左天雄臺灣大學：土木工程學研究所王進孝2007-11-252018-07-092007-11-252018-07-092004http://ntur.lib.ntu.edu.tw//handle/246246/50115本研究欲建立包含地文因子以及雨量因子之土石流發生臨界降雨線，改善前人大多僅考慮雨量因子，未考慮不同區域性而將地文因子視為常數之缺點。 本研究之流程大致分為三大部分，第一部分為土石流潛勢溪流危險度模式建立，第二部份為土石流發生臨界降雨線類神經網路結構擷取，第三部分為土石流發生臨界降雨線之建立。 首先，以基因演算法最佳化之特性，最佳化類神經網路結構，改進前人研究以試誤法決定類神經網路結構之非時效性與非精確性。經由類神經網路評估土石流危險度之結果顯示，判釋成功率約達七成五。 第二部分，為利用前ㄧ步驟所得之危險度轉換成地文分數，配合有效累積雨量與降雨強度，輸入類神經網路中，以求取成功判釋之類神經網路結構。 第三部份，利用第二步驟所判釋成功之網路結構與土石流潛釋溪流資料中的地文分數、有效累積雨量與降雨強度，配合Juang於2000年所提出之逼近理論，求得土石流臨界降雨線。所得之臨界降雨線除了可改善前人研究之土石流發生臨界降雨線將地文因子視為常數之缺點；並以此土石流發生臨界降雨線建議一預警模式，經南投地區案例驗證，提供作為參考。目錄 誌謝 I 摘要 II 第一章 導論1 1-1 研究動機1 1.2 研究目的2 1.3 研究範圍2 1.4 研究方法與流程3 1.5 本文架構4 第二章 土石流簡介與文獻回顧9 2.1 土石流簡介9 2.1.1 土石流之定義9 2.1.2 土石流之特性11 2.1.3 土石流分類13 2.1.4 發生土石流的基本條件15 2.1.5 土石流發生之影響因子16 2.2 土石流發生機制之相關研究19 2.2.1 土石流發生與地文因子之關係19 2.2.2 土石流發生與水文因子之關係23 2.3 類神經網路與基因演算法於土石流之應用26 第三章 類神經網路42 3.1 生物神經元模型42 3.2 人工神經元模型 43 3.3 類神經網路分類44 3.3.1 依網路結構分類45 3.3.2 依學習方式分類45 3.4 倒傳遞類神經網路46 3.4.1 基本結構46 3.4.2 倒傳遞類神經網路學習演算法47 3.4.3 倒傳遞類神經網路學習流程52 3.4.4 倒傳遞類神經網路之特性54 第四章 基因演算法 59 4.1 基因演算法之前置作業59 4.2 基因演算法之運算61 4.3 基因演算法之基本特性 67 4.4 基因演算法之最佳化類神經網路67 4.4.1 類神經網路之參數設定67 4.4.2 基因演算法之參數設定70 4.4.3 基因演算法最佳化類神經網路模式之驗證74 第五章 土石流預警系統模式之建立83 5.1 初次土石流發生臨界降雨線求取模式84 5.1.1 土石流潛勢溪流危險度模式建立84 5.1.1.1 輸入因子的決定84 5.1.1.2 資料之前處理 85 5.1.1.3 土石流危險度模式確立87 5.1.1.4 土石流危險度最佳模式驗證與比較89 5.1.2 土石流臨界降雨線之類神經網路結90 5.1.2.1 決定輸入因子91 5.1.2.2 資料前處理91 5.1.2.3 土石流臨界降雨線之網路模式確立93 5.1.3 土石流臨界降雨線逼近94 5.1.4 土石流發生臨界降雨線趨勢之驗證97 5.2 二次土石流臨界降雨線求取模式98 5.2.1 二次土石流潛勢溪流危險度模式建立98 5.2.2 二次土石流臨界降雨線之類神經網路結構99 5.2.3 二次土石流臨界降雨線逼近100 5.3 土石流發生臨界降雨線設定102 5.3.1 土石流之警戒降雨線及避難降雨線103 5.4 案例分析105 第六章 結論與建議 164 6.1 結論164 6.1.1 土石流潛勢溪流危險度164 6.1.2 土石流發生臨界降雨線165 6.2 建議166 6.2.1 土石流潛勢溪流危險度166 6.2.2 土石流發生臨界降雨線166 參考文獻168 附錄一 南投地區危險溪流地文因子174 附錄二 初次土石流危險度模式之網路判釋結果178 附錄三 二次逼近土石流臨界降雨線輸入183 附錄四 二次土石流臨界降雨線逼近整合表187 附錄五 地文分數計算例198 圖目錄 圖1.1 土石流發生之有效累積雨量及有效降雨強度關係圖6 圖1.2 研究流程圖7 圖2.1 形成土石流之基本要件示意圖29 圖2.2 土石流的發生過程29 圖2.3 