Page 68 - 國家海洋研究院111年年終成果手冊-科研巡航．鏈結世界KeeP Going

引領海洋產業升級

基於改機器學習之海難搜索救援

海面流場短時預報模組開發

合作研究單位： 海洋產業及工程研究中心 賴堅戊 研究員
海洋科學及資料研究中心 呂宜潔 助理研究員
海巡署第十五海巡隊 陳奕光 隊長
海巡署巡防組災害防救科 莊昆霖 專員

本團隊結合國家海洋研究院及海巡署搜救優選規劃系統 (Search and Rescue Optimal Planning System;
SAROPS) 小組的能量與經驗，開發可基於觀測數據即時推估未來 12~24 小時的海洋流場數據模組 ，作為海難
搜索救援任務中目標物漂流模擬以及機船搜索模式選擇等之重要戰場環境參考資訊，有助於海巡署進而擬訂搜

救計劃 之決策輔助資訊，實現科技輔政、科技惠民的目標 。
本研究就影響海面風場和流場的海洋環境參數進行彙整，並以 2015 年至 2018 年 4 年間臺灣周遭海域 高
頻 雷達 HFR 遙測海表面流場歷史資料為主幹， 採用 長短期記憶網路（ univariate LSTM ）深度學習模組，發
展海面流場短時預報模組， 並以 在夏季及冬季上層海流 流況有顯著的差異，海洋環流複雜多變 的 臺灣西南海

域 為主要實證、比對之海域。
根據各流場數據推估之漂流軌跡進行分離距離比對（Separation Distance）以及分離技術評分比對（Skill
Score）之量化評估結果顯示，本次研發之 2 種流場短時預報模組（即 LSTM 以及 LSTM-HA）可提供相較美國
HYCOM 數值流場及中央氣象局 OCM 數值流場更精準的漂流軌跡預測結果，且基於歷史數據訓練學習之流場與

實際雷達測流之結果相近。

圖 2、本研究開發之 LSTM 及 LSTM HA 兩種短時流場 應用
在漂流模擬軌跡 預報 品質之 比對驗證 ，結果顯示都有優於
HYCOM 海流模式或潮流模式的表現

圖 1、本研究採用之海流流場訓練學習數據集 及 以 GDP 浮標進行 比對驗證 探討之 區域

68 69