濁水溪沖積扇地下水資源豐富成本低且取之方便，是臺灣地下水資源最為豐沛地區之一，也是地下水超限使用最嚴重地區之一；瞭解濁水溪流域地面水與地下水之間的交互變動關係有其必要性，方能安全且充分運用地下水資源。本研究以自組特徵映射網路(SOM)之聚類特性探討濁水溪流域降雨與河川流量對地下水變動之關係；並討論在SOM模式中時間與空間因子對地下水變動之相關性。本研究將研究區域分濁水溪扇頂區、山區及觸口區三區，探討各區地下水位變動受降雨量、河川流量等水文因子之趨勢影響關係。
SOM分析結果顯示(1)降雨因子部分：颱風雨或豪大雨以中、上游地區對地下水位變化影響較大，區域型大雨則以鄰近區域降雨影響較大；降雨因子對扇頂區地下水變化影響較大，對山區地下水位變化影響相對較小。(2)河川流量部分：藉由SOM拓樸特性能觀察在豐枯季節交替變化過程中，地下水與河川流量之間的交互作用關係；高流量或中高流量時期山區與扇頂區地下水上升量大，在高流量銳減至中高或中低流量之際，地下水流出補注地面水達水平衡。觸口(1)、觸口(2)不同於其他地下水井之豐水補注枯水流出之趨勢。

In Taiwan, Zhuoshui River alluvial fan is one of the most abundant groundwater resources that are low-cost and easy-to-use; the area has seriously suffered from overuse of groundwater. For safe yield and effective use of groundwater resources in Zhuoshui River basin, investigating the interaction relationship between surface water and groundwater is important. This study used Self-Organizing Map (SOM) to investigate the effects of hydrological factors, including precipitation and streamflow, on the variability of groundwater level. Through the topological characteristics of SOM, we also discussed the correlation between time or space factors and groundwater level variation. In this study, Zhuoshi River watershed is divided into three areas, the alluvial fan region, mountainous region and chukou region, to investigate the trend effect of rainfall and streamflow factors on these three regions’ groundwater level variation, respectively.
The results show that (1) Rainfall factors: For typhoon rainfall or torrential rainfall, rainfall in the midstream and upstream regions has a greater impact on groundwater level variation, and regional heavy rainfall in neighboring regions has a greater impact. Rainfall factors have greater impact on groundwater level variation in the alluvial fan region than in the mountainous region.  (2) streamflow factors: The topological characteristics of SOM can display the interaction between the streamflow and groundwater level variation during the alternation processes of wet and dry seasons. During high flow or middle-high flow periods, groundwater levels rise greatly in the mountainous region and the alluvial fan region. During the period of high flow decreasing to middle-high or middle-low flow, the groundwater recharge surface water to attain water balance. The groundwater level variations of chukou(1) and chukou(2) are different from others that are recharged in wet season and discharge in dry season.

目　錄
謝誌	I
中文摘要	III
Abstract	IV
目　錄	VI
表目錄	VIII
圖目錄	IX
第一章　前言	1
1.1　研究動機與目的	1
1.2　研究方法	2
1.3　論文架構	3
第二章　文獻回顧	4
第三章　理論概述	8
3.1　自組性神經網路	9
3.1.1　自組特徵映射網路的架構	10
3.1.2　自組特徵映射網路的演算法	14
3.1.3　自組特徵映射網路的參數設定	18
第四章　研究案例	20
4.1　研究區域簡介	20
4.2　水文環境分析	26
4.3　地下水與地面水文因子在時間及空間上的相關性分析	34
4.3.1　資料處理及篩檢	36
4.3.2　模式架構	40
4.4　結果分析	42
4.4.1　情境1：雨量與地下水位變化量之關係	42
4.4.2　情境2：河川流量與地下水位變化之關係	66
4.4.3　情境3：河川流量與地下水位變化量之拓樸關係	77
綜合結果	88
第五章　結論與建議	89
5.1　結論	89
5.2　建議	92
參考文獻	93
 
表目錄
表4.1.1　地下水觀測井基本資料表	24
表4.1.2　雨量站基本資料表	25
表4.1.3　流量站基本資料表	25
表4.2.1　地下水位觀測井之各站水位相關係數(R)	27
表4.3.1　地下水位觀測井之各站水位變化量相關係數(R)	38
表4.3.2　地下水位站分區比對表	39
表4.4.1　SOM權重反正規化之扇頂區地下水位變化量與雨量值	46
表4.4.2　2次SOM權重反正規化之扇頂區地下水位變化量與雨量	51
表4.4.3　SOM權重反正規化之山區地下水位變化量與雨量	55
表4.4.4　SOM權重反正規化之觸口地下水位變化量與雨量	60
表4.4.5　2次SOM權重反正規化之觸口地下水位變化量與雨量	65
表4.4.6　 SOM權重反正規化之扇頂區地下水位變化量與流量	68
表4.4.7　SOM權重反正規化之山區地下水位變化量與流量	72
表4.4.8　SOM權重反正規化之觸口地下水位變化量與流量	76
表4.4.9　綜合各情境結果之影響分析表	88
 
