本研究從發音體的確認進行水杯敲擊產生音調開始探討，接著從產生的音調確認發音體的振動並非（水面以上玻璃杯壁）局部振動，透過「巧妙」的敲擊可以產生不同一般重擊而會產生“高音”，從聲音頻率倍數關係分析得知此高音為另一種「泛音」。本研究接著進行產生泛音的因素探討，提出「局部起動」的概念，發現「輕敲」、「本質為發低音者—水位高的水杯」、「固定杯底」、「水面靜止」、「敲擊稍厚處」較容易產生較高的泛音。本研究中所使用的水杯以敲擊方式最多可以產生三種泛音，因此可以容易產生與一般敲擊不同地發音情況——水位越高敲擊後的音調越高。敲擊方式改變發音音調的控制可以作為日後樂器製造的參考。

將紙條的摺痕定義出「內」與「外」之後，探索摺痕所形成數列的規律性及紙條立起來後最後所指的方向。

科展源自於一個數學專欄上的問題，是關於兔子藏於圖形的某一個頂點，則在兔子位置可能變動和有所限制的射擊規則下，求出每一次最少要同時對幾個頂點開槍，才能「保證」可以獵到兔子。原始題目設定的圖形為正六面體，而我們將其擴展為不同的圖形，利用S(G)≥δ(G)+1得出路徑（Pn）、圈（Cn）的最小射擊點數，利用帶寬及|N(S)|相等的排序條件得出矩形（Pm×Pn）、長方體（Pm×Pn×Pk）、n維立方體（Qn）的最小射擊點數、利用觀察配合可行射擊策略，推測出完滿k元樹（k–treeh）的遞迴關係式並得出上界，建構可行方法，並期望算出最小射擊次數。目前研究結果為上述圖形之最小所需射擊點數及可行射擊策略。

本研究是以Arduino控制器為核心結合手機App Inventor 2(AI2)的智慧隨意控系統，此系統是以主從式架構模型所設計，Arduino 控制器為伺服端，智慧型手機為用戶端，在伺服端部分，主要包含Arduino 控制器以及擴充板與遠端智慧隨意控系統所需的各式感測與驅動元件。控制器主要用來接收用戶端的控制指令，指令經過程式解析後，則會執行感測元件的訊號或數據並傳回用戶端或是相對應的驅動元件。另外，在用戶端部分，則是使用AI2手機程式作為控制器，透過此軟體，經由藍芽可遠端監控家中的電器設備、大門、即得知家中的即時溫濕度資訊等，另外系統亦提供防盜、防災及警報等功能。從而解決高齡化人口老化加上人手不足的問題。

酒後騎乘摩托車是台灣最大的安全問題，因為台灣與其他國家相比，機車數量較其他國家多，酒後騎車案件數也逐年增加，往往因為交際應酬或生活壓力而喝酒，喝酒後意識不清，造成嗜睡或意識模糊等情況，讓酒駕騎士不知道自己在做什麼？因而造成車禍或是種種意外，不僅害了自己也可能傷害到其他人，106年1至11月酒駕肇事就有77人死亡，我們看到這個數字後感到非常震驚，因此讓我們想出更進一步的解決方法。

我們先從地下水的認識與探勘著手，發現梓官區距離地底下9~10公尺就有地下水，地下水資源豐富（研究一）。藉著行政院環保署 環境資源資料庫，找出梓官區地下水數據，並與其他高雄沿海地區相比，分析導電度、溶氧量、水位，發現導電度與離海遠近影響不大（研究二）。接著自製地下水水箱模型，模擬鹹化地下水、沙石層，從補助及抽取淡水數據，可清楚觀察出淡水泡的形成與回縮，邊緣過渡帶不大，確實可在鹹水層中儲存淡水（研究三）。 本研究以在地觀點出發，關心沿海區地下水鹹化的議題，並研究淡水泡的現象。希望能以簡單易懂的報告，使更多人了解地下水特性，隨時關心水質，以少為人知的淡水泡現象，引入思索，為我們的地下水資源，添加諸多可能性！

