以類神經網路建立序率水庫安全檢查之最佳檢查週期及次序

台灣(含金馬)地區目前重要水庫水壩計有84 座之多，超過國際大
壩協會（ICOLD）標準高於15m 者多達51 座，壩高超過60m 及水庫
容量逾一千萬立方公尺之大型水庫， 也有13 座之多。由於台灣位處
地震及颱風頻繁地帶，河川既短且陡，尤其下游地區人口稠密，一旦
水壩發生潰決，將對下游居民生命、財產及社會造成莫大影響，故水
庫安全益形重要。因此「定期水壩安全評估」為確保水庫安全， 及儘
早發現警訊重要手段之一。
本研究以可用性模式進行水庫之可用性分析，以維修配合度、偵測度、檢查
經費、潰壩損失進行水庫最佳安全檢查週期之建立，最後以遺傳演算法作水庫群
之最佳檢查週期之建立，目標為在固定的檢查經費下，求出各水庫之最佳檢查週
期，及其最佳之偵測度；在檢查經費不足下，亦可將較安全或叫不重要之水庫剔
除，以符合經濟與適度安全之原則。最後以類神經網路進行模擬，未來只要知
道各水庫之潰壩風險、潰壩損失、安全檢查經費，即可模擬出固定檢查經費下的
各水庫之檢查週期及其偵測度。
本研究以10 個水庫作模擬，以每年30,000,000 元作為目標值，以遺傳演算
法逼近最佳解結果顯示良好，但可行解組數仍過多，未來可根據不同水庫的重要
性給予最低的偵測度值，將可減少可行解的數目。最後以遺傳演算之結果當作
觀察值，進行類神經網路之訓練、驗證及測試，其結果顯示網路目標值與觀察
值極相近。