(44.192.10.166) 您好!臺灣時間:2021/03/06 03:25
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:陳明棠
論文名稱:台灣北部地區土石流潛勢溪流危險度與預警分析之研究─類神經網路與模糊理論之應用
論文名稱(外文):A Study on Risky Grade and warning mode for Potential Debris Flow in North Region of Taiwan─Application of Neural Network and Fuzzy Theroy
指導教授:左天雄
學位類別:碩士
校院名稱:國立臺灣大學
系所名稱:土木工程學研究所
學門:工程學門
學類:土木工程學類
論文種類:學術論文
論文出版年:2002
畢業學年度:90
語文別:中文
中文關鍵詞:土石流模糊理論類神經網路預警模式土石流危險程度
外文關鍵詞:debris flowfuzzy logic theoryneural networkwarning modeRisky Grade of potential debris flow
相關次數:
  • 被引用被引用:37
  • 點閱點閱:712
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:125
  • 收藏至我的研究室書目清單書目收藏:1
近年來台灣地區由於土石流問題嚴重,災害每每造成莫大損失,目前已經有許多相關研究被提出,本研究嘗試採用類神經網路與模糊集合理論二項工具來分析土石流之危險程度與發生可能性,分析結果顯示以類神經網路與模糊理論可適當評估土石流問題,可作為土石流整治先後與預警之參考。
本研究主要分為三個部分,第一部分先以類神經網路來初步分析土石流危險度,考慮有效集水區面積、集水區斷層長度與總集水區面積比值、上游崩塌面積與總集水區面積比值、集水區主要岩性、集水區形狀因子與溪床平均坡度等六項影響因素,將土石流危險溪流簡單分為較高危險程度之曾發生土石流案例(1)與較低危險程度之尚未發生或無明顯發生跡象的案例(0);第二部分先以模糊集合理論來分析土石流危險程度值,模糊理論可以將前人研究加以考量,分析結果能有一定之正確性與客觀性,接著將資料篩選後之模糊評分結果作為類神經網路之目標值並加以訓練,讓類神經網路能記憶這些經驗,使其在遇到類似問題時能將土石流危險度依先前案例給與評分,最後再將訓練完成之類神經網路重新分析所有土石流危險溪流之危險程度,可得到較佳的分析結果;第三部分考慮土石流由地文因子所造成之危險度(第二部分類神經網路分析結果)與降雨特性(包括:時雨量與有效累積雨量)等因素,利用模糊集合理論分析土石流於某場降雨情況下之發生度,並將結果正規化至0~1間,本研究分析過去十多個案例後發現,當發生度大於0.65時即幾乎都會發生土石流災害,因此本研究便嘗試建立一套簡單之土石流預警模式,當發生度在0.5~0.6間時便提早建議當地居民進行疏散,達到預警之功能,而當發生度大於0.65時便建議強迫居民疏散,以確保生命之安全,本研究所建議之預警模式希望能提供作為參考。
In this study, we try to use neural network and fuzzy logic theory to analysis the risk grade and occurrence probability of potential debris flow. There are three main parts in this study. First, we preliminary analysis the risk of debris flows by neural network. Six influence factors are considered to analysis the risk, include effective watershed area, the ratio of fault length to watershed area, the ratio of collapse area to watershed area, the main rock qualities, the form factor and the mean slope. We can distinguish debris flows into high risk (1) and low risk part (0).
Second, we try to use fuzzy logic theory and neural network to analysis the detailed risk value of potential debris flow. After our analysis, we obtain the result more superior than before. In the future, we can use the weight and bias of trained neural network to evaluate the risk value of potential debris flows.
Third, the risk of potential debris flow, hour rainfall and effective accumulative rainfall are considered to analysis the occurrence probability by fuzzy logic theory. After our case studies, we establish a simple warning mode of debris flows. We suggest warning the people to evacuate when the occurrence ratio is greater than 0.65. Because of the occurrence probability will be raised to high level when the occurrence ratio greater than 0.65.
