(3.236.118.225) 您好!臺灣時間:2021/05/14 13:11
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:李文通
研究生(外文):Wun-tong Li
論文名稱:深開挖壁體變形預測-應用演化式支持向量機推論模式(ESIM)
論文名稱(外文):Prediction of Diaphragm Wall Deflection in Deep Excavations Using Evolutionary Support Vector Machine Inference Model (ESIM)
指導教授:鄭明淵鄭明淵引用關係
學位類別:碩士
校院名稱:國立臺灣科技大學
系所名稱:營建工程系
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:2008
畢業學年度:96
語文別:中文
論文頁數:92
中文關鍵詞:演化式支持向量機快速混雜基因演算法變形符合度
外文關鍵詞:Evolutionary Support Vector MachineFast Messy Genetic AlgorithmsCoincidence of wall deformation
相關次數:
  • 被引用被引用:5
  • 點閱點閱:113
  • 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:0
  • 收藏至我的研究室書目清單書目收藏:0
本研究針對台北盆地深開挖壁體變形的預測,建立「演化式支持向量機推論模式」,以提供營造業及專業基礎工程包商於深基礎開挖作業中,依據輸入各階段壁體變位監測資料,利用系統訓練學習結果,來預測下階段之壁體變形量,並查核最大變位量是否在控制值之內,以做為工地安全及危機處理之參考。
本研究採用人工智慧技術-Evolutionary Support Vector Machine Inference Model(ESIM)為模式核心,結合人工智慧支持向量機與快速混雜基因演算法二種技術之優點,建立演化式支持向量機壁體變位預測模式來預測壁體變形,本模式係藉由過去相關案例壁體變位監測資料之搜集與彙整,建立壁體變位監測案例資料庫,然後應用演化式支持向量機推論之推理機制及學習機制,從案例資料中歸納出壁體變形模式,建立壁體變形推論模式。本模式使施工廠商能利用歷史工程案例之知識與經驗,較準確地預測新專案基礎開挖的壁體變形。
This study established an “Evolutionary Support Vector Machine Inference Model” to predict wall deformation in deep excavation in Taipei Basin. The system allows the construction and foundation construction contractors to use wall deflection monitoring data of different stages during deep excavation process, in order to predict the wall deformation of the next stage and examine whether the max deflection is within the controlled range. The results are used as guidelines on site safety and risk management.
This study used artificial intelligence - Evolutionary Model Inference Model (ESIM) as the core of the model, and combined with the strengths of fast messy Genetic Algorithm and Support Vector Machine to develop an “Evolutionary Support Vector Machine Inference System” to predict wall deformation. This model establishes a wall deformation monitoring database based on monitoring data collected and compiled from prior projects. This model allows contractors to utilize the knowledge and experience from past projects to predict wall deformation of new projects.
第一章 緒論………………………………………………………………………………1
1.1研究動機………………………………………………………………………1
1.2研究目的………………………………………………………………………3
1.3研究範圍與限制………………………………………………………………3
1.4研究流程與方法………………………………………………………………4
1.5論文架構………………………………………………………………………5
第二章 文獻回顧…………………………………………………………………………7
2.1影響壁體變形之因素…………………………………………………………8
2.1.1國外學者研究成果 ……………………………………………………8
2.1.2國內學者研究成果……………………………………………………10
2.2開挖造成變形原因…………………………………………………………15
2.3開挖造成壁體變形的特性…………………………………………………15
2.4壁體變形過大時產生災害的機制…………………………………………16
2.5深開挖分析及預測方法……………………………………………………17
2.5.1傳統的分析方法……………………………………………………18
2.5.2人工智慧預測法……………………………………………………19
2.5.3演化式支持向量機推論模式(ESIM)………………………………20
A. 支持向量機簡介………………………………………………21
B. 支持向量機分類………………………………………………22
