Bayesian快速淹水經濟損失評估
根據International Flood Initiative分析自1992年以来，與水有關的災害從每年50多件增加到150多件。每年约有25,000人因此喪生，5億多人生活財產受到影響，世界經濟損失超過600億美元。這還不包括文化資產和自然資源的損失。
按氣候變遷災害風險調適平台資料顯示，自1958年起，臺灣每一年皆會發生天然災害，最少一年發生一次事件，最多一年發生14場事件的高頻率，平均而言，發生天然災害的次數有增加的趨勢，從1958至1987年的30年期間每年平均4.1次的天然災害次數，上升至從1988至2017年的30年期間每年7.8次。 由災害種類來看，颱風災害佔66%的災害事件，水患/水災佔22%，地震災害佔8%，其他災害類型佔4%，顯示臺灣主要的災害種類如同全球趨勢一般，亦為水文氣象類災害（颱風，水患/水災）。
本研究以Bayesian理論為架構，發展快速淹水經濟損失模型。如上圖所示，本研究首先透過包括降雨量、淹水水深，及地表坡度等影響因子與損失(rloss)的關係建立，繼而針對不同事件之預報資料進行可能經濟損失之快速評估，協助救災應變策略之參考。 感謝GFZ德國地球科學研究中心(Helmholtz Centre Potsdam GFZ German Research Centre for Geosciences)提供之HOWAS21淹水損失資料庫，利用該資料庫之災損資料，本研究可以探討在相同影響因子下，包括(1)淹水深度-經濟損失曲線(depth-damage curve);(2)Bayesian 回歸方程式(Bayesian regression);以及(3)Bayesian 網路（Bayesian Network)三種不同方式 測試不同災損方程式在淹水造成工業區經濟損失的預測表現。
以上圖為例就是以第一種方式假設災損(rloss)是僅與淹水深度有關之方式進行模擬，在利用預先設定好之參數，透過淹水深度-經濟損失方程式 產出數筆虛擬資料。再透過此資料以Bayesian推論找出對應之與兩個參數。從上圖中可知機率密度最高與真值重疊，也證明了Bayesian在推論災損方程式中參數之能力。