本研究以省道台23線公路0k+000至45k+965路段為研究範圍，進行公路邊坡崩塌之研究，主要是探討造成公路邊坡崩塌之因子與促崩因子間的相關性。採用PCNeuron 4.0套裝軟體中之倒傳遞類神經網路（Back-propagation network，BPN）進行研究分析。
研究資料範圍為民國87到民國96年其10間年邊坡崩塌災變資料為依據，共收集邊坡崩塌資料有201組；邊坡崩塌位置有125處。選擇雨量、坡度、坡高、坡型、岩層及岩性6項因子，作為網路分析之輸入變數。網路分析之輸出變數為邊坡崩塌及邊坡未崩塌。本研究所建構之倒傳遞類神經網路參數的最佳化為：隱藏層層數採用一層隱藏層；隱藏層處理單元數目為5；學習速率為0.5；慣性因子為0.6；訓練循環次數為4000次；測試週期為10；訓練範例與測試範例之比例組合為1：1。
經由倒傳遞類神經網路訓練及測試結果顯示，訓練範例之誤判率為21.605％，測試範例之誤判率為36.421％。訓練範例及測試範例正判率均達60%以上，顯示本研究建構之網路分析模式及網路參數是可行的。以混亂矩陣作為驗證測試，其正判率為81.79％，顯示應用倒傳遞類神經網路進行邊坡崩塌分析時，可以確認網路是具有普遍性的。敏感度分析結果顯示，本研究6項因子對於邊坡崩塌之相對影響程度由高至低排序分別為岩層、坡度、坡高、雨量、坡型及岩性。

The purpose of the thesis is to figure out the corrrelation among the inherent and initiating causes, which result in or induce highway slope landslides, focusing on one section of Tai-23 Highway from 0k+000 to 45k+965. The software Back-propagation Network (BPN) of PC Neuron 4.0 is the method to analyze the collected 201 sets of data on highway slope landslides, happening at 125 sites during the recent 10 years.
Choose the following six factors as input variants of the Network: rainfall, slope, altitude, shape, formation and characteristics; failed and non-failed slope as the output variants. Here are the BPN optimization referents constructed for this research: one hidden layer, five processing elements, learning rate η＝0.5, momentum factor 0.6, train circle 4000 times, test period 10, and the ratio 1:1 between the numbers of training examples and testing examples.
Through the training and testing of BPN, the result shows that the error rate of training examples is 21.605% and that of testing examples 36.421%. The accuracy rate of the two kinds of examples is both higher than 60%, which tells that the Network analysis model and optimization referents constructed for this research is feasible. According to the experimental testing of Confusion Matrix, the accuracy rate is 81.79%, which indicates it’s for certain and valuable to use BPN as a method to analyze the cases of slope landsides. Based on the analysis result of Weight Sensitivity Matrix , the research concludes that the six factors which affect the slope landslides are put in the order of influential strength from high to low: formation, slope, altitude, rainfall, shape and characteristics.