圖目錄
圖3.1.1　自組特徵映射網路之架構圖	12
圖3.1.2　SOM網路各神經元間的拓樸座標	12
圖3.1.3　SOM網路優勝神經元與鄰近神經元示意圖	13
圖3.1.4　拓樸層間鄰近神經元及鄰近半徑遞減示意圖	13
圖3.1.5　以9×4的方格表示0~9數字	17
圖3.1.6　網路神經元連結權重影像圖與拓樸結構關係	17
圖4.1.1　濁水溪流域及各測站位置圖	23
圖4.2.1　各地下水觀測井之趨勢圖	29
圖4.2.2　豐枯水期地下水位平均日變化量之空間趨勢圖	30
圖4.2.3　平均日雨量之空間分布關係圖	31
圖4.2.4　豐枯水期平均日雨量之空間分布圖	32
圖4.2.5　流量站之月平均流量圖	33
圖4.3.1　研究流程圖	35
圖4.3.2　資料組合清單	37
圖4.3.3　情境1之流程示意圖	41
圖4.3.4　情境2之流程示意圖	41
圖4.3.5　情境3之流程示意圖	41
圖4.4.1　扇頂區地下水位變化量與雨量之拓樸關係圖	43
圖4.4.2　扇頂區地下水位變化量與雨量之SOM權重值	44
圖4.4.3　扇頂區地下水變化量與雨量之各神經元月份比例	45
圖4.4.4　扇頂區地下水位變化量與雨量之拓樸空間趨勢分布圖	47
圖4.4.5　圖4.4.1之第4神經元資料2次聚類SOM拓樸圖	48
圖4.4.6　圖4.4.2之第4神經元2次聚類SOM權重值	49
圖4.4.7　扇頂區地下水位變化量與雨量之各神經元月份比例	50
圖4.4.8　扇頂區之第4神經元2次SOM空間趨勢分布圖	51
圖4.4.9　山區地下水位變化量與雨量之拓樸關係圖	52
圖4.4.10　山區地下水位變化量與雨量之SOM權重值	53
圖4.4.11　山區地下水位變化量與雨量之各神經元月份比例	54
圖4.4.12　山區地下水位變化量與雨量之拓樸空間趨勢分布圖	56
圖4.4.13　觸口地下水位變化量與雨量之拓樸關係圖	58
圖4.4.14　觸口地下水位變化量與雨量之SOM權重值	58
圖4.4.15　觸口地下水位變化量與雨量之各神經元月份比例表	59
圖4.4.16　觸口地下水位變化量與雨量之拓樸空間趨勢分布圖	61
圖4.4.17　圖4.4.13之第4神經元資料2次聚類SOM拓樸圖	62
圖4.4.18　圖4.4.14之第4神經元2次聚類SOM權重值	63
圖4.4.19　觸口地下水位變化量與雨量之各神經元月份比例表	64
圖4.4.20　觸口站之第4神經元2次SOM聚類空間趨勢分布圖	65
圖4.4.21　扇頂區地下水位變化量與流量之拓樸圖	67
圖4.4.22　扇頂區地下水位變化量與流量之SOM權重值	67
圖4.4.23　扇頂區地下水變化量與流量之各神經元月份比例	68
圖4.4.24　扇頂區地下水位變化量與流量之拓樸空間趨勢分布圖	69
圖4.4.25　山區地下水位變化量與流量之拓樸關係圖	70
圖4.4.26　山區地下水位變化量與流量之SOM權重值	71
圖4.4.27　山區地下水位變化量與流量之各分群月份比例	72
圖4.4.28　山區地下水位變化量與流量之拓樸空間趨勢圖	73
圖4.4.29　觸口地下水位變化量與流量之拓樸關係圖	74
圖4.4.30　觸口站地下水位變化量與流量之SOM權重值	75
圖4.4.31　觸口地下水位變化量與流量之各神經元月份比例	76
圖4.4.32　觸口地下水位變化量與流量之拓樸空間分布圖	77
圖4.4.33　3分區地下水位變化量與河川流量之5x5 SOM拓樸圖	78
圖4.4.34　扇頂區之各神經元月份比例圖	80
圖4.4.35　扇頂區各站之拓樸變化關係圖	81
圖4.4.36　山區之各神經元月份比例圖	83
圖4.4.37　山區各站之拓樸變化關係圖	84
圖4.4.37　山區各站之拓樸變化關係圖(續)	85
圖4.4.38　觸口區之各神經元月份比例圖	86
圖4.4.39　觸口區各站之拓樸變化關係圖	87
 

