(鄉土)教材獎

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。

本研究所得之最佳條件將碳酸鋰與氧化鈷以6:1的莫耳比合成非勻相催化劑鈷酸鋰，鍛燒溫度為900℃，鍛燒時間4小時，醇(甲醇) 油(大豆油)莫耳比值24，使用6wt%的催化劑，以攝氏65度的溫度反應2小時，可得出高達98.4%的轉酯率。

本次研究的有孔蟲化石是取自恆春四溝層，透過探討樣本中有孔蟲優勢種屬的生態環境，且利用碳氧同位素來與現生種有孔蟲做對比、討論，可得知當時四溝層的水溫及鹽度範圍，並支持過去四溝層為潟湖環境。也根據討論樣本中底棲性有孔蟲的優勢種Quinqueloculina spp.為淺水機會種屬，加上適合生存水域為半淡鹹水域，推論Quinqueloculina spp.為淺海環境的指標化石。

本研究是透過科學實驗，探究天斬煞的房子對氣流的影響。實驗證明：窄管效應的發生是當風吹到建築物，經由建築物受風面的邊界層流而被導入兩棟建築物的中間間距，大量氣流進入較窄通道，流量增大但是流動寬度變窄，氣流就會增強。透過不斷實驗，我們發現建築間的間距、厚度、測量位置、與前棟的距離、交錯範圍以及建築物的寬度、高度還有屋角形狀、表面的粗糙程度與突起物，都會影響氣流的大小。我們自製風洞以積木模擬建築物，用風速計測量風速，並以乾冰觀察氣流的情形，對於天斬煞的形成與影響因素，有深入的探討與了解，並針對如何避免天斬煞造成的傷害，提出具體建議。

本研究利用玉米植株打碎與黏膠攪拌後來製作環保玉米密集板，使用不同的黏膠劑、不同部位的玉米植株、不同粗細的莖，以及不同大小顆粒的材料製作，嘗試著找出最適合製作玉米密集板的條件，藉以探討其對玉米密集板「硬度」、「衝擊耐久度」、「韌度」、「防水性」、「荷重」的影響。由實驗結果可知「粗莖小顆粒白膠」配方硬度最大，防水性最佳，但在進行「衝擊耐久度」、「荷重」實驗中發現「粗莖大小顆粒混合白膠」的配方，效果最佳，且其硬度指標和防水性也很接近「粗莖小顆粒白膠」，建議延伸此研究，找出最好、最佳的黃金比例。此兩者配方的玉米密集板在切割性測試中均具有良好的切割性，適合用來製作環保置物櫃、隔熱墊、筆筒。

豉甲為棲息於水面的昆蟲，中、後足為扁平槳狀的游泳足，體長約17mm。在水面上快游速度達1.08 m/s，潛游時速度約0.57 m/s；豉甲潛水平均速度約0.83 m/s，下潛僅需41 ms。以Ansys模擬豉甲潛水，發現會在背部隆起與腹側形成壓力差，產生向下的作用力以利其下潛。製作隆起高度比例不同的模型，發現在破水時，1與1.5倍的法向作用力較小，入水後1倍的作用力矩較大，使其更快旋轉向下潛。施力的角度越小，破水時法向作用力也越小，但不影響作用力矩的大小，模型的形狀、運動狀態才是影響作用力矩的主要因素。下潛時蟲體先具一定大小的初速度，有助於下潛，破水時速度越快總作用力越大，但作用力矩正比初速的2.1次方，速度越快使其更快旋轉，令用於下潛的有效分量提升。

本實驗是利用平行電板通電後產生電場，導電球會因電荷傳導與靜電感應因素而在電場之中來回震盪的特性進行相關物理量的調整進行研究。各種變因包括導電球質量、電壓大小、球體半徑、不同球體、不同板距等等，我們量測了來回擺動數次所需要的時間計算平均速率，再以靜電學與運動學方程式推導，並加以分析影響實驗的各個因素。整體研究結果發現，在導電球運動時，質量較重的導電球因為擺動時無駐波、自轉的現象產生，能符合我們所推導之理論。此實驗裝置類似於馬達，通電後可使裝置持續運動，但是並沒有使用到電流的磁效應，屬於相當新穎的電動裝置。

我們的學校兩旁是農田且附近有大型化學肥料工廠，有時空氣品質不佳，可是空氣品質的旗幟卻是插著綠色良好的標誌，不禁讓我們懷疑它的準確性及即時性。在市售的空氣盒子中，都是小型而且數據無法即時觀看，也沒有明顯燈號顯示，不適合學校單位使用，因此我們想做出既美觀又可以隨時知道空氣品質的測定器。 作品利用3D繪圖軟體自行設計，繪製亮麗吸睛的外型再加上每分鐘測定一次，準確性遠超過空氣品質旗幟，再加入溫溼度感測器並將數據上傳至物聯網，並可以顯示「符合行政院環保署空氣品質指標(AQI)與健康影響之狀態色塊」(表1)的LED燈示及語音廣播，讓大家都能了解當時的空氣品質及時提醒及防護，以維護師生和民眾的健康。

目前市面上已經有不少產品應用到自然語言處理 (natural language processing, NLP) 的技術，例如聲音或是圖像標註，但是關於圖像標註的研究大部分是針對英文，因此我們想要進行中文的圖像標註研究。在本研究中，我們嘗試建構神經網路，並使用Microsoft COCO: Common Objects in Context 數據集訓練模型，並試著調整模型以達到較好的圖像標註效果。使用深度學習神經網路作為翻譯流程的工具，並嘗試配合各種不同的網路架構。為了能達到從序列到序列 (seq2seq) 的效果，我們的網路使用了編碼器 - 解碼器 (encoder-decoder) 的結構，編碼器的部分使用CNN，解碼器的部分使用RNN，這樣能有效地傳達序列並有較多種神經網路組合方式。

本研究對象為台南市牛山剖面六重溪層內碎屑化石密集層，透過野外調查與模擬實驗，分析六重溪層上部化石密集層，與下部油氣儲集層關係，並推論牛山地區古今的地理環境。 我們發現這些密集層的化石種類，具有相似的地質現象，因此重建碎屑化石密集層間的關係 ；並採集沙灘現生貝類與觀察碎屑分布，透過破壞實驗與水流實驗，了解貝類被破壞成碎屑 的能量，與碎屑被搬運堆積的過程。 本研究針對岩塊孔隙率測量，提出獨創的浸沒白油法，並與專業儀器測得孔隙率之砂岩比較，證明具備準確性。透過高解析度的電腦斷層掃描圖，分析砂岩中孔隙的分布情形；並推測六重溪層下部油氣儲集層，其地層條件與上部碎屑化石密集層類似，為膠結較不緻密的鈣質砂岩地層。