中文摘要 I
英文摘要 II
誌謝 III
目錄 IV
表目錄 VIII
圖目錄 XII
附錄 XV

第一章　緒論 1
1.1研究路線背景 1
1.2研究動機 2
1.3研究目的 3
1.4研究內容與研究流程 4
1.4.1研究內容 4
1.4.2研究流程 5
第二章　文獻回顧 8
2.1崩塌的定義 8
2.2山區道路災變的基本特性 10
2.2.1邊坡之基本特性 11
2.2.2道路邊坡之破壞分類 11
2.2.3邊坡常見破壞模式 15
2.2.4道路邊坡之破壞原因 15
2.3邊坡損害原因 16
2.4類神經網路之相關研究 21
2.5國外在類神經網路之相關研究神經網路之應用 24
2.6東部海岸山脈公路邊坡破壞之相關研究 25
2.7邊坡破壞因子之相關研究 27
第三章　分析方法 47
3.1類神經網路的基本概念 47
3.1.1生物神經元及人工神經元 48
3.1.2類神經網路的發展歷史 50
3.1.3類神經網路的理論架構 52
3.1.4類神經網路之分類 58
3.2倒傳遞類神經網路 60
3.2.1倒傳遞類神經網路基本原理 60
3.2.2敏感度的倒傳遞 63
3.2.3倒傳遞類神經網路的演算模式 65
3.2.4學習結果的檢驗 66
3.2.5倒傳遞類神經網路的演算步驟 67
3.2.6敏感度分析 70
3.3小結 71
第四章　研究區域概述 86
4.1地理環境 86
4.1.1地形 86
4.1.2地層及地質構造 87
4.1.3地震 91
4.1.4降雨量與雲量 92
4.1.5颱風 93
4.2區域地質環境 94
第五章　邊坡崩塌因子的選擇與資料整理 111
5.1邊坡崩塌因子的選擇與分級 111
5.1.1坡度分級 112
5.1.2坡高分級 112
5.1.3邊坡型態分級 113
5.1.4岩層種類分級 113
5.1.5岩性組成分級 114
5.1.6雨量分級 115
5.2變數值域變換及輸入(出)資料之評分準則 116
5.2.1輸入資料之評分準則 118
5.2.2輸出資料之評分準則 123
5.3邊坡崩塌因子整理與分析 124
5.3.1類別資料的分析 126
5.4小結 128
第六章　類神經網路分析 157
6.1倒傳遞類神經網路的架構 157
6.1.1倒傳遞類神經網路的重要參數 157
6.1.2網路訓練驗證 159
6.1.3倒傳遞類神經網路參數的最佳化 162
6.2倒傳遞類神經網路模式的分析 171
6.2.1倒傳遞類神經網路的訓練 172
6.2.2分析結果 174
6.3小結 180
第七章　結論與建議 207
7.1結論 207
7.2建議 208
參考文獻 210

表　目　錄

表 2-1 邊坡破壞型態分類表 28
表 2-2 我國水土保持手冊對於崩塌地的分類 29
表 2-3 歷年學者採用之破壞因子整理表 30
表 3-1 轉換函數分類表 73
表 3-2 類神經網路分類 75
表 3-3 類神經網路模式簡表 76
表 3-4 倒傳遞類神經網路常用之演算法分類表 77
表 3-5 倒傳遞類神經網路演算法之差異表 78
表 3-6 古典最佳化技巧 79
表 3-7 學習過程的演算步驟流程 80
表 3-8 回想過程的演算步驟 81
表 4-1 省道台23線富里－東河里程表及道路寬度表 99
表 4-2 省道台23線富里－東河道路寬度表 99
表 4-3 台灣地震分區 100
表 4-4 雨量測站 101
表 4-5 1897~2007年各月及全年侵台颱風統計表 101
表 4-6 台23線公路沿線岩層及岩性表 102
表 5-1 我國水土保持技術規範坡度分級標準 129
表 5-2 坡度分級 130
表 5-3 坡高分級 130
表 5-4 邊坡型態分級 131
表 5-5 台23線公路沿線邊坡岩層及岩性表 132
表 5-6 公路沿線岩層種類表 133
表 5-7 岩層種類分級表 134
表5-8 岩性種類分級表 134
表5-9 邊坡崩塌的降雨臨界值 135
表5-10降雨量分級 135
表5-11災變總累積雨量統計表 136
表5-12颱風路徑型態統計 138
表5-13坡度因子之評分等級 139
表5-14坡高因子之評分等級 140
表5-15東側總累積降雨量因子之評分等級 141
表5-16西側總累積降雨量因子之評分等級 142
表5-17民國87~96年崩塌邊坡現地調查資料統計表 143
表5-18岩層因子之評分等級 147
表5-19岩性因子之評分等級 148
表5-20邊坡型態因子之評分等級 149
表5-21民國87~96年災變類別分類表 150
表5-22民國87~96年發生及未發生崩塌災變次數統計表 150
表5-23 Pearson積差相關係數 151
表5-24 Pearson積差相關係數顯著性(雙尾) 151
表6-1 假說判斷表 186
表6-2 崩塌災害次數統計表（2475筆資料） 186
表6-3 混亂矩陣（2475筆資料） 186
表6-4 崩塌災害次數統計表（1159筆資料） 186
表6-5 混亂矩陣（1159筆資料） 187