1.	Anibas, C., K. Buis, R. Verhoeven, P. Meire, and O. Batelaan, 2011, A simple thermal mapping method for seasonal spatial patterns of groundwater–surface water interaction, Journal of Hydrology, vol. 397, no. 1–2, p. 93-104. 
2.	Dages, C., M. Voltz, A. Bsaibes, L. Prevot, O. Huttel, X. Louchart, F. Garnier, and S. Negro, 2009, Estimating the role of a ditch network in groundwater recharge in a Mediterranean catchment using a water balance approach, Journal of Hydrology, vol. 375, no. 3–4, p. 498-512. 
3.	Daliakopoulos, I. N., P. Coulibaly, and I. K. Tsanis, 2005, Groundwater level forecasting using artificial neural networks, Journal of Hydrology, vol. 309, no. 1–4, p. 229-240. 
4.	E. Kalbus, F. Reinstorf, and M. Schirmer, 2006, Measuring methods for groundwater – surface water interactions:a review, Hydrology and Earth System Sciences, no. 10, p. 873-887. 
5.	Ghose, D. K., S. S. Panda, and P. C. Swain, 2010, Prediction of water table depth in western region, Orissa using BPNN and RBFN neural networks, Journal of Hydrology, vol. 394, no. 3–4, p. 296-304. 
6.	Jain, A. and A. Kumar, 2006, An evaluation of artificial neural network technique for the determination of infiltration model parameters, Applied Soft Computing, vol. 6, no. 3, p. 272-282. 
7.	Jan, C., T. Chen, and W. Lo, 2007, Effect of rainfall intensity and distribution on groundwater level fluctuations, Journal of Hydrology, vol. 332, no. 3–4, p. 348-360. 
8.	Krause, S., A. Bronstert, and E. Zehe, 2007, Groundwater–surface water interactions in a North German lowland floodplain – Implications for the river discharge dynamics and riparian water balance, Journal of Hydrology, vol. 347, no. 3–4, p. 404-417. 
9.	Liu, Y. and Z. Sheng, 2011, Trend-outflow method for understanding interactions of surface water with groundwater and atmospheric water for eight reaches of the Upper Rio Grande, Journal of Hydrology, vol. 409, no. 3–4, p. 710-723. 
10.	Liu, Z., C. Peng, W. Xiang, X. Deng, D. Tian, M. Zhao, and G. Yu, 2012, Simulations of runoff and evapotranspiration in Chinese fir plantation ecosystems using artificial neural networks, Ecological Modelling, vol. 226,p. 71-76. 
11.	Rossi, P. M., P. Ala-aho, A. Ronkanen, and B. Klove, 2012, Groundwater–surface water interaction between an esker aquifer and a drained fen, Journal of Hydrology, vol. 432–433, p. 52-60. 
12.	Taormina, R., K. Chau, and R. Sethi, 2012,Artificial neural network simulation of hourly groundwater levels in a coastal aquifer system of the Venice lagoon, Engineering Applications of Artificial Intelligence, vol. 25, no. 8, p. 1670-1676. 
13.	Tremblay, L., M. Larocque, F. Anctil, and C. Rivard, 2011, Teleconnections and interannual variability in Canadian groundwater levels, Journal of Hydrology, vol. 410, no. 3–4, p. 178-188. 
14.	Yu, H. and H. Chu, 2010, Understanding space–time patterns of groundwater system by empirical orthogonal functions: A case study in the Choshui River alluvial fan, Taiwan, Journal of Hydrology, vol. 381, no. 3–4, p. 239-247. 
15.	王士榮、林宏奕、李馨慈、徐國錦、黃智昭、張閔翔、李振誥, 2012, 應用三維數值模式評估濁水溪中游山區地下水安全出水量, 農業工程, vol. 58, no. 1, p. 1-12. 
16.	李傳煒、藍振武, 2008, 濁水溪沖積扇地區地下水之探討與預測研究, 碩士論文, 國立中興大學土木工程研究所. 
17.	高慧珊、何宜樺、黃振昌、張斐章, 2007, 以自組特徵映射網路推估日蒸發量, 臺灣水利, vol. 55, no. 3, p. 18-25. 
18.	張斐章、張麗秋, 2010, 類神經網路導論:原理與應用, 蒼海書局. 
19.	陳宗顯、詹錢登, 2006, 降雨引致地下水位變化之研究-以那菝、六甲與東和地下水位站為例, 博士論文, 國立成功大學水利及海洋工程研究所.
20.	謝壎煌、陳忠偉、葉信富、李振誥, 2007, 應用河道水位變化評估新虎尾溪地下水補注量之研究, 農業工程, vol. 53, no. 2, p. 50-60.