臺灣博碩士論文加值系統

　　國道三號建設路線多沿台灣西部丘陵地區邊緣佈設，然而南部丘陵地區之岩質較軟弱受降雨影響時常導致邊坡不穩定，所以南二高沿線邊坡的穩定性就成為研究的重點。針對邊坡穩定性分析，本研究目的有二，一是希望以類神經網路建立邊坡評分因子與邊坡破壞程度間的關係，將邊坡破壞程度由無損壞至極高度損壞五種層級，由於考慮到邊坡構築後遭受的破壞程度，因此隱含了對安全性的考量；二是同樣以類神經網路建立邊坡評分因子與邊坡護坡工法選擇的關係，將邊坡護坡工法種類由淺層保護工法至深層保護工法五類選擇，藉由評分因子的輸入，系統能對工程給予適當的分類護坡工法之選擇。

　　本研究的野外調查範圍為南二高新化至九如段沿線邊坡，共調查了96處邊坡數。以類神經網路分析所建立的預測邊坡破壞程度模式之結果，誤判率為33.33%；另外所建立的分類邊坡護坡種類模式之結果，誤判率為16.67%，最後進一步將已完成之邊坡類神經網路模式應用於國道十號沿線邊坡，由結果可知此類神經網路模式對於邊坡穩定分析及護坡工法選擇皆有良好的預測結果。

　This paper presents a procedure of the slope stability analysis and slope protection method for soft rocks by using the back propagation neural network. The relationship between parameters of slope and slope stability analysis is often vague and less understood. Under these circumstances, back propagation neural network formalisms have an advantage in being able to learn and generalize from examples without knowledge of rules. The back propagation neural network is currently the most widely used algorithm for connectionist learning. This proposed method was used to predict the slope stability analysis and slope protection method for soft rocks of the No. 10 National Highway in southern Taiwan. In this paper, the slope stability analysis network architecture consists of seven neurons in the input layer, one hidden layers with fifteen neurons and five output neurons and the Sum Squared Relative Error (SSRE) reduced to 33.33% . The slope protection method network architecture consists of seven neurons in the input layer, one hidden layers with twelve neurons and five output neurons and the Sum Squared Relative Error (SSRE) reduced to 16.67% . The results show that the developed neural network model demonstrated a promising result and predicted the desired goal fairly successfully.

目錄
中文摘要 Ⅰ
英文摘要 Ⅱ
誌謝 Ⅲ
目錄 Ⅳ
表目錄 Ⅶ
圖目錄 Ⅸ

第一章 緒論 1
1-1研究動機與目的 1
1-2研究流程 3
1-3研究內容 5

第二章 文獻回顧 6
2-1統計分析法 6
2-1-1模糊分析法 7
2-1-2多變量分析法 9
2-1-3類神經網路分析法 10
2-2經驗分析法 17
2-2-1岩體分類法 17
2-2-2層級分析法 22
2-3軟岩邊坡保護工法簡介 29
2-4小結 31

第三章 研究方法 34
3-1類神經網路 34
3-1-1類神經網路的基本架構 38
3-1-2類神經網路依學習方式分類 41
3-1-3類神經網路依網路架構分類 42
3-1-4類神經網路之優缺點 43
3-2倒傳遞類神經網路介紹 44
3-2-1倒傳遞網路演算法 45
3-3類神經網路軟體介紹 50

第四章 現地調查 54
4-1現地調查與資料整理 54
4-1-1調查區域概述 54
4-1-2調查項目及紀錄 54
4-1-3資料整理 58

第五章 類神經網路分析 64
5-1類神經網路分析 64
5-1-1邊坡穩定分析 64
5-1-2邊坡護坡工法選擇分析 77
5-2類神經網路分析與層級分析法分析之比較 85
5-2-1層級分析法分析 85
5-2-2類神經網路與層級分析法比較 90
5-3類神經網路模式之應用 96
5-3-1邊坡資料評分輸入及輸出結果 96
5-4討論 100
5-4-1邊坡破壞分級與護坡工法類神經網路模式 100
5-4-2類神經網路分析與層級分析法分析之比較 102
5-4-3類神經網路模式應用於國道十號 103