目錄
誌謝…………………………………………………………..…………………一
摘要……………………………………………………………..………………二
目錄………………………………………………………………..……………三
表目錄………………………………………………………………..…………六
圖目錄…………………………………………………………………..………八
符號表……………………………………………………………………..…一○
第一章 緒論 1
1.1 前言 1
1.2 研究動機與目的 2
1.3 研究內容 2
1.4 研究方法 3
第二章 土石流簡介與文獻回顧 5
2.1 土石流簡介 5
2.1.1 何謂土石流? 5
2.1.2 土石流之特性 6
2.1.3 土石流之分類 7
2.1.4 形成土石流之基本條件 7
2.1.5 台灣地區之土石流災害 9
2.1.6 影響土石流發生之影響因子 9
2.2 前人相關研究簡介 12
第三章 基因演算法、模糊集合理論與類神經網路簡介 24
3.1 基因演算法(genetic algorithm)簡介 24
3.1.1 基因演算法之前置作業 24
3.1.2 基因演算法之運算 26
3.1.3遺傳演算法之基本特性 31
3.2 模糊集合理論 31
3.2.1明確集合 32
3.2.2模糊集合 33
3.2.3模糊集合表示方法 34
3.2.4歸屬函數 35
3.2.5 語言變數 36
3.2.6 模糊知識庫與解模糊化 37
3.2.7 模糊集合理論計算流程 38
3.3 類神經網路 39
3.3.1 生物神經網路 40
3.3.2 人工神經元模型 41
3.3.3類神經網路基本架構 41
3.3.4 倒傳遞類神經網路 42
3.3.5 倒傳遞類神經網路學習演算法 43
3.3.6 倒傳遞類神經網路之特性 51
第四章 類神經網路於土石流危險度之初步評估 61
4.1 以最陡坡降法訓練倒傳遞類神經網路 61
4.1.1 範例資料之前處理 62
4.1.2 以基因演算法最佳化類神經網路之結構 63
4.1.3 網路訓練次數之決定 64
4.1.4 訓練後結果之分析 65
4.2 以基因演算法訓練倒傳遞類神經網路 66
4.2.1 資料前處理與網路架構決定 66
4.2.2 訓練後結果之分析 67
4.3 以Levenberg-Marquardt法訓練倒傳遞類神經網路 68
4.3.1 資料前處理與網路架構決定 68
4.3.2 訓練後結果之分析 68
4.4 結果與前人研究比較 71
第五章 模糊理論與類神經網路於土石流危險程度之分析 95
5.1 傳統上對土石流危險溪流危險程度之評估方法 95
5.2 各因子模糊集合歸屬度之訂定 98
5.3 模糊推論與其計算結果之分析 99
5.4 類神經網路分析土石流之危險程度 100
第六章 模糊理論應用於土石流預警之分析 112
6.1 降雨資料取得與資料前處理 112
6.2 模糊理論分析土石流發生可能性 114
6.3 結果分析 115
6.4 土石流預警之建議 119
第七章 結論與建議 131
7.1結論 131
7.1.1土石流危險程度分析…………………………………………131
7.1.2土石流預警之分析……………………………………………132
7.1.3倒傳遞類神經網路 133
7.2建議 134
參考文獻 137
附錄 142
參考文獻
1. Gerald F. Wieczorek, Nancy D. Naeser(2000),”Debris-Flow Hazards Mitigation:Mechanics, Prediction, and Assessment”, A.A.Balkema.
2. Takahashi T.(1978),”Mechanical Characteristics of debris flow”, J. Hydraulics Div, ASCE, Vol.104, no.HY8, pp.1153-1169.
3. Takahashi T.(1981),”Debris Flow”, Annual Review of Fluid Mechanics, Vol.13, pp.57-77.
4. VanDine D. F.(1985),”Debris Flow and Debris Torrents in Southern Canadian Cordillera”, Can. Geotech. J., Vol.22, pp.44-68.
5. Richard Dikua, Angelo Cavallin, Stefan Janger(1996),”Database and GIS for landslide research in Europe”, Geomorphology, Vol.15, pp.227-239.
6. V. D. Agostino, L. Marchi(2001),”Debris Flow Magnitude in Eastern Italian Alps: Data Collection and Analysis”, Phys. Chem. Earth(C), Vol.26, no.9, pp.657,-663.
7. P. Coussot, M. Meunier(1996),”Recognition, classification and mechanical description of debris flow”, Earth Science Reviews,
Vol.40, pp.209-227.
8. M. Sagrario Sanchez, Luis A. Sarabia(1997), ”GINN(genetic inside neural network) towards a non-parametric training”, Analytica Chimica Acta 348, pp.553-542.
9. Randall S. Sexton, Robert E. Dorsey(1998), “Toward global optimization of neural network: A comparison of the genetic algorithm and backpropagaton”, Decision support system, Vol.22 pp.171-185.
10.Randall S. Sexton & Jatinder N. D. Gupta(2000),“Comparative evaluation of genetic algorithm and backpropagation for training neural networks”, Information Sciences, Vol.129,pp.45-59.
11.A. Blanco, M. Delgado, M. C. Pagalajar(2001),“A real-coded genetic algorithm for training recurrent neural network”, Neural Network, Vol.14,pp.93-105.
12. Fedora,M.A. and R.L.Beschta(1989),“Storm runoff simulation using an antecedent pricepetation index(API) model”, Journal of hydrology, Vol.112, pp.121-133.
