左天雄臺灣大學：土木工程學研究所黃文蔚2007-11-252018-07-092007-11-252018-07-092005http://ntur.lib.ntu.edu.tw//handle/246246/50069摘要 台灣位於地震頻繁的環太平洋地震帶上，工程設計常需考慮地盤及結構物之動態反應，因此正確的土層動態參數便是不可缺少的。本研究分別採用有限差分法與類神經網路評估地盤之剪力波速。以有限差分分析法模擬表面波傳行為，求得理論頻散曲線，以期可以較為快速且準確評估地盤深層之剪力波速縱深剖面。另外，使用類神經網路模擬由震測實驗所得現地頻散曲線映射至剪力波速的機制。 於模式建立方面，有限差分模式使用Virieux提出的速度–應力有限差分法模擬表面波傳行為，並合理的安排格點位置、邊界條件及初始條件，且利用基因演算法進行現地頻散曲線反算之最佳化控制，最後將整個反算過程寫成電腦程式FBADCFDM。當有限差分頻散曲線和現地頻散曲線相符時，我們可認定有限差分模式中地盤剪力波速即為現地試驗場址之地盤剪力波速。 類神經網路模式則採用倒傳遞類神經網路，因其對非線性之參數映射機制系統模擬成效相當良好，故選擇此一網路作為本研究之主網路架構。建立網路的實際操作上，分為學習、訓練與測試三個階段。經測試完成之網路，是為訓練完成之網路，只需輸入網路輸入參數值，網路將憑藉訓練資料特性計算出評估結果，此即為類神經網路評估之推估值。 研究結果顯示， FBADCFDM程式於四十二處現地頻散曲線之反算結果，與相關研究的剪力波速剖面具有一致性，顯示本研究所發展的FBADCFDM為一有效利用頻散曲線反算地盤剪力波速之程式。而類神經模式在評估土層剪力波速縱深剖面方面具連續性，且較以數學模式推導土層剪力波速方式上，簡便而有效率；而由其評估結果看來，有一致性之符合程度，說明本研究所發展之模式評估結果具高度重現性，具有推廣的價值。目錄 摘要 I 目錄 II 表目錄 VII 圖目錄 X 符號表 XV 第一章 導論 1 1.1研究背景 1 1.2研究目的 1 1.3研究方法 2 1.4本文內容 3 第二章 文獻回顧 5 2.1有限差分法及簡化法於波傳反算之研究 5 2.1.1頻散曲線 5 2.1.2有限差分法於波傳反算之研究 5 2.1.3簡化法於波傳反算之研究 6 2.2類神經網路於大地工程之應用 7 2.3基礎工程實驗歷屆學長相關研究 7 第三章 有限差分法分析模式 10 3.1波傳理論之有限差分分析法 10 3.1.1波動方程式 10 3.1.2有限差分方程式 11 3.1.3數值穩定條件 16 3.2有限差分法正算模式之建立 17 第四章 基因演算法 24 4.1基因演算法運算步驟 24 4.2基因演算法的各種變化 26 4.2.1選擇的方法(Selection methods) 26 4.2.2交換的方法(Crossover methods) 28 4.3基因演算法於有限差分法反算之最佳化 30 4.3.1最佳化參數之上下限資料來源 30 4.3.2誤差定義及基因演算法之Fitness function 31 4.3.3 FBADCFDM程式 32 4.3.4 FBADCFDM程式之輸入與輸出 32 4.4基因演算法最佳化之停止時機 33 4.4.1基因相似度 33 4.4.2基因演算法於有限差分法分析模式之停止時機 34 第五章 類神經網路模式 37 5.1生物神經元模型 37 5.2人工神經元模型 38 5.3類神經網路分類 39 5.3.1依網路架構分類 40 5.3.2依學習方式分類 40 5.4類神經網路之發展 41 5.5倒傳遞類神經網路 42 5.5.1倒傳遞類神經網路之評價 42 5.5.2倒傳遞類神經網路基本架構 43 5.5.3倒傳遞類神經網路學習演算法 44 5.5.4 Levenberg-Marquardt演算法 47 5.5.5倒傳遞類神經網路學習流程 48 5.6建構分析土層剪力波速之類神經網路模式 50 5.6.1網路架構模式 51 5.6.2網路訓練資料來源 51 5.6.3網路訓練參數選定及確立模式 52 第六章 個案研究之結果與討論 68 6.1表面波震測場址與有限差分法及類神經網路分析結果 68 6.1.1 Rongmao ZHOU(1.2.3.4.5.6) 68 6.1.2 Jesse.F.Lawrence(7.8.9.10.11.12.13.14) 69 6.1.3DayanthieS.Weeraratne (15.16.17.18.19.20.21.22.23.24) 70 6.1.4 Richard