第六章 結論與建議
6-1結論 105
6-2建議 106
參考文獻 107
附錄 114

表目錄
表2-1 結構面方位係數 14
表2-2 施工方法影響係數 14
表2-3 邊坡資料以二位元方式分級 16
表2-4 岩體分類與隧道鋼支保荷重關係 18
表2-5 RMR岩體評分標準 19
表2-6 RMR分級與對應之隧道開挖及支撐 20
表2-7 SMR分類法之岩坡優劣分級表 21
表2-8 SMR分類法中開挖因子 評級表 21
表2-9 AHP九個名目評分尺度及其說明 25
表2-10 應用AHP分析之相關研究 28
表2-11 歷年學者所採用研究方法整理表 32
表2-12 各種評估分析法之優缺點 33
表4-1 現地調查表 63
表5-1 類神經網路邊坡輸入因子評級表 66
表5-2 邊坡破壞程度分級 67
表5-3 南二高原始邊坡評分及破壞分級之舉例 68
表5-4 1層隱藏層以試誤法尋求更低誤判率之過程 72
表5-5 類神經網路設定參數 73
表5-6 學習速率與慣性因子尋求更低誤判率 75
表5-7 邊坡穩定性分析預測30組案例之部分結果 76
表5-8 護坡工法選擇輸出評準 77
表5-9 南二高原始邊坡評分及護坡工法選擇之舉例 79
表5-10 類神經網路設定參數 82
表5-11 邊坡護坡工法選擇預測30組案例之部分結果 84
表5-12 層級分析法南二高邊坡評分準則表 88
表5-13 類神經網路模式預測破壞程度及護坡工法整理表 95
表5-14 國道十號輸入評分及實際輸出結果 97
表5-15 類神經網路預測國道十號沿線邊坡穩定分析 98
表5-16 類神經網路預測國道十號沿線邊坡護坡工法 99

圖目錄
圖1-1 研究流程圖 4
圖2-1 模糊理論分析流程 7
圖2-2 類神經網路預測邊坡位移 15
圖2-3 隧道岩體荷重示意圖 18
圖2-4 AHP標準階層架構圖 22
圖3-1 類神經網路系統模型 34
圖3-2 生物神經元示意圖 35
圖3-3 人工神經元示意圖 36
圖3-4 類神經網路連結示意圖 37
圖3-5 階梯函數 38
圖3-6 雙彎曲函數 39
圖3-7 雙曲線正切函數 39
圖3-8 前向式網路 42
圖3-9 回饋式網路 42
圖3-10 雙彎曲函數 44
圖3-11 PCNeuron資料處理流程 50
圖4-1 研究區公路沿線主要地質構造圖 55
圖4-2 邊坡植生狀況評估標準 59
圖4-3 護坡工法種類 60
圖4-4 邊坡排水設施 61
圖4-5 邊坡滲水狀況 61
圖4-6 邊坡破壞情況 62
圖5-1 邊坡穩定性類神經網路建構圖 69
圖5-2 2層隱藏層以試誤法尋求更低誤判率 71
圖5-3 1層隱藏層以試誤法尋求更低誤判率 71
圖5-4 學習速率與慣性因子尋求更低誤判率 74
圖5-5 類神經網路收斂過程圖 74
圖5-6 2層隱藏層以試誤法尋求更低誤判率 80
圖5-7 邊坡護坡工法類神經網路建構圖 81
圖5-8 2層隱藏層以試誤法尋求更低誤判率 82
圖5-9 學習速率與慣性因子尋求更低誤判率過程 83
圖5-10 類神經網路收斂過程圖 84
圖5-11 人工邊坡穩定評估因子階層圖 85
圖5-12 邊坡岩體評估權重階層圖 87
圖5-13 人工邊坡階層之南二高岩體評分直方圖 89
圖5-14 人工邊坡階層之南二高護坡工程與破壞關係分佈圖 89
圖5-15 類神經網路模式預測破壞程度之雷達圖 91
圖5-16 類神經網路模式預測護坡工法之雷達圖 93

