水利署(以下簡稱本署)自111年起，辦理「推動中央管流域整體改善與調適計畫新創研究補(捐)助」計畫，期望結合國內公私立大專院校及可辦理水岸環境相關研究或調查之非營利組織或團體之新創量能，在面對氣候變遷下積淹水災情、暴潮侵蝕及短延時強降雨加劇的情況，並在「中央管流域韌性調適」、「流域新創思維」及「流域公私協力環境營造」三大領域中，探索具前瞻性、創新性的治理策略與解決方案。
本(113)年度新創研究補(捐)助計畫共計核定12件計畫，預期會有相當成果，包括提升地方居民的水環境意識與生態保護觀念、建立公私協力溝通平台與人工智慧大數據於洪水預測之應用、水文資料分析優化、自然解方NBS生態系調節服務分析研究、海岸沙洲漂砂水動力模擬研究…等計畫，相關成果或所提出之構想為國家水利領域發展挹注新創量能。本署於本(113)年8月至9月間辦理年度計畫執行訪視，以瞭解計畫執行情形，本次計畫訪視之成果摘要說明如下：
一、SRH-Coast模式優化回饋
國立成功大學與國立陽明交通大學的研究結果指出SRH-Coast模式在準確性及使用者介面友善度、近海及海岸地區潮流生成對結構物間交互作用的模擬及港內波高分析等問題仍有提升空間。而此些改善建議已回饋並作為進一步精進優化之參考。
二、引進新型態之河川公私協力思維方法
社團法人全國大學促進會推動「深化河川協力治理的方法論」，借鑑日本源兵衛川Groundwork三島，嘗試學習日本公私協力運作模式，期望透過NPO作為協調者，整合民眾、企業與政府資源，收集地方需求並協商具體項目。倘若進一步推動此模式在臺灣本土扎根，有促進地方河川再造與流域再生之可能性，並培養居民在地韌性，為解決跨部門環境治理問題提供新解方思維。
三、拓展大數據人工智慧於水利領域之發展運用
逢甲大學「運用人工智慧模式開發即時洪水預測技術」開發一套基於人工智慧的即時洪水預測技術，以濁水溪下游為案例。主要目標是利用人工智慧模型快速計算的特性來模擬洪水淹沒與河床沖刷，並與SRH-2D模型進行比較，提升預測的效率與準確度。成果顯示，ViT模型能模仿SRH-2D的模擬結果，尤其在水深與流速的預測上效果較佳，縮短災害預警時間，有助於提高防災效率。
此外，成大研究團隊應用可微分參數學習框架（differentiable Parameter Learning, dPL）於水文物理模式的優化，建立適合臺灣環境的參數學習系統。研究過程中，團隊收集了水文、氣象及靜態資料，並建立水文模型的代理模型，以有效模擬水文數據。該框架提升了模型在臺灣水文條件下的適用性和精度，並提供參數關係的可解釋性，有助於科學研究。
dPL方法在氣候變遷極端降雨情境下，能準確預測河道反應，並相比傳統方法更具學習和適應能力，可同時進行多網格區域的參數校正。
以上研究不僅展示了人工智慧與大數據在水利預測中的應用潛力，也為未來水文模型的優化提供了可行的技術路徑，對臺灣水資源管理及氣候適應具有重要意義，亦顯示出新創補捐助研究計畫的價值。