Rapine(25.26) 70 6.1.5 Z.J.Du(27.28.29) 71 6.1.6 David Baumont(30.31.32.33.34.35.36) 72 6.1.7 N.M Shapiro(37.38) 72 6.1.8 Ozcan Cakir(39.40) 73 6.1.9 S.E.Hazler(41) 73 6.1.10 Keith Priestly(42) 74 6.2分析結果之比較與討論 75 6.2.1 有限差分分析模式之適用性 75 6.2.2簡化法深度參數K之決定 75 6.2.3類神經網路模式之適用性 76 第七章 結論與建議 134 7.1結論 134 7.2建議 135 參考文獻 136 附錄 142 A FBADCFDM程式之輸入範例 142 A.1使用有限差分法進行正算之輸入範例 142 A.2使用有限差分法模式一進行反算之輸入範例 143 A.3使用有限差分法模式二進行反算之輸入範例 144 A.4輸入分層厚度與剪力波速上下限之範例 146 A.5輸入現地頻散曲線資料之範例 147 B.倒傳遞類神經網路訓練學習法則 148 C.慣性因子 155 表目錄 表2.1柏松比與剪力波速和雷利波速比值之關係 9 表5.1類神經網路模式之土層建構(訓練、測試)及驗證資料 55 表5.2測試網路隱藏層及其個數之等值架構 56 表6.1有限差分法反算案例一覽表 77 表6.2於美國懷俄明州場址有限差分模式與文獻偏差值比較 78 表6.3於美國懷俄明州場址有限差分模式與文獻偏差值比較 79 表6.4於智利巴搭哥尼亞場址有限差分模式與文獻偏差值比較 80 表6.5於智利巴搭哥尼亞場址有限差分模式與文獻偏差值比較 81 表6.6於智利巴搭哥尼亞場址有限差分模式與文獻偏差值比較82 表6.7於亞馬遜地區、卡本窩、印度場址有限差分模式與文獻偏差值比較 83 表6.8於攝皮立歐北部及南部與中韓交界場址有限差分模式與文獻偏差值比較 84 表6.9於西伯利亞東部及西部與伊歐賈場址有限差分模式與文獻偏差值比較 85 表6.10於坦尚尼亞場址有限差分模式與文獻偏差值比較 86 表6.11於西藏北部及南部場址有限差分模式與文獻偏差值比較87 表6.12於冰島場址有限差分模式與文獻偏差值比較 88 表6.13於玻利維亞場址有限差分模式與文獻偏差值比較 89 表6.14於玻利維亞場址有限差分模式與文獻偏差值比較 90 表6.15於玻利維亞場址有限差分模式與文獻偏差值比較 91 表6.16於玻利維亞場址有限差分模式與文獻偏差值比較 92 表6.17於玻利維亞場址有限差分模式與文獻偏差值比較 93 表6.18於堪察加場址有限差分模式與文獻偏差值比較 94 表6.19於伊朗場址有限差分模式與文獻偏差值比較 95 表6.20於希臘場址有限差分模式與文獻偏差值比較 96 表6.21於北非場址有限差分模式與文獻偏差值比較 97 表6.22於夏威夷場址有限差分模式與文獻偏差值比較 98 表6.23於美國懷俄明州場址類神經網路模式與文獻偏差值比較99 表6.24於智利巴搭哥尼亞場址類神經網路模式與文獻偏差值比 100 表6.25於智利巴搭哥尼亞場址類神經網路模式與文獻偏差值比較 101 表6.26於卡本窩、攝皮立歐南部場址類神經網路模式與文獻偏差值比較 102 表6.27於西伯利亞東部及西部與坦尚尼亞場址類神經網路模式與文獻偏差值比較 103 表6.28於西藏南部場址類神經網路模式與文獻偏差值比較 104 表6.29於冰島場址類神經網路模式與文獻偏差值比較 105 表6.30於玻利維亞場址類神經網路模式與文獻偏差值比較 106 表6.31於玻利維亞場址類神經網路模式與文獻偏差值比較 107 表6.32於堪察加場址類神經網路模式與文獻偏差值比較 108 表6.33於伊朗場址類神經網路模式與文獻偏差值比較 109 表6.34於希臘場址類神經網路模式與文獻偏差值比較 110 表6.35於北非場址類神經網路模式與文獻偏差值比較 111 表6.36於夏威夷場址類神經網路模式與文獻偏差值比較 112 圖目錄 圖1.1本研究之流程圖 4 圖3.1無限彈性介質之應力元素圖 21 圖3.2交錯格點之變數分佈圖 21 圖3.3有限差分法於時間層安排之示意圖 22 圖3.4自由表面格點之變數分佈圖 22 圖3.5有限差分法模擬表面波震測範圍與邊界示意圖 23 圖3.6有邊界影響與無邊界影響之垂直方向速度資料 23 圖4.1基因演算法流程圖 35 圖4.2交換示意圖 36 圖4.3突變示意圖（短箭頭所指部位） 36 圖5.1生物神經元模型圖（蘇木春及張孝德，1999） 