參考文獻

1.王昭傑，『高雄港發展國際物流營運策略之研究』，國立中山大學公共事務管理研究所 碩士論文，2001。
2.王智仁，『以現地調查方式分析影響公路岩石邊坡穩定性之工程地質因子-以南橫公路梅山至啞口段為例』，國立成功大學資源工程學系碩士論文，2001。
3.田坤國，『南部軟岩區國道邊坡穩定監測與預警研究』，南部軟岩區邊坡穩定工法研究成果發表會論文集，第71-84頁，2003。
4.江柏謙，『以層級分析法探討海軍裝備系統維修廠商評選之研究』，私立義守大學工業工程與管理學系碩士論文，2003。
5.呂彥龍，『以加權模糊集合方法處理岩體品分類』，國立交通大學土木工程學系碩士論文，1990。
6.吳振威，『公路邊坡保護工法之選擇模式研究以南二高白河以南路段為例』，國立成功大學資源工程學系碩士論文，2003。
7.李德河、田坤國等，『岩層層面及滑動面特性之調查研究』，岩盤工程研討會論文集，第273-282頁，1996。
8.李德河、楊沂恩、林宏明、許朝景，『南部軟岩區國道邊坡穩定工法之研究-南二高邊坡保護工法之探討與新工法研擬』，南部軟岩區邊坡穩定工法研究成果發表會論文集，第129-152頁，2003。
9.周晏勤，『以遙感探測方法探討南橫公路邊坡破壞的重要因子』，國立成功大學資源工程學系碩士論文，2000。
10.周榮章，『層級分析法與模糊評估法之比較』，國立成功大學機械工程研究所碩士論文，1993。
11.林永祥，『環境地質因子對國道邊坡穩定之影響-以國道三號白河至竹山路段為例』，國立成功大學資源工程學系碩士論文，2004。
12.林郁欽，『坡地崩塌機率鑑別函數之建立與應用評估』，國立台灣科技大學營建工程系碩士論文，2000。
13.林振平，『泥岩地區坡地破壞潛能分析』，國立成功大學土木工程學系碩士論文，1990。
14.柳雅瀞，『模糊德菲層級分析法應用於岩體分類之研究』，國立成功大學資源工程學系碩士論文，2002。
15.洪如江，『工程地質在自然邊坡穩定之應用』，地工技術雜誌，第7期，第35-42頁，1984。
16.徐村和，『模糊決策理論應用在大眾捷運系統與公車整合營運計劃之研究』，國立成功大學交通管理(科學)學系博士論文，1993。
17.徐村和，『模糊德菲層級分析法』，模糊系統學刊，第4卷，第1期，第59-72頁，1998。
18.高仲仁，『運用類神經網路進行隧道岩體分類』，國立中央大學應用地質碩士論文，2001。
19.高清泉，『模糊集理論在邊坡穩定分析之應用』，國立成功大學土木工程學系碩士論文，1995。
20.涂書芳，『以遙感探測方法探討公路邊坡穩定的重要因子-以南橫公路甲仙至啞口段為例』，國立成功大學資源工程學系碩士論文，2001。
21.張舜孔，『類神經網路應用在阿里山公路邊坡破壞因子之分析研究』，國立成功大學土木工程學系碩士論文，2003。
22.莊光澤，『阿里山地區道路邊坡穩定性因子之探討』，國立成功大學地球科學系碩士論文，1994。
23.許光華，『分析層級程序法在決策分析上之應用』，空軍學術月刊，第466期，第28-38頁，1995。
24.許琦，『模糊集理論在山崩潛感性分析之應用』，第三屆大地工程學術研討會論文，第23-33頁。
25.郭力行，『邊坡破壞發生之預測方法研究-以梨山地滑地為例』，國立中興大學土木工程學系碩士論文，2001。
26.陳志豪，『變質岩公路邊坡之破壞潛勢分析-以南橫公路啞口至新武段為例』，國立成功大學資源工程學系碩士論文，2002。
27.陳昌彥、王思敬、沈小克，『邊坡岩體穩定性的人工神經網路預測模型』，岩土工程學報，第23卷，第2期，第157-160頁，2001。
28.陳晟、陳逸駿，『台灣軟岩隧道適用之岩體評分方式初步研究』，岩盤工程研討會論文集，第313-323頁，2002。
29.曾國雄，『層級分析法(AHP)的內涵特性與應用(下)』，中國統計學報，第27卷，第7期，第1-20頁，1989。
30.曾國雄，『層級分析法(AHP)的內涵特性與應用(上)』，中國統計學報，第27卷，第6期，第5-22頁，1989。
31.游中榮，『應用地理資訊系統於北橫地區山崩潛感之研究』，國立中央大學應用地質研究所碩士論文，1996。
32.游行健，『以類神經網路法評選北台灣道路邊坡保護工法之研究』，國立台灣科技大學營建工程系碩士論文，2002。
33.黃士昌，『高雄旗山與楠梓地區公路邊坡之特性調查與崩滑破壞潛感分析』，國立成功大學土木工程學系碩士論文，1998。
34.楊智堯，『類神經網路於邊坡破壞潛能分析之應用研究』，國立成功大學土木工程學系碩士論文，1999。
35.葉怡成，『機器學習在土木工程專家系統應用之研究』，國立成功大學土木工程學系博士論文，1990。
36.葉怡成，『應用類神經網路』，儒林圖書公司，2002。
37.葉怡成，『類神經網路模式應用與實作』，儒林圖書公司，2003。
