氣候變遷對未來水資源的供需帶來相當的不確定性，為因應氣候變遷對水資源造成之衝擊，水利署自民國99年起陸續完成全臺灣北中南各區因應氣候變遷水資源管理調適能力研究；然而，以物理模型為基礎之研究雖有功效，亦有其限制，因此，如何以近年資通訊技術的快速發展，透過極大量、多元的資料數量或資料類型之掌握，運用分析相關大數據資料，作為水資源供需相關支援決策，成為可能的新工具。 本計畫第一年目的將建立我國水資源供需推估應用大數據的方法論，並研提國內水相關大數據標準資料格式與資料流通建議書，為達成此目的，擬透過審視國際大數據相關應用案例以及大數據分析工具在水相關決策之應用與限制，了解國際上大數據方法論之架構，並探究適合我國之水資源應用大數據方法論，此外，亦將了解國際水相關大數據重要標準資料格式，並將國內水相關數據平台以及其提供之資料作蒐集與整理，做為未來我國水資源應用大數據的資料政策參考。以下分項說明執行成果： 一、 資料蒐集與分析 本計畫蒐集國際上大數據相關資料以及技術應用之重要案例，包含美國、荷蘭、西班牙、德國、新加坡、印度、韓國、日本、中國、澳洲、以色列、摩洛哥等國計畫以及谷歌和微軟的商業示範案例，從中發現德國西門子icewater、西班牙iWesla、谷歌和微軟的計畫皆運用機器學習作為其主要分析工具，此外，根據水相關大數據國際案例運用的資料類型，歸納出氣象、水文及地質土壤與社會四大類，其中，資料佔比分別為氣象61%、水文100%、地質46%以及社會15%，並提出大數據適合於台灣水相關決策的三大應用：1. 建構節水循環用水社會；2. 提升供水品質和效率；3. 強化乾旱與洪災之應變能力。 二、 大數據應用分析工具的回顧 本計畫研究如何應用大數據分析技術推估水資源供需情勢，發現能直接作為方法論研究參考之案例與技術論文甚少，顯示國際間大數據技術在水資源供需情勢推估工具的開發上仍在起步中。本計畫亦針對機器學習演算法進行研究，從自2008至2016年有關機器學習演算法的論文中，整理羅列了有被發表為改良或擴展成支援分佈式運算的演算法，此外，本計畫亦整理目前機器學習函式庫支援之演算法、語言以及運算平台。 本計畫歸納建立水情推估方法論之需求，強調應著重在找尋能降低數據維度、減少資料噪音的演算法，並搭配資料驗證方法，調優機器學習演算法與超參數選取，確保所有資料皆作過測試，此外，為求能提高訓練後的準確度以及降低機器學習時間，應選取極佳推理能力和高自我學習能力之機器學習演算法作為模式建置之根本。 三、 水資源模式的評估 本計畫透過前述大數據應用分析工具研究成果，與以往傳統水資源供需管理方法作比較，探討人工智慧的演化與發展以及在水資源管理上之應用，建置一未來季供需水量預測模式之方法論，並在北區民生需水模式的訓練與測試上取得優異的準確度。 模式方法論透過演算法評估指標，選定以自組特徵映射網路(Self-Organizing Map, SOM)、調適性模糊推論系統(Adapted Network-Based Fuzzy Inference System, ANFIS)及回饋式含外變數非線性自迴歸模式(Recurrent Configuration of Nonlinear Autoregressive with Exogenous Inputs, R-NARX)三種類神經網路為主。 SOM能有效將資料聚類並以拓樸結構展示時空關係，ANFIS則以模糊資料庫來模擬人類知識能更精準掌握系統之不確定性與不精確性，而R-NARX則以回饋功能之演算法來作動態之推估或預測，利用大數據分析與機器學習的方法來探勘未知而隱含在資料當中之資訊，再將此資訊回饋於模式當中並強化系統之應用。 本計畫為因應氣候變遷之議題，在系統架構建立時，除擬藉由分析多元之異質資料來推估供需情勢，亦預計透過大氣環流模式（General Circulation Models, GCMs）與氣候變遷整合評估模式（Taiwan Water Resources Assessment Program to Climate Change, TaiWAP）來產生模擬資料以及利用中央氣象局之季長期預報回饋於模式當中作情境分析，探討氣候變遷影響下的中、長期操作策略與短期之調適手段。預計選定大台北地區並以石門水庫為主要研究區域，將藉由第一年模式框架來建置北區智慧水資源管理系統。 四、 國內水資源大數據資料盤點 整理我國水資源應用大數據所需資料，將國內水資源相關數據類型，分為氣象水文、水庫水情、農業地文、社會經濟及用水需求等五大方面，進行水相關資料與數據之蒐集與分析，並研提國內水相關大數據標準資料格式與資料流通建議書。 本計畫提出星級評等制度，並評比了國內外重要水相關資料來源或提供者，包含各大平台和網站，分析後結果顯示，除了以開放資料格式提供資料之外，國內水資源相關資料應朝向開發API方向邁進，並透過開放API能讓更多使用者取得應用水相關資料，進而開發更多加值應用服務，推動資料價值之提升。 此外，本計畫更探討非結構化資料以及文字探勘技術如何分析國外氣候變遷調適及水資源領域相關學術文獻，建立起非結構化資料之方法論，並藉由非結構化資料分析趨勢，建議水利署未來在政策研擬與情勢分析上，可加以考慮其他重要的跨領域影響因子。