左天雄臺灣大學：土木工程學研究所黃柏祥Huang, Bo-SiangBo-SiangHuang2007-11-252018-07-092007-11-252018-07-092004http://ntur.lib.ntu.edu.tw//handle/246246/50367傳統上評估液化潛能之方法，除受人為主觀與經驗判斷之影響外；其中亦無法詳細考慮參數間高維度的複雜非線性關係，為此有必要尋找一有力之工具解決上述困境，以進一步提高液化判釋的正確性與適用性。 本研究主要為利用倒傳遞類神經網路及最佳化螞蟻演算法，完成建構「液化分類指數輸出模式」與初步建議台灣地區適用之「液化評估簡易步驟分析法」兩大部分工作。首先，蒐集歷年世界各地地震以剪力波速參數為主之液化觀測資料共318筆，並從中選取重要影響因子，經散佈圖與皮爾森積差檢定統計分析，將同類型相關程度高之因子進行融合，以減少雜訊互擾現象，作為網路學習範例；此外，針對隱藏層數、神經元數及訓練次數等網路架構設定，本研究亦引入螞蟻演算法在適當的搜尋範圍內完成最佳化選取，進而建構輸出為液化分類指數(目標值1代表液化、0代表非液化)之分析模式。評估結果發現其整體正確率可達98.43%，此外在與前人研究多方比較後皆能有更為優越之表現。 第二部分，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指數輸出模式，配合逼近理論求取液化臨界狀態，並根據不同細料含量範圍區分，繪製剪力波速臨界液化曲線，再以近似迴歸的方法獲得計算土壤之反覆阻抗比公式CRR；而後依前人提出之半理論公式定義地震之反覆剪應力比CSR，藉此初步簡單的建議本土化適用之「液化評估簡易步驟分析法」，其可以安全係數(FS=CRR/CSR)定量的表示出現地土層液化潛能程度之大小。誌謝……………………………………………………………………………..I 摘要…………………………………………………………………………….II 目錄…………………………………………………………………………...III 表目錄………………………………………………………………………..VII 圖目錄……………………………….……………………………………. .VIII 符號表……………………………….…………………………………….. ...XI 第一章 導論 …………………………………………………………………...1 1.1研究背景.……………………………………………………………...1 1.2研究目的………………………………………………………………2 1.3研究方法……….…………………………………………………...…2 1.4研究內容…….……………………………………………………...…3 第二章 文獻回顧……………………………………………………………...6 2.1土壤液化………………………………………………………………6 2.1.1土壤液化發生之機制與原因…..………………………………6 2.1.2影響土壤液化潛能之因素……………………………………8 2.2剪力波速於土壤液化關聯性之前人研究….. ……...…….………...11 2.2.1剪力波速評估土壤液化之特性………………………………12 2.2.2剪力波速評估土壤液化之發展沿革..………………………..13 2.2.3剪力波速評估土壤液化潛能－簡易步驟分析法……….. ….16 2.3類神經網路模式於土壤液化評估之應用……………………… ….22 第三章 類神經網路...……………………………………………...………...37 3.1生物神經元模型………………………………………………..……38 3.2人工神經元模型………………………………………………..……39 3.3類神經網路分類…………………………………………....…..……41 3.3.1依學習方式分類..…………..…………………………………41 3.3.2依網路架構分類…………..…………………………..………42 3.4倒傳遞類神經網路………. ………………......…….…………….....42 3.4.1倒傳遞類神經網路基本架構…………………………………43 3.4.2倒傳遞類神經網路學習演算法……..………………………..44 3.4.3倒傳遞類神經網路學習流程…………………………….. ….49 3.4.4倒傳遞類神經網路之特性..…………………………………..51 第四章 螞蟻演算法………………………………..………………………...57 4.1費洛蒙(Pheromone)模式：ACO演算法……………..………………57 4.1.1覓食原理…..……………………………..……………………57 4.1.2 ACO演算法一般性模式……...………………………………58 4.2 API演算模式….. ……...…….……………………………………...59 4.2.1覓食原理………………………………………………………60 4.3 API演算法一般性模式………. ………………...…….………….....60 4.3.1演算法符號元…………………………………………………60 4.3.2一般性演算程序……..………………………………………..63 4.4 API演算法於類神經網路之應用………..…. ………………...…...64 第五章 評估模式之建構與分析…………………..………………………...69 5.1範例資料庫來源……………..………………………………………69 5.2輸入因子之決定…..……..……………………..……………………70 5.3因子相關性檢定與融合……...…………………………………...…72 5.3.1散佈圖分析……………………………………………………73 5.3.2相關係數分析……..…………………………………………..74 5.3.3因子融合縮減……..…………………………………………..75 5.4 建構液化分類指數輸出模式………..…....... .………………...…...77 5.4.1網路輸入與輸出………………………………………………77 5.4.2資料前處理(data preprocessing)…….………………………..78 5.4.3螞蟻演算法最佳化類神經網路結構之參數設定……….. ….79 5.4.4 API螞蟻演算法之評估函數(evaluating function)….………..81 5.4.5 API螞蟻演算法於各模式之應用……………………………82 5.4.6網路評估結果之分析與討論……..…………………………..83 5.4.7網路模式之系統映射規則……………………………….. ….85 5.4.8與前人研究比較..……………………………………………..85 5.5 簡易步驟分析法之初步建立………..…....... .………………...…...86 5.5.1臨界液化曲線之逼近方法…………...…….…………………87 5.5.2液化及非液化案例資料蒐集…….…………….……………..88 5.5.3逼近結果之分析與討論…….………………….……………..89 5.5.4安全係數計算之分析流程建議…….……….………………..90 第六章 結論與建議………………………………..…………………….…132 6.1結論………………………….……………..…………………….…132 6.1.1液化分類指數輸出模式…..…………………………..…..…132 6.1.2簡易步驟分析法之初步建立……....……………..…………134 6.2 建議….. ……...…….………………………….…………………...135 參考文獻………………………………..…………………………..…….…137 附錄1：液化分類指數模式一*原始訓練集………………………..…….…148 附錄1：液化分類指數模式一*原始測試集………………………..…….…154 附錄2：液化分類指數模式一*正規化訓練集………………………..…….157 附錄2：液化分類指數模式一*正規化測試集………………………..…….163 附錄3：液化分類指數模式二*原始訓練集………………………..…….…166 附錄3：液化分類指數模式二*原始測試集………………………..…….…172 附錄4：液化分類指數模式二*正規化訓練集………………………..…….175 附錄4：液化分類指數模式二*正規化測試集………………………..…….181 附錄5：液化分類指數輸出手算範例……………..…………………..…….184 附錄6：相對重要性計算方法簡介……………………………………….…1875295704 bytesapplication/pdfen-US因子融合螞蟻演算法類神經網路土壤液化剪力波速最佳化factor mixoptimalizationsoil liquefactionneural networkant colony algorithmshear wave velocitythesishttp://ntur.lib.ntu.edu.tw/bitstream/246246/50367/1/ntu-93-R91521108-1.pdf