38.劉金平，『邊坡工程輔助決策系統及其在萬梁高速公路中的應用研究』，大陸重慶大學資源及環境科學學院碩士論文，2002。
39.劉泰宏，『南部軟岩區邊坡岩體分類評分系統之研究』，國立成功大學資源工程學系碩士論文，2004。
40.潘國樑，『應用環境地質學』，地景企業股份有限公司，1995。
41.鄭元振，『地理資訊系統在區域邊坡穩定分析之應用-中橫公路天祥至太魯閣段』，國立成功大學礦冶及材料科學系碩士論文，1992。
42.鄭富書、李怡德、黃燦輝，『軟弱砂岩遇水弱化行為實驗研究』，岩盤工程研討會論文集，第373-382頁，1996。
43.盧育聘，『類神經網路於公路邊坡破壞潛能之評估』，私立立德管理學院資源與環境管理系碩士論文，2003。
44.盧敏雄，『結合層級分析法與德菲法建立航太企業投資評估模式』，國立成功大學工程管理碩士論文，2003。
45.藍世欽，『工程地質因子對道路邊坡穩定性之影響－以南橫公路甲仙至梅山段為例』，國立成功大學資源工程系碩士論文，2000。
46.魏鎮東，『南橫公路邊坡落石坍方可能性之探討』，國立台北科技大學材料及資源工程系碩士論文，2001。
47.蘭雅森，『鑑別分析法應用於山坡地崩塌機率之應用』，國立台灣科技大學營建工程系碩士論文，1999。
48.Aleotti, P. and Chowdhury, R., Landslide hazard assessment: summary review and new perspectives, Bulletin of Engineering Geology and the Environment, Vol.58, pp.21-44, 1999.
49.Benediktsson, J.A., Swain, P.H. and Ersoy, O.K., Neural network approachesversus statistical methods in classification of multisource remote sensingdata, IEEE transactions on Geoscience and Remote Sensing, Vol.28, No.4, pp.540-551, 1990.
50.Bieniawski, Z.T., Engineering Classification of Jointed Rock Masses, Transactions, South African Institution of Civil Engineers, Vol.15, No.12, pp.335-344, 1973.
51.Bieniawski, Z.T., Engineering Rock Mass Classifications, Wiley, New York, 251 pp. 1989.
52.Bieniawski, Z.T., The Geomechanics Classification In Rock Engineering Application, Proceedings Fourth Congress Of The International Society For Rock Mechanics, Vol.2, pp.41-48, 1979.
53.Boccardo, P., Mondino, E.B., Gomarasca, M.A. and Perotti, L., Orthoprojection Tests of Hyperspectral Data In Steep Slope Zones, Geo-Imagery Bridging Continents, XXth ISPRS Congress, Commission 7, p. 872 ff, 12-23 July 2004 Istanbul.
54.Ermini, L., Catani F. and Casagli N., Artificial Neural Networks applied to landslide Susceptibility assessment, Geomorphology, Vol.66, pp. 327-343, 2004.
55.Gomez, H. and Kavzoglu, T., Assessment of shallow landslide susceptibility usingartificial neural networks in Jabonosa River Basin, Venezuela, Engineering Geology, Vol.78, pp.11-27, 2004.