土石流流動過程示意圖30 圖2.4 土石流各波段之示意圖30 圖2.5 土石流前端與後端橫斷面圖31 圖2.6 土石流造成房舍損壞照片31 圖2.7 土石流造成房舍損壞與掩埋情形32 圖2.8 集水區形狀係數與集水區形狀及比流量歷線之關係圖32 圖2.9 最大時雨量與累積雨量關係圖33 圖2.10 中國大陸蔣家溝土石流預報圖33 圖3.1 生物神經元模型圖55 圖3.2 神經系統訊號傳遞示意圖55 圖3.3 人工神經元模型圖56 圖3.4 前饋式類神經網路示意圖56 圖3.5 循環式類神經網路示意圖57 圖3.6 倒傳遞類神經網路學習示意圖57 圖3.7 活化函數圖58 圖3.8 倒傳遞類神經網路實際應用示意圖58 圖4.1 基因演算法標準流程圖76 圖4.2(a) 1層隱藏層5神經元的訓練次數圖76 圖4.2(b) 1層隱藏層5神經元的訓練梯度圖77 圖4.3 1層隱藏層25神經元的最佳訓練次數表示圖77 圖4.4 1層隱藏層50神經元的最佳訓練次數表示圖78 圖4.5 繁衍世代數為100世代數之基因演算法最佳化類神經網路結 構 78 圖4.6 繁衍世代數為500世代數之基因演算法最佳化類神經網路結 構 79 圖4.7 不同適應函數之基因演算法最佳化網路結構80 圖4.8 最佳化類神經網路模式驗證81 圖5.1 土石流危險度模式一之最佳化類神經網路訓練結果109 圖5.2 土石流危險度模式二之最佳化類神經網路結果109 圖5.4 一層隱藏層三個神經元數搭配不同訓練次數之結果110 圖5.5 一層隱藏層六百六十三次訓練次數搭配不同的神經元數110 圖5.6 雨場分割示意圖111 圖5.7 土石流臨界降雨線逼近示意圖111 圖5.8 南投一百二十七筆土石流潛勢溪流未逼近前之點位分佈圖 112 圖5.9 初次逼近成果圖112 圖5.10 地文分數區分後之逼近點位圖113 圖5.11 驗證資料逼近前點位分佈圖113 圖5.12 驗證資料逼近後成果圖114 圖5.13 二次逼近前點位分佈圖114 圖5.14 二次逼近後之成果圖115 圖5.15 驗證集與二次逼近集之點位分佈趨勢比較圖(1)115 圖5.16 驗證集與二次逼近集之點位分佈趨勢比較圖(2)116 圖5.17 土石流發生臨界降雨線116 圖5.18 警戒、避難體制判定圖117 圖5.19 土石流警戒降雨線及避難降雨線之示意圖117 圖5.20 前人方式設定本研究之避難線示意圖118 圖5.21 南投001案例分析118 圖5.22 南投073案例分析119 圖5.23 南投033案例分析119 圖5.24 南投A065案例分析120 圖5.25 南投A097案例分析120 表目錄 表1.1 九二一前後全國各縣市土石流分布8 表2.1 台灣地區歷年來土石流災害紀錄表34 表2. 2 描述土石流之名詞38 表2. 3 前人研究土石流所引用之影響因子39 表4.1 不同選擇、交換方法的最佳化結果82 表5.1 土石流潛勢溪流災害歷史表121 表5.2 岩性評分123 表5.3 土石流危險度模式之最佳網路權重值與閥值123 表5.4 土石流危險度比較124 表5.5 土石流危險溪流相關雨量站124 表5.6 求取土石流逼近臨界降雨線之網路模式輸入因子及網路輸出 值128 表5.7 求取逼近土石流臨界降雨線模式之最佳網路結構配置131 表5.8 初次bd路徑逼近之網路輸出132 表5.9 再次求取逼近臨界降雨線之網路模式輸入因子及網路輸出值 135 表5.10 再次bd路徑逼近之網路輸出137 表5.11 再次ac路徑逼近之網路輸出140 表5.12 再次ef路徑逼近之網路輸出143 表5.13 逼近整合之溪流資料145 表5.14 採用的驗證資料149 表5.15 驗證資料逼近後整合表152 表5.16 二次土石流潛勢溪流危險度最佳類神經網路結構配置表159 表5.17 二次土石流逼近臨界降雨線之網路模式輸入因子表159 表5.18 二次求取逼近土石流臨界降雨線模式之最佳網路結構配置 1634151844 bytesapplication/pdfen-US土石流潛勢溪流基因演算法土石流臨界降雨線類神經網路neural networkscritical line of debris flowpotential debris flowgenetic algorithmthesishttp://ntur.lib.ntu.edu.tw/bitstream/246246/50115/1/ntu-93-R91521116-1.pdf