13.Fong-Chin Su, Wen-Lan Wu(2000),”Design and testing of a genetic algorithm neural network in assessment of gait patterns”, Medical Engineering & Physics, Vol.22, pp.67-74.
14.Keefer D. K. et al.(1987),”Real Time Landslide Warming During Heavy Rainfall”, Science, Vol.238, pp.921-925.
15. Martin T. Hagan(1996), Howard B. Demuth, Mark H. Beale, ”Neural Network Design”,PWS Publishing Company.
16.行政院農委會水土保持局(2001),”土石流潛勢溪流調查計劃(北部地區)成果報告書”,行政院農委會.
17.關頌廉(1994),”應用模糊數學”,科技圖書出版社.
18.陳奕仁(2001),”適應性基因演算法結合菁英政策於線性馬達定位機台之主動式振動控制器設計”, 中山大學機械工程所碩士論文。
19.唐瑋廷(2001),”砂性土層液化潛能評估-模糊類神經網路”,台灣大學土木工程研究所碩士論文.
20.黃凱達(2001),”砂性土層液化潛能之模糊集合評估之研究”, 台灣大學土木工程研究所碩士論文.
21.羅華強(2001),”類神經網路-Matlab的應用”,清蔚科技出版社.
22.葉怡成(2001),”應用類神經網路”,儒林出版社.
23.羅華強(2001),”Matlab & Simulink範例入門”,全華出版社.
24.秉昱科技(1996),”模糊邏輯與類神經模糊實例說明”,儒林出版社.
25.汪培庄(1980),”模糊集合論及其應用”,中國生產力中心.
26.張智星(2000),”Matlab程式設計與應用”,清蔚出版社.
27.林信亨(1999) ,”地理資訊系統應用於土石流危險度判定之研究”,台灣大學土木工程研究所碩士論文。
28.張東炯(2000),”類神經網路於土石流發生預測模式之研究”,台灣水利期刊,第48卷,第2期,第92~98頁。
29.陳秋份(1997),”土石流危險溪流危險度之區分”,成功大學水利及海洋工程研究所碩士論文.
30.吳雲瑞(1998),“土石流潛勢分析及其在台南縣之應用”,成功大學水利及海洋工程系碩士論文.
31.劉軒耘(2000),”土石流發生潛勢分析方法之研究“,成功大學水利及海洋工程系碩士論文.
32.鄭貴卿(2001),“陳有蘭溪流域土石流危險溪流危險度評估”,成功大學地球科學系碩士論文.
33.劉正良(1999),”土石流危險度之模糊綜合評判”,中原大學土木工程研究所碩士論文.
33.蔡玉琴(1994),”淡水河流域降雨時空分析及推估:地理資訊系統的應用”,台灣師範大學地理研究所碩士論文.
34.劉哲欣(1999),”土石流潛在勢能及預警之研究”,台灣大學農業工程研究所碩士論文.
35.廖偉民(2001),”土石流潛勢判定模式及土石壩滲流破壞之研究”,中央大學土木工程研究所博士論文.
36.紀宗吉,陳文政、劉桓吉,林朝宗(1999),”新店北宜公路土石流災害”,經濟部中央地質調查所地質事件討論.
37.陳晉琪(1999),”土石流發生條件及發生機率之研究”,成功大學水利及海洋工程研究所碩士論文.
38.林柏壽(2000),”河岸邊坡土體崩滑形成土石流之流出特性”,逢甲大學土木及水利工程研究所碩士論文.
39.張東炯(1999),”以灰關聯分析建立土石流危險度評估模式”,農業工程學報,第45卷,第三期,第86-91頁.
40.張東炯(1998),”台灣北部地區潛勢土石流現場調查與分析”,農業工程學報,第44卷,第三期,第51-63頁.
41.詹錢登(2000),”土石流概論”,科技圖書公司.
42.王幼行(1994),”土石流發生機制之研究”,台灣大學土木工程研究所碩士論文.
43.Johnson A. M., Rodine J. R.(1984),“Debris Flow”, Slope Instability, Wiley, London, pp.257-361.
44.謝正倫,陳禮仁(1993),”潛在溪流之危險度評估方法”,中華水土保持學報,第24卷,第一期,第13-19頁.
45.謝正倫(1993),”土石流預警系統之研究(二)”,國立成功大學台南水工試驗所報告,第139號.
46.李心平(1995),”智慧型控制理論於土石流預警系統之研究”,台灣大學農業工程學研究所碩士論文.
47.江英政(1997),”土石流危險溪流判定之研究”,台灣大學土木工程研究所碩士論文.
48.詹士勝(1994),”土石流危險溪流之危險度判定模式之研究”, 台灣大學土木工程研究所碩士論文.
49.劉格非(1997),”土石流發生之原因及破壞機制”,現代營建,第208期,第9-15頁.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