地特三等申論題
109年
[水利工程] 水文學
第 三 題
三、詳細說明單位歷線法之假設與如何利用單位歷線法於推估集水區洪峰流量。近年有諸多人工智慧（Artificial Intelligence），如機器學習（Machine Learning）的研究顯示人工智慧可根據過去的案例萃取輸入與輸出的關聯性，試說明人工智慧如何建立降雨-逕流預報模式。並評析單位歷線法與人工智慧預報模式之優缺點。（25分）
📝 此題為申論題
思路引導 VIP
本題為傳統水文理論與現代人工智慧技術的綜合比較題。考生應先釐清單位歷線法的核心假設（線性、時間不變、均勻性）及利用摺積積分推算洪峰流量之標準步驟；接著以「資料驅動」視角說明AI模型（如LSTM）如何透過歷史序列資料訓練出降雨逕流之非線性映射關係；最後必須從物理意義、資料需求、非線性處理與極端值外插能力等維度進行精準的優缺點對比評析。
🤖
AI 詳解
AI 專屬家教
【破題】 降雨-逕流關係之模擬為水文學之核心。單位歷線法為傳統概念性集總模式，基於線性系統假設進行逕流推估；而近年興起之人工智慧（AI）模式則為純粹之資料驅動（Data-driven）模式，具備優異的非線性映射能力。兩者在水利工程防災預警中各有其不可替代之地位。 【論述】
▼ 還有更多解析內容
單位歷線與 AI 預報
💡 比較傳統線性定常系統與現代資料驅動非線性模型之差異。
| 比較維度 | 單位歷線法 (Traditional) | VS | 人工智慧模式 (AI/ML) |
|---|---|---|---|
| 系統假設 | 線性、時不變系統 | — | 高度非線性映射 |
| 驅動機制 | 物理概念與系統理論 | — | 純粹資料驅動 |
| 解釋性 | 強，具明確物理意義 | — | 弱，屬於黑盒子模型 |
| 資料需求 | 少，可推導合成歷線 | — | 極大，需大量歷史序列 |
| 應用情境 | 工程設計、極端洪水 | — | 即時預警、短報預報 |
💬傳統法穩健具物理依據，AI 法在數據充足時預報精度極具優勢。
