隨著數值天氣預報模式發展與電腦運算能力提升， 颱風路徑的平均誤差不斷降低預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 預報不確定性的資訊也能藉由多模式決或系集成員分布情形加以估 計，使得發展颱風路徑機率預報更為可行。本研究嘗試將分經度與緯報，再分別應用貝氏模型平均法 報，再分別應用貝氏模型平均法 (Bayesian Model Averaging)整合不同模式預報資訊得到經 整合不同模式預報資訊得到經 整合不同模式預報資訊得到經 整合不同模式預報資訊得到經 整合不同模式預報資訊得到經 整合不同模式預報資訊得到經 整合不同模式預報資訊得到經 整合不同模式預報資訊得到經 整合不同模式預報資訊得到經 整合不同模式預報資訊得到經 整合不同模式預報資訊得到經 整合不同模式預報資訊得到經 整合不同模式預報資訊得到經 度與緯上的預報機率密函數，除可依此建構完整颱風路徑指引外亦利用期望值作為路徑預報指引。 案例分析使用 2016年美國 NCEP (National Centers for Environmental Prediction)、歐洲 ECMWF (European Centre for Medium Range Weather Forecasts)、日本 JMA (Japan Meteorological Agency)與中央氣象局 TWRF (Typhoon WRF)模式的颱風路徑預報資料與官 模式的颱風路徑預報資料與官 方最佳路徑資料，並以等權重平均法作為對照組進行比較。結果顯示貝氏模型的颱風路徑期望值預報在 12、24、36與 48小時預報誤差顯著優於等權重平均， 小時預報誤差顯著優於等權重平均， 24與 48小時 的預報誤差可分別降低 至約 65公里與 110公里。進一步區分為緯度預報與經誤差 公里。進一步區分為緯度預報與經誤差 分析可知，由於四個模式颱風中心位置的緯度預報差異性較大有利貝氏型平均法依據模式預報能力給予不同權重係數而優於等平均者，使得期望值誤差改善幅度明顯較經度預報結果為高。另一方面，颱風路徑機率同樣因貝氏模型平均法具有區別模式預報能力的特性，可針對四個颱風中心位置分散情況提供各種路徑發生機率

With the improvement of numerical weather prediction models and the raise of multi-model and ensemble forecasts concept, the average forecast error of tropical cyclone track is continuously decreasing, which makes specifying the track forecast uncertainty much more realistic. This study proposes using Bayesian Model Averaging (BMA) for statistically integrate multi-model track forecasts along longitude and latitude separately. The BMA predictive probability density function (PDF) of longitudinal or latitudinal position is a weighted average of PDFs centered on the individual forecasts, where the weights are estimated from models’ predictive performance over the training period. Consequently, the BMA deterministic forecast of typhoon center can be obtained from the expectation of PDF. This method was applied to 2016 typhoon cases using NCEP (National Centers for Environmental Prediction), ECMWF (European Centre for Medium Range Weather Forecasts), JMA (Japan Meteorological Agency) and CWB (Central Weather Bureau) Typhoon WRF models. Compare to the common equal-weighting consensus forecast, the BMA expectation is better at 12-h, 24-h, 36-h and 48-h average forecast error according to 95% confidence interval T test. The 24-h and 48-h forecast error of typhoon position are 65 km and 110 km respectively. Furthermore, the improvement in BMA latitudinal position forecast is larger than the longitudinal one because of the larger latitudinal deviation of model forecasts availing BMA against distinct weightings according to model performances. Consequently, the BMA PDF can distinguish the most likely typhoon position from the others and be a powerful consensus probabilistic guidance for the CWB typhoon forecasts operation.