天氣預測是攸關人類生活的大事。目前天氣預測主要利用大氣氣壓、溫濕度、雲層等參數資料來進行天氣預測。為達到低成本及小範圍之天氣預測，本研究利用物聯網的『眼睛』-樹莓派相機來觀測雲層，配合Arduino感測器蒐集到的氣象參數輔助，以預測30分鐘後降雨的機率。本研究採用卷積神經網路(Convolutional Neural Network, CNN)來進行模型訓練，首先將雲層圖片提取RGB特徵向量，配合氣象資料輸入模型以進行模型訓練，所訓練之模型可即時預測未來降雨的狀況。本研究進一步以精密度、召回率、F-measure、及混淆矩陣來驗證模型成效，準確度皆達80%以上，證明本研究訓練之模型預測降雨的準確性及可行性。

本研究來自對網路上「流化床液體沙池」影片的好奇，想嘗試自製沙池，並探究沙粒種類、高度、排氣強弱及排氣孔距、孔洞尺寸、排列等因素，對沙池液體化影響。研究藉由對「沙池中物體拉動固定距離所需時間」、「沉入沙池物體減少重量」、「浮於沙池物體沒入體積」，定量測量沙池的阻力、浮力、密度等性質，並與「水」做比較，計算液體化程度。研究結果發現最佳沙池裝置為：用顆粒較小的沙、3mm最小孔洞、12cm適中沙面高度、6級最大排氣，排氣孔斜下的裝置，可獲得「阻力、密度約為水的1.5倍、浮力與水相仿」的液體化效果。最後研究以傾瀉實驗證明沙池除了具休閒娛樂功用，也能有效提昇運送固體顆粒的效率。

Wildfires have become increasingly frequent and severe due to global climatic change, demanding improved methodologies for wildfire modeling. Traditionally, wildfire severities are assessed through post-event, in-situ measurements. However, developing a reliable wildfire susceptibility model has been difficult due to failures in accounting for the dynamic components of wildfires (e.g. excessive winds). This study examined the feasibility of employing satellite observation technology in conjunction with artificial neural networking to devise a wildfire susceptibility modeling technique for two regions in California. Timeframes of investigation were July 16 to August 24, 2017, and June 25 to December 8, 2017, for the Detwiler and Salmon August Complex wildfires, respectively. NASA’s MODIS imagery was utilized to compute NDVI (Normalized Difference Vegetation Index), NDWI (Normalized Difference Water Index), land surface temperature, net evapotranspiration, and elevation values. Neural network and linear regression modeling were then conducted between these variables and ∆NBR (Normalized Burn Ratio), a measure of wildfire burn severity. The neural network model generated from the Detwiler wildfire region was subsequently applied to the Salmon August Complex wildfire. Results suggest that a significant degree of variability in ∆NBR can be attributed to variation in the tested environmental factors. Neural networking also proved to be significantly superior in modeling accuracy as compared to the linear regression. Furthermore, the neural network model generated from the Detwiler data predicted ∆NBR for the Salmon August Complex with high accuracy, suggesting that if fires share similar environmental conditions, one fire’s model can be applied to others without the need for localized training.

本實驗先以銀墨水筆在相紙上繪出能感測鹽水濃度的指叉電極，當指叉數目愈多時，偵測靈敏度也隨之提高。接著，以點膠機將銀膠塗佈於可撓的投影膠片上，並用交流電測量不同水溶液之電容變化(葡萄糖、蔗糖、氯化鈉和L-麩胺酸鈉)。對不解離的非電解質而言，濃度並不影響測量結果，但電解質溶液中，濃度與電容在對數關係下呈線性正相關(R2 > 0.95)。偵測極限受指叉排列緊密度所囿，最低可至0.1mM，但若偵測物質為質量較大的L-麩胺酸鈉時，會不及感應高頻交流電，使偵測極限變成約1mM。若要擴大偵測範圍，建議以低交流電頻來偵測。此外，物質所具有之靈敏度不一，可當作其特有的偵測「指紋」，使指叉電極達到辨識不同生物物質的可能，成為有效的生物檢測工具。