57 圖5.2神經系統訊號傳遞之示意圖（蘇木春及張孝德，1999） 57 圖5.3人工神經元模型圖 58 圖5.4前饋式類神經網路示意圖 58 圖5.5循環式類神經網路示意圖 59 圖5.6倒傳遞類神經網路示意圖 59 圖5.7倒傳遞類神經網路活化函數圖 60 圖5.8倒傳遞類神經網路學習示意圖 61 圖5.9倒傳遞類神經網路實際應用示意圖 61 圖5.10遞迴式單一輸出架構 62 圖5.11 遞迴式網路架構圖 62 圖5.12 簡化法係數k 值 63 圖5.13tansig 函數 63 圖5.14(a) 神經元個數對mse影響 64 圖5.14(b) 神經元個數對訓練時間影響 64 圖5.15 誤差曲面示意圖 65 圖5.16 真實誤差曲面示意圖 65 圖5.17 學習速率影響 66 圖5.18(a) 推廣能力良好的網路 66 圖5.18(b) 推廣能力不良的網路 67 圖5.19 慣性因子α影響 67 圖6.1 美國懷俄明州西北區CUST測站之頻散曲線與反算結果比較 113 圖6.2 美國懷俄明州西北區KRET測站之頻散曲線與反算結果比較 113 圖6.3 美國懷俄明州西北區LBOH測站之頻散曲線與反算結果比較 114 圖6.4 美國懷俄明州西北區MNTA測站之頻散曲線與反算結果比較 114 圖6.5 美國懷俄明州西北區PD31測站之頻散曲線與反算結果比較 115 圖6.6 美國懷俄明州西北區SHNR測站之頻散曲線與反算結果比較 115 圖6.7 智利巴搭哥尼亞MILO測站之頻散曲線與反算結果(綜合1)比較 116 圖6.8 智利巴搭哥尼亞MILO測站之頻散曲線與反算結果(綜合2)比較 116 圖6.9 智利巴搭哥尼亞MILO測站之頻散曲線與反算結果(綜合3)比較 117 圖6.10 智利巴搭哥尼亞FELL測站之頻散曲線與反算結果比較 117 圖6.11 智利巴搭哥尼亞MILO測站之頻散曲線與反算結果比較 118 圖6.12 智利巴搭哥尼亞HAMB測站之頻散曲線與反算結果比較 118 圖6.13 智利巴搭哥尼亞SALM測站之頻散曲線與反算結果比較 119 圖6.14 智利巴搭哥尼亞VTDF測站之頻散曲線與反算結果比較 119 圖6.15 亞馬遜地區之頻散曲線與反算結果比較 120 圖6.16 卡本窩之頻散曲線與反算結果比較 120 圖6.17 印度之頻散曲線與反算結果比較 121 圖6.18 攝皮立歐北部之頻散曲線與反算結果比較 121 圖6.19 攝皮立歐南部之頻散曲線與反算結果比較 122 圖6.20 中韓交界之頻散曲線與反算結果比較 122 圖6.21 西伯利亞東部之頻散曲線與反算結果比較 123 圖6.22 西伯利亞西部之頻散曲線與反算結果比較 123 圖6.23 伊歐賈之頻散曲線與反算結果比較 124 圖6.24 坦尚尼亞之頻散曲線與反算結果比較 124 圖6.25 西藏北部之頻散曲線與反算結果比較 125 圖6.26 西藏南部之頻散曲線與反算結果比較 125 圖6.27 冰島北方位角測線之頻散曲線與反算結果比較 126 圖6.28 冰島東北方位角測線之頻散曲線與反算結果比較 126 圖6.29 冰島西南方位角測線之頻散曲線與反算結果比較 127 圖6.30 玻利維亞安提布蘭諾中部之頻散曲線與反算結果比較 127 圖6.31 玻利維亞安提布蘭諾南部之頻散曲線與反算結果比較 128 圖6.32 玻利維亞洛佛賴立茲之頻散曲線與反算結果比較 128 圖6.33 玻利維亞安地斯山脈之頻散曲線與反算結果比較 129 圖6.34 玻利維亞安提布蘭諾北部之頻散曲線與反算結果比較 129 圖6.35 玻利維亞東部大山脈之頻散曲線與反算結果比較 130 圖6.36 玻利維亞西部大山脈之頻散曲線與反算結果比較 130 圖6.37 堪察加之頻散曲線與反算結果(模型平均值)比較 131 圖6.38 堪察加之頻散曲線與反算結果(Kuzin模型)比較 131 圖6.39 伊朗之頻散曲線與反算結果比較 132 圖6.40 希臘之頻散曲線與反算結果比較 132 圖6.41 北非之頻散曲線與反算結果比較 133 圖6.42 夏威夷之頻散曲線與反算結果比較 1332566505 bytesapplication/pdfen-US頻散曲線有限差分法類神經網路dispersion curvefinite difference methodneural networkthesishttp://ntur.lib.ntu.edu.tw/bitstream/246246/50069/1/ntu-94-R92521114-1.pdf