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。