表6-6 崩塌災害次數統計表（783筆資料） 187
表6-7 混亂矩陣（783筆資料） 187
表6-8 混亂矩陣（648筆資料） 188
表6-9 混亂矩陣（449筆資料） 188
表6-10樣本數量分析結果統計表 188
表6-11不同隱藏層處理單元數之誤判率及誤差均方根比較 189
表6-12學習速率與慣性因子組合表（慣性因子為0） 189
表6-13學習速率與慣性因子組合表（慣性因子為0.1） 190
表6-14學習速率與慣性因子組合表（慣性因子為0.2） 190
表6-15學習速率與慣性因子組合表（慣性因子為0.3） 191
表6-16學習速率與慣性因子組合表（慣性因子為0.4） 191
表6-17學習速率與慣性因子組合表（慣性因子為0.5） 192
表6-18學習速率與慣性因子組合表（慣性因子為0.6） 192
表6-19學習速率與慣性因子組合表（慣性因子為0.7） 193
表6-20學習速率與慣性因子組合表（慣性因子為0.8） 193
表6-21不同訓練循環次數之誤判率及誤差均方根比較表 194
表6-22訓練範例與測試範例不同比例之比較表 195
表6-23評分值域之範圍採用(0.2~0.8) 195
表6-24評分值域之範圍採用(1.0~4.0) 196
表6-25評分值域之範圍採用(2.0~8.0) 196
表6-26去除雨量因子後之測試結果 197
表6-27去除坡度因子後之測試結果 197
表6-28去除坡高因子後之測試結果 197
表6-29去除坡型因子後之測試結果 198
表6-30去除岩層因子後之測試結果 198
表6-31去除岩性因子後之測試結果 198
表6-32去除各影響因子後之測試結果 199
表6-33輸入及輸出範例統計資料 199
表6-34輸入範例統計資料與各類別因子之評分等級對照表 200
表6-35網路訓練結果之混亂矩陣 201
表6-36假說判斷表 201
表6-37比率分析表 201
表6-38輸入值與隱藏層單元間網路連結加權值與偏權值 202
表6-39輸出值與隱藏層單元間網路連結加權值與偏權值 202
表6-40輸入及輸出範例之敏感度矩陣（Weight Sensitivity Matrix） 203

1.Abramson,L.W.,Lee,T.S.,Sharma,S.,Boyce.G.M.,“Slope Stability and Stabilization Methods”, 2nd Edition, John Wiley & Sons, Inc., New York, 2002.
2.Boccardo,P.,Mondino,E.B.,Gomarasca,M.A. and Perotti,L.,“Orthoprojection Tests of Hyperspectral Data In Steep Slop Zones,Geo-Imagery Bridging Continents”,XXth ISPRS Congress,Commission 7,p.872ff,12-23 July 2004 Istanbul
3.Ermini,L.,Catani F. and Casagli N.,“Artificial Neural Network Applied to Landslide Susceptibility Assessment”,Geomorphology,Vol.66,pp.327-343,2004
4.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.
5.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.
6.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.
7.Schunde,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.
8.上河文化股份有限公司，「臺灣地理人文全覽圖」，臺北，2001。
9.王源、陳文山，「海岸山脈地質圖（南幅）」，經濟部中央地質調查所，臺北，1993。
10.王錦楨，「以模糊類神經網路建立液化潛能評估模式」，碩士論文，國立臺灣海洋大學河海工程研究所，2006
11.中國土木水利學會，「七二水災災區調查與復建策略研擬」，行政院經濟建設委員會委託研究報告，臺北，2004
12.台灣省公路局，「公路局五十二年專刊」，臺北，1999。
13.台灣省水土保持局，水土保持手冊，中華水土保持學會，臺北，2005。
14.交通部，公路路線設計規範，幼獅文化事業公司，臺北，2001。
15.交通部，公路橋梁耐震設計規範，臺北，2000。
16.交通部國道新建工程局，「邊坡坍滑案例回饋設計之研究」，臺北，2000。
17.李家維、徐歷鵬、崔文慧、張立雪、黃碧祈、葉開溫、鍾楊聰，生物學，下冊，偉明圖書有限公司，臺北，1999。
18.李維峰，「山區道路邊坡崩塌防治工法最佳化研究(一)」，臺灣營建研究院，交通部委託研究報告，MOTC-STAO-92-12，臺北，2004。
