花蓮港東臨遼闊的太平洋，因其港型及港口開口方向關係，港內常受長浪(湧浪)影響振盪致使船舶出港避湧，臺灣港務股份有限公司花蓮港務分公司(以下簡稱花蓮港務分公司)自110年4月起以觀測內港區水尺(近9號碼頭)及外港區水尺(25號碼頭對面東防波堤)之實際波浪情況，執行內港、外港之船舶進出港管制工作，若能提供港內碼頭波浪預測變化，將有助於花蓮港務分公司執行港務管理作業。本研究應用倒傳遞類神經網路(BPNN)及長短期記憶模型(LSTM)2種方法，學習港外波浪與港內17號碼頭波浪對應關係、建立17號碼頭波浪預測類神經網路為目標。以109年海神颱風、閃電颱風及109年7月(夏季)、12月(冬季)波浪實測資料做驗證，通過驗證後之類神經網路再於海神及閃電颱風期間執行連續預測之測試工作，藉此，篩選出自我預測能力及穩定度較佳之網路架構。比較BPNN與LSTM驗證及連續預測結果，原以為LSTM較擅長處理時間序列預測問題，結果顯示2者預測效能都很好，BPNN甚至在評估指標及歷線圖表現略佳且網路架構較簡單(神經元數量較少)，後續可將本研究探討之BPNN網路架構應用推估花蓮港9號及25碼頭處波高變化情形，其波高預測資料可提供花蓮港務分公司做為船舶進出港管制之決策依據。