土層剪力波速評估液化潛能模式 -最佳化類神經網路及因子融合

Shear wave velocity of soil stratum to evaluate liquefaction potential model with optimal neural network and factor mix

黃柏祥(Bo-Siang Huang)

指導教授 ： 左天雄

國立臺灣大學/工學院/土木工程學研究所/碩士(2004年)

https://doi.org/10.6342/NTU.2004.01068

摘要

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。

關鍵字

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

並列摘要

無資料

並列關鍵字

factor mix ； optimalization ； soil liquefaction ； neural network ； ant colony algorithm ； shear wave velocity

參考文獻

73.黃俊鴻、陳正興(1998)，「土壤液化評估規範之回顧與前瞻」，地工技術，第70期，第23-44頁。

2.Andrus, R. D., and Stokoe II, K. H., (1997)，“Liquefaction resistance based on shear wave velocity ”，Proceedings of the NCEER Workshop on Evaluation of Liquefaction Resistance of Soils, Technical Report NCEER-97-0022, National Center for Earthquake Engineering Research, Buffalo, pp. 89-128.

6.Been, K., and Jefferies, M. G., (1985)，“ A state parameter for sands ”，Geotechnique, Vol. 35, No. 2, pp. 99-112.

7.Cohn, L. F., (1993)，“Computing in civil engineering and building engineering”，Proceedings of the 5th International Conference on Computing in Civil and Building Engineering, ASCE.

8.Denebourg, J. L., Pasteels, J. M., and Verhaeghe, J. C., (1983)，“Probabilistic Behaviour in Ants：a Strategy of Errors ”，Journal of Theorical Biology, Vol. 105, pp. 259-271.