19.李維峰、許鎧麟、張嘉峰，「北部地區省道公路公共工程（含隧道、橋梁）維護管理制度之研究」，財團法人臺灣營建研究院，交通部公路總局第一區養護工程處委託研究報告，臺北，2008。
20.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」，碩士論文，國立成功大學資源工程學系，2004。
21.林真真，實用統計學，臺灣東華書局股份有限公司，二版，臺北，2006。
22.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」，碩士論文，國立成功大學資源工程學系，2003。
23.吳淵洵、周南山，「台灣山區道路邊坡災害及搶修處理工法之探討」，交通部公路總局，臺灣公路工程，第32卷第12期，第2-32頁，臺北，2006。
24.邱浩政，量化研究與統計分析：SPSS中文視窗版資料分析範例解析，五南圖書出版股份有限公司，二版，臺北，2005。
25.邱振銘，「類神經網路之限性化及其在識別與控制上之評估」，碩士論文，私立逢甲大學自動控制工程研究所，2003。
26.周南山、吳淵洵、陳海島，「台灣地區山區道路規劃設計參考手冊」，堅尼士工程顧問公司，行政院公共工程委員會委託研究報告，臺北，2006。
27.洪如江，「環境因素在台灣山崩中之應用」，邊坡穩定與坍方研討會論文專集，中國土木水利工程師學會，第147-172頁，臺北，1979。
28.洪如江，「工程地質在自然邊坡穩定之作用」，工程環境會刊，第二期，第63-72頁，臺北，1981。
29.洪如江，「工程地質在自然邊坡穩定之應用（力學因素除外）」，地工技術雜誌，第七期，第35-42頁，臺北，1984
30.徐鐵良，地質與工程，台灣工程基本資料叢書之四，中國工程師學會，第220-231頁，臺北，1997。
31.許茂雄，「山坡開發地於砍伐樹林後之山崩預測模式」，土木水利季刊，第五卷，第四期，第5-24頁，臺北，1979
32.陳信雄，崩塌地調查與分析，國立編譯館，臺北，1995。
33.陳文山、王源，臺灣東部海岸山脈地質，經濟部中央地質調查所，臺北1996。
34.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」，碩士論文，國立成功大學資源工程學系，2001。
35.陳俶季、張固宇、蔡宜峰、李煜仕、張延任，「模糊自適共振類神經網路在大地工程之應用」，中國土木水利工程學刊，第十四卷，第三期，第105-417頁，臺北，2002。
36.陳崇華，「台十一線海岸公路邊坡崩塌災害分析」，碩士論文，國立東華大學自然資源管理研究所，2004。
37.陳國男，「類神經網路應用於邊坡穩定分析及護坡工法之研究」，碩士論文，國立成功大學資源工程學系，2005。
38.陳啟偉，「應用類神經網路於道路邊坡崩塌特性之研究-以台11線公路花蓮段為例」，碩士論文，國立東華大學自然資源管理研究所，2006。
39.施國欽，大地工程學（二）-基礎工程篇，文笙書局，臺北，1996。
40.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」，碩士論文，國立成功大學土木工程研究所，2003。
41.張亦超，「國道公路邊坡穩定潛感分析-以國道3號竹山到九如路段及國道10號嶺口到燕巢路段為例」，碩士論文，國立成功大學資源工程學系，2005。
42.曾志豪，「降雨對阿里山公路邊坡破壞模式分析之影響研究」，碩士論文，國立成功大學土木工程研究所，2004。
43.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」，，碩士論文，國立台灣科技大學營建工程系碩士論文，2003。
44.楊智堯,「類神經網路於邊坡破壞潛能分析之應用研究」，碩士論文，國立成功大學土木工程學系，1999。
45.孫維芳，「海岸山脈北段公路沿線邊坡崩塌特性研究」，碩士論文，國立東華大學自然資源管理研究所，2002。
46.葉怡成，類神經網路模式應用與實作，儒林書局，臺北，2006。
47.葉怡成，應用類神經網路，儒林書局 ，臺北，2002。
48.劉秀鳳，「應用類神經網路評估台14線公路邊坡崩壞潛能之研究」，碩士論文，私立朝陽科技大學營建工程系，2005。
49.盧育聘，「類神經網路於公路邊坡破壞潛能之評估」，碩士論文，私立立德管理學院資源與環境管理研究所，2003。
50.蘇木春、張孝德，機器學習-類神經網路、模糊系統以及基因演算法則，全華科技圖書股份有限公司，臺北，2003。
51.羅華強，類神經網路-Matlab的應用，清蔚科技股份有限公司，臺北，2001。
52.潘國樑，山坡地的地質分析與有效防災，科技圖書股份有限公司，臺北，2007。
53.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」，碩士論文，國立成功大學資源工程學系，2000。
54.謝豐隆，「落石邊坡危險度與危害度分級與預報」，碩士論文，國立交通大學土木工程研究所，2000。
55.魏鎮東，「南橫公路邊坡落石坍方可能性之探討」，碩士論文，國立台北科技大學材料及資源工程系，2001。
56.臺北市政府，臺北市下水道工程設施標準，臺北，1990。