郭振泰2006-07-252018-07-092006-07-252018-07-092004http://ntur.lib.ntu.edu.tw//handle/246246/2848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。application/pdf411745 bytesapplication/pdfzh-TW國立臺灣大學土木工程學系暨研究所檢查週期偵測度維修配合度可用性分析潰壩風險遺傳演算類神經網路inspection intervaldeficiency detectabilityrepair compliance probabilityavailability analysis and risk of dam breakgenetic algorithmand neural network..reporthttp://ntur.lib.ntu.edu.tw/bitstream/246246/2848/1/922211E002055.pdf