C. 支持向量機迴歸………………………………………………24
D. 基因演算法……………………………………………………26
E. 快速混雜基因(fmGA)演算法…………………………………26
F. ESIM支持向量機模式架構……………………………………30
G. ESIM特性與限制………………………………………………31
H. ESIM特性………………………………………………………31
I. ESIM限制…………………………………………………………31
J. ESIM應用………………………………………………………32
第三章深開挖壁體變形預測模式建立…………………………………………………35
3.1 ESIM之知識表示……………………………………………………………35
3.2 案例蒐集……………………………………………………………………37
3.3 ESIM模式應用評估…………………………………………………………38
3.4案例資料型態………………………………………………………………39
3.5 ESIM深開挖壁體變形預測模式建構………………………………………39
3.6 ESIM訓練與測試……………………………………………………………40
3.7 ESIS軟體架構………………………………………………………………41
3.8 模式評估基準………………………………………………………………43
第四章 ESIS壁體變位預測模式之訓練與測試………………………………………44
4.1 案例輸入……………………………………………………………………44
4.2 模式訓練……………………………………………………………………44
4.3 預測模式……………………………………………………………………45
4.4 訓練案例……………………………………………………………………45
第五章 ESIS預測模式之應用…………………………………………………………48
5.1 新開挖案壁體變位預測模式之建立………………………………………48
5.2 新開挖案壁體變位預測模式之驗證………………………………………49
5.3 國企大樓新開挖案3~7階壁體變形預測過程……………………………49
5.4 國企大樓新開挖案驗證結果………………………………………………60
5.5 ESIS預測模式與SVM、ANN預測模式比較……………………………60
5.5.1 SVM預測模式訓練…………………………………………………61
5.5.2 SVM模式測試………………………………………………………65
A. 新開挖案壁體變位預測模式之驗證…………………………65
B. 國企大樓新開挖案3~7階壁體變形預測過程…………………65
C. 國企大樓新開挖案驗證結果…………………………………71
5.5.3 ESIS與SVM及ANN訓練、預測模式成果比較…………………74
第六章 結論與建議………………………………………………………………………76
6.1 結論…………………………………………………………………………76
6.2 建議…………………………………………………………………………77
參 考 文 獻……………………………………………………………………………78
附 錄 一……………………………………………………………………………82
附 錄 二……………………………………………………………………………111

圖目錄
圖1-1 研究流程……………………………………………………………………………4
圖2-1 壁體變形過大時產生災害的機制 ………………………………………………17
圖2-2 支持向量機資料分類示意圖 ……………………………………………………23
圖2-3 支持向量機資料分類示意圖 ……………………………………………………23
圖2-4 可容錯線性SVR模式 ……………………………………………………………25
圖2-5 快速混亂基因演算法演算機制 …………………………………………………27
圖2-6 快速混亂基因演算法演基因編碼方式 …………………………………………28
圖2-7 支持向量機最佳化模式架構 ……………………………………………………30
圖2-8 ESIM應用程序 ……………………………………………………………………32
圖3-1深開挖系統知識表示 ……………………………………………………………36
圖3-2 ESIS系統主畫面 …………………………………………………………………41
圖3-3 ESIS資料庫管理模組 ……………………………………………………………42
圖3-4 ESIS模式訓練模組 ………………………………………………………………42
圖3-5 ESIS模式表現評估模組 …………………………………………………………43
圖4-1 ESIS 資料庫中資料表晝面 ………………………………………………………44
圖5-1 ESIS 國企大樓第3階預測成果…………………………………………………51
圖5-2 ESIS 國企大樓第4階預測成果…………………………………………………53
圖5-3 ESIS 國企大樓第5階預測成果…………………………………………………55
圖5-4 ESIS 國企大樓第6階預測成果…………………………………………………57
圖5-5 ESIS 國企大樓第7階預測成果…………………………………………………59
圖5-6 SVM-light V6.01…………………………………………………………………61
圖5-7 SVM預測模式訓練過程1…………………………………………………………61
圖5-8 SVM預測模式訓練過程2…………………………………………………………62
圖5-9 SVM訓練模組 ……………………………………………………………………62
圖5-10 SVM訓練案例模式結果…………………………………………………………65

表目錄
表2-1 影響壁體變形因素彙整表 ………………………………………………………14
表2-2 壁體變形因素與擋土壁變形量的關係表 ………………………………………16
表3-1 深基礎開挖工程案例表 …………………………………………………………37
表3-2 ESIM 訓練案例架構參數設定表…………………………………………………40
表4-1 ESIS訓練案例預測模式訓練結果表 ……………………………………………44
表4-3 ESIS訓練案例驗證成果表 ………………………………………………………46
表5-1 ESIM 測試案例架構參數設定表…………………………………………………48
表5-2 ESIS第3階預測模式預測成果表…………………………………………………50