56.Kuo, R.J., Chi, S.C. and Kao, S.S., A decision support system for selecting convenience store location through integration of fuzzy AHP and artificialneural network, Computers in Industry, Vol.47, pp.199-214, 2002.
57.Lee, C.F., Ye, H., Yeung, M.R., Shan, X., and Chen, G., AIDIS -basedmethodology for natural terrain landslide susceptibility mapping in HongKong, International Union of Geological Sciences, Vol.24, No.3, pp.150-159, 2001.
58.Lee, S., Ryu, J.H., Won, J.S. and Park, H.J., Determination and application of theweights for landslide susceptibility mapping using an artificial neural network, Engineering Geology, Vol.71, pp.289-302, 2004.
59.Neaupane, K.M. and Achet, S.H., Use of backpropagation neural network for landslide monitoring a case study in the higher Himalaya, Engineering Geology, Vol.74, pp.213-226, 2004.
60.Ni, S.H. and Lu, P.C., A Fuzzy Neural Network Approach to Evaluation of SlopeFailure Potential, Microcomputers in Civil Engineering, Vol.11, pp.59-66, 1996.
61.Nydick, R.L. and Hill, R.P., Using the Analytic Hierarchy Process to Structure the Supplier Selection Procedrue, Internation Journal of Purchasing and Materials Management, Vol.28, No.2, pp.31-36, 1992.
62.Romana, M., SMR classification. In：Wittke, W Ed. Proceedings 7th Cong. Onrock mechanics, ISRM, Aachen, Germany, Balkema, Rotterdam, pp.955-960, 1993.
63.Saaty, T.L., The analytic hierarchy process in conflict management, The International Journal of Conflict Management, Vol.1, No.1, p.47, 1990.
64.Saaty, T.L., The Analytic Hierarchy Process, McGraw-Hill International Book Company, New York, 1980.
65.Shunde, Y., Xiating, F., Jian, L., Hongbo, Z. and Youliang, Z., Study on the Optimum Design of Landslide Stabilization by Parallel Evolutionary Neural Network Method, Environmental Informatics Archives, Vol.1, pp.394-399, 2003.
66.Terzaghi, K., Rock defects and loads on tunnel supports, Rock tunneling with steel supports, Proctor, R.V., White, T.L., and Terzaghi, K., editors, Commercial Shearing and Stamping Co., Youngstown, Ohio, pp.15-19, 1946.
67.Zadeh, L., Fuzzy sets, Information Control 8, pp.338-353, 1965.