)=1,RE(x)=0;R(X+1)=1的灌溉情況(預測失敗) 29
圖 14 R(X)=1,RE(x)=1;R(X+1)=0的灌溉情況(預測失敗) 29
圖 15 R(X)=0,RE(x)=0;R(X+1)=1的灌溉情況(預測失敗) 30

 
表目錄
表 1中央氣象局最新修訂之降水強度定義 14
表 2 下雨事件狀態表 15
表 3 傳統灌溉方式 19
表 4灌溉決策(預測成功) 21
表 5 灌溉決策(預測失誤) 23

[1] 經濟部水利署各項用水統計資料庫。105年蓄水設施水量營運統計報告。取自：http://wuss.wra.gov.tw/annualreports/201800145-第五篇 台灣地區民國105年蓄水設施水量營運統計報告(new).pdf
[2] 經濟部水利署各項用水統計資料庫。105年各標的用水量統計報告。取自：http://wuss.wra.gov.tw/annualreports/201800221-第一篇%20台灣地區民國105年各標的用水量統計報告.pdf
[3] 經濟部水利署各項用水統計資料庫。105年農業用水量統計報告。取自：http://wuss.wra.gov.tw/annualreports/201800024-第四篇 台灣地區民國105年農業用水量統計報告.pdf
[4] 黃爾強(2009)。區域雨量之趨勢評估及農業灌溉水量分析(碩士論文)。國立中央大學，桃園縣。
[5] Cai JB, Y Liu, TW Lei, LS Pereira (2007) Estimating reference evapotranspiration with the FAO Penman-Monteith equation using daily weather forecast messages. Agric. For. Meteorol. 145:pp. 22-35.
[6] 葉信富、王士銘 、李哲瑋、李振誥(2014)。利用有限氣象參數評估蒸發散量之研究 。 作物、環境與生物資訊 11:4 2014.12 pp. 203-218。
[7] 葉信富, 陳進發, & 李振誥. (2005). 潛勢能蒸發散經驗公式之最佳化比較. 農業工程學報 51:1, pp. 27-37。
[8] G. Qu, H. Zhang, and C. Hartrick(2011), “Multi-label classification with Bayes’ theorem,” in Proc. 4th Int. Conf. Biomedical Engineering and Informatics (BMEI) , pp. 2281–2285.
[9] Xinxin Yin, Chengwen Jiang, Bo Li (2017), “Fault diagnosis based on fault tree and Bayesian network for pure electric trucks”, IEEE 2nd Information Technology, Networking, Electronic and Automation Control Conference (ITNEC), pp. 994-998.
[10] Alexandra Ciobanu, F. Munteanu, C. Nemes (2016), “Bayesian networks utilization for reliability evaluation of power systems”, International Conference and Exposition on Electrical and Power Engineering (EPE), pp. 841-837.
[11] Jiao Wang, Kefeng Fan, Wei Mo, Dongyang Xu (2016),” A Method for Information Security Risk Assessment Based on the Dynamic Bayesian Network”, International Conference on Networking and Network Applications (NaNA), pp. 279-283.
[12] 內政部消防署(2016)。解讀氣象資訊有助災害預防。消防月刊105年3月, pp.44。