表5-3 ESIS第4階預測模式搜尋結果表…………………………………………………52
表5-4 ESIS第5階預測模式搜尋結果表…………………………………………………54
表5-5 ESIS第6階預測模式搜尋結果表…………………………………………………56
表5-6 ESIS第7階預測模式搜尋結果表…………………………………………………58
表5-7ESIS國企大樓測試案例測試成果表………………………………………………60
表5-8 SVM訓練案例模式結果表 ………………………………………………………63
表5-8-1 SVM訓練案例模式結果表(續)………………………………………………64
表5-9 SVM第3階預測模式預測成果表 ………………………………………………66
表5-10 SVM第4階預測模式搜尋結果表………………………………………………67
表5-11 SVM第5階預測模式搜尋結果表………………………………………………68
表5-12 SVM第6階預測模式搜尋結果…………………………………………………69
表5-13 SVM第7階預測模式搜尋結果…………………………………………………70
表5-14 SVM國企大樓測試案例測試成果表……………………………………………71
表5-15 SVM模式57個案例測試成果表 ………………………………………………72
表5-15-1 SVM模式57個案例測試成果表(續)………………………………………73
表5-16 ESIS與SVM模式訓練及預測時間比較表 ……………………………………74表5-17 ANN訓練、預測模式綜合成果比較表…………………………………………75
表5-18 ESIS與SVM及ANN訓練、預測模式成果比較表……………………………75
1. 歐章煜,謝百鉤,「深開挖鄰產保護研究(二)」,內政部建築研究所, 2005。
2. Das, B. M. Principles of Foundation Engineering, PWS-KENT, Boston (1990).
3. 林燕川「演化式模糊類神經網路應用在深開挖壁體變形預測之研究」,碩士論文,國立台灣科技大學營建工程系, 2004。
4. Ou, C. Y. and Y. G. Tang, "Soil Parameter Determination for Deep Excavation Analysis by Optimization", Journal of the Chinese Institute of Engineers, Vol. 17,No. 5, pp. 671-688 (l995).
5.冀樹勇、陳錦清等「軟弱土層特性與深開挖行為(三)深開挖施工訊息化系統」中興工程顧問社,2002。
6.羅獻章,「應用類神經網路建立深開挖地表決陷之經驗預測模式」,碩士論文,國立台灣科技大學營建工程系,2001。
7. 吳育偉、鄭明淵「支持向量機最佳化模式-應用於營建管理決策」,第11屆營建工程與管理學術研討會, 2007.
8.Mana, A.I. and Clough, G,W., "Prediction of Movement for Braced Cut in Clay", Journal of the Geotechnical Division, ASCE, Vol.107,No.6,PP.756-777 (1981)
9. Finno, R. J. and I. S. Harahap, "Finite Element Analysis of HDR-4 Excavation", Journal of Geotechnical Engineering, ASCE, VoI. 117, No. 10, pp. 1590-1609(1991)
10. Hashash, Y. M. A. and A. J. Whittle, "Ground Movement Prediction for Deep Excavations in Soft Clay", Journal of Geotechnical Engineering, ASCE, Vol. 122,No. 6, pp. 474-486 (1996).
11. Arai, K., H. Ohta and T. Yasui"Simple Optimization Techniques for Evaluating Deformation Moduli from Field Observations", Soils and Foundations. Vol. 23, pp.107-113 (1983).
12. Arai, K., H. Ohta and K. Kojima"Estimation of Nonlinear Constitutive Parameters Based on Monitored Movement of Subsoil under Consolidation", Soils and Foundations. Vol. 27, pp. 35-49 (1987).
13. Gioda, G. and S. Sakurai "Back Analysis Procedures for The Interpretation of Field Measurements in Geomechanics", Internal Journal for Numerical and Analytical Methods in Geomechanics, Vol. ll, pp. 555-583 (1987).
14. Yane. J S and B. C. Liu, "Back Analysis Method for Determination of Ground Surface Subsidence parameters due to Subway Construction, Proceedings of Computer Methods and Advances in Geomechanics", Wuhan, China, pp. 801-804(1997).
15. Ichikawa, Y. and T. Ohkanzi, "Parameter Identification Procedure as a Dual Boundary Control Problem for Linear Elastic Materials, Soils and Foundation", Vol.32, No. 2, pp. 35-44 (1992).
