Neural networks assess liquefaction of sand -Genetic algorithm
Date Issued
2006
Date
2006
Author(s)
Chen, Tsung-Hung
DOI
zh-TW
Abstract
類神經網路主要是仿效生物具有思考及學習能力的腦神經，利用非線性人工擬神經元相互連結，建構輸入與輸出參數之間的映射關係，以進行分類、預測等工作。在現今的相關研究中以SPT-N值為主預測土壤液化之網路結構,多以試誤法得到，基因演算法最佳化已被廣泛地應用在各領域中，因此本研究的目的是以基因演算法最佳化類神經網路系統評估土壤液化問題，將SPT-N現地試驗所測得之土壤參數與現地液化狀況間搜尋出一最佳化的非線性關係，希望能對傳統的液化評估方法提出更為合理之液化分析模式。
本研究蒐集了歷年來國內外各地震有關土壤液化的現地土壤資料，總共蒐集到151筆案例資料。並建立了基因演算法觀念建立以是否液化(0或1)為輸出值之第一型最佳化網路結構。選擇了2種以SPT-N值為主的常用現地經驗公式，以及吳俊彥(1996)以試誤法最佳化網路結構之模式比較，本研究發現當使用Tokomaks & Yoshimi簡易法(1983)所提出之傳統方法推估時，其整體誤判率不甚理想為40.4%，明顯地偏向保守；此外，模式一經基因演算法最佳化，可較試誤法決定網路架構之倒傳遞類神經網路模式，無論是在液化、非液化或案例整體誤判率皆能有更為優異的表現，故本研究之模式一其判斷是否液化之實用性與參考價值甚佳。
另再以台灣地區129筆液化及非液化土層案例資料，將之經由最佳化類神經網路發展之液化分類輸出模式，配合逼近法求取液化臨界狀態，並根據不同細料含量範圍區分，繪製臺灣地區SPT-N臨界液化曲線，藉此以SPT-N為主的鑽孔資料可快速判斷現地土層液化潛能程度。
Subjects
土壤液化
SPT-N
基因演算法
類神經網路
最佳化
Liquefaction
Genetic Algorithm
Neural Networks
Optimum
Type
thesis
File(s)![Thumbnail Image]()
Loading...
Name
ntu-95-R92521116-1.pdf
Size
23.31 KB
Format
Adobe PDF
Checksum
(MD5):4a4f95c4a582b2fba1ba3d3beac0c320