16.唐雨耕,「土壤參數識別應用於深開挖分析之研究」.國立台灣科技大學營建工程技術研究所博士論文,台北, (1998)。
17.Palmer, J.H.L . and Kenney, T.C., "Analytical Study of a Braced Excavation in Weak Clay", Canadian Geotechnical Journal, Vol.9,PP.145-164 (1972)
18.O'Rourke,T.D., "Ground Movement Caused by Braced Excavations", Journal of the Geotechnical Division, ASCE, Vol.107, No.6 , PP. 1159-1177 (1981)
19.Wong, K.S. and Broms, B.B., "Lateral Wall Deflections of Braced Excavation in Weak Clay", Journal of Geotechnical Engineering, Vol.115, No.6 , PP.853-870 (1989)
20.Clough, G.W. and O'Rourke,T.D., "Construction Induced Movement of Institu Walls", Proceedings, Design and Performance of Earth Retaining Structures, ASCE ,Special Conference, Ithaca, New York,PP.439-470 (1990)
21.Masuda,T.,Einstein ,H. H. and Mitachi,T., "Prediction of Lateral Deflection of Diaphragm Wall in DeepExcavation", Journal of Geotechnical Engineering, Proceeding of Japan Society of Civil Engineers, NO.505, Ⅲ-29, PP.19-29 (1994)
22.陳煌銘,「深開挖引致之地盤移動」,地工技術,第20期,pp.19~33, 1987。
23.何泰源、李魁士,「深開挖引起之地表沈陷及建物保護」,現代營建,第128期,pp.41~53, 1990。
24.胡邵敏,「深開挖工程鄰產保護設計與施工(一)」,地工技術,第40期,pp.35~50, 1992。
25.林俊良、李建中,「深開挖之地盤變形研究與探討」,中華技術,第20期,pp.83~94, 1993。
26.平岡成明,石正義,「假設工程問題對策」,詹氏書局,第20期,pp19~33, 1987。
27.李文勳,倪至寬,陳怡均,「建築基礎工程施工災害潛勢災區邊界界定之研究」,內政部建築研究所, pp.140~147, 2000。
28.歐章煜「深開挖工程分析設計理論與實務」科技圖書股份有限公司,2002。
29. Ko, C. H. (1999). “Computer-aided decision support system for disaster prevention of hillside residents”, MS thesis, National Taiwan University of Science and Technology, Taipei, Taiwan.
30. Fukahori, K. and Kubota, Y. “Consistency evaluation of landscape design by a decision support system”, Computer-Aided Civil and Infrastructure Engineering, 15(5), 342-354, 2000.
31. Sundin, S., and Braban-Ledoux, C. “Artificial intelligence-based decision support technologies in pavement management”, Computer-Aided Civil and Infrastructure Engineering, 16(2), 143-157, 2001.
32. 許淑婷,馮重偉,「利用快速混雜基因演算法與模擬機制建立設計專案作業程序最佳化之研究」,國立成功大學碩士論文,2006。
33. Russell, J.S., Jaselskis, E.J., Lawrence, S.P., Tserng, H.P., and Prestine, M.T. (1996),"Development of a Predictive Tool for Continuous Assessment of Project Performance", Source Document, The Construction Industry Institute.
34. 陳俊榮,「基因演算法在視覺系統參數校正及尺寸量測上之應用研究」,碩士論文,國立台灣科技大學工程技術研究所,台北,1999。
35. D.E. Goldberg, K. Deb, H. Kaegupta, G. Harik, “Rapid, accurate optimization of difficult problems using fast messy genetic algorithms”, Proceedings of the Fifth International Conference on Genetic Algorithms, pp. 56- 64, 1993
36. D. Knjazew, G.A. Ome, “A Competent Genetic Algorithm for Solving Permutation and Scheduling Problems”, Kluwer Academic Publishers, Boston, 2003.
37. 簡崑棋,馮重偉,「結合模糊類神經模式與快速混雜基因演算法於專案工期之預測」,國立成功大學碩士論文,2003。
38. 吳宗桂,「營造廠專業協力廠商評鑑模式之建立與應用」,碩士論文,國立台灣科技大學營建工程系,台北,2001。
39. Thorsten Joachims, http://svmlight.joachims.org/svm_struct.html
40. Lee, I. M., D. H. Kim and K. Y. Lo, "A Statistical Approach on Geotechnical Parameter Estimation for Underground Structures", Proceedings of Computer Methods and Advances in Geomechanics, Wuhan, China, pp. 775-780 (1997).
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