(3.210.184.142) 您好!臺灣時間:2021/05/09 08:51
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:吳建宏
研究生(外文):Jian-Hung Wu
論文名稱:模糊決策在洪水期間橋梁安全預警系統之應用-以新海大橋為例
論文名稱(外文):Application of Fuzzy Decision on The Safety Warming System of Bridges during Floods-for Xin-Hai Bridge
指導教授:王安培
指導教授(外文):An-Pei Wang
學位類別:碩士
校院名稱:中原大學
系所名稱:土木工程研究所
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:2009
畢業學年度:97
語文別:中文
論文頁數:115
中文關鍵詞:橋梁安全預警ANFIS模糊決策水位預測
外文關鍵詞:Water stage simulateSafety warming system of bridgesANFISFuzzy Decision
相關次數:
  • 被引用被引用:0
  • 點閱點閱:206
  • 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
近年來,台灣跨河橋樑每逢颱風來襲均有斷橋之疑慮,因此,如何在颱洪期間建立一套系統且完整的橋梁安全預警模式日趨重要。
本研究以新海大橋為主要研究區域,收集民國85~96年間颱風侵台之資料,首先利用適應性網路架構模糊推論系統理論(ANFIS)來建立新海大橋水位預測模式,藉以推求未來一~兩小時之水位;接著以模糊決策分析(FDA)透過各種影響橋梁安全之三個決策因子,決策出橋梁安全之不同等級;最後製訂出一套完整的新海大橋橋梁安全預警模式之標準作業程序(SOP),以期望對橋梁安全作出貢獻。
In these years, it is misgiving about the collapse of bridges during typhoon period in Taiwan. It becomes more significant to develop a systematic model of integrated performance for the safety warming system of bridges during floods.
Xin-hai Bridge is employed for the practical case study. The invading typhoon data in 1996 to 2007 is collected. At first, a water level forecasting system was developed to estimate Xin-hai bridge water level for two-steps ahead by using adaptive neuro-fuzzy inference system. Next, Fuzzy Decision Analysis is used to be the assessment of the degree of safety bridges by three factors herein. Finally, make the standard operating procedure of safety warming system of Xin-hai Bridge. It is recommended that this study can be used for safety warming system of bridges in the future.
摘 要 I
Abstract II
誌 謝 III
目 錄 IV
圖 目 錄 VII
附 圖 目 錄 IX
表 目 錄 XI
附 表 目 錄 XII
第一章 緒論 1
1-1 研究動機 1
1-2 研究目的與方法 2
1-3 章節架構 3
第二章 文獻回顧 5
2-1 適應性網路架構模糊推論系統 5
2-2 模糊決策分析 8
第三章 理論分析 11
3-1類神經網路 11
3-1-1 前言 11
3-1-2 類神經網路發展 12
3-1-3 生物神經元與人工神經元 14
3-1-4 轉換函數 16
3-1-5 類神經網路的種類 18
3-1-6 倒傳遞類神經網路 21
3-1-7 網路參數 27
3-1-8 類神經網路之優缺點 28
3-2 模糊決策分析 29
3-2-1 模糊理論簡述 29
3-2-2 常用的隸屬函數 30
3-2-3 基本運算 33
3-2-4 模糊統計 34
3-2-5 模糊關係 35
3-2-6 模糊綜合評判 36
3-2-7 模糊法則 39
3-3 適應性網路架構模糊推論系統 40
3-3-1 前言 40
3-3-2 模糊化機制與模糊規則庫 40
3-3-3 推論引擎 41
3-3-4 解模糊化機制 41
3-3-5 適應性網路架構模糊推論系統 42
第四章 案例簡介與研究方法 45
4-1 新海大橋簡介 45
4-2新海大橋水位預測模式 47
4-2-1 資料收集 47
4-2-2 下游水位預測模式架構 48
4-2-3 適應性網路架構模糊推論系統參數設定 51
4-2-4 評鑑指標 52
4-3 模糊決策分析 56
4-3-1 決策因子之選取 56
4-3-2 決策因子之隸屬度分析 58
4-3-3 模糊綜合決策 61
4-4 新海大橋封閉橋梁標準作業程序(SOP) 65
第五章 結果與討論 68
5-1新海大橋水位預測模式之結果與討論 68
5-2橋梁安全預警模式之結果與討論 72
第六章 結論與建議 75
6-1 結論 75
6-2 建議 77
參考文獻 78
附錄A 83
作 者 簡 歷 103


圖 目 錄
圖3-1 生物神經元示意圖 14
圖3-2 人工神經元示意圖 15
圖3-3 常用之轉換函數 17
圖3-4 雙彎曲正切函數 18
圖3-5 類神經網路簡圖 18
圖3-6 前饋式類神經網路 20
圖3-7 回饋式類神經網路 21
圖3-8 倒傳遞類神經網路示意圖 22
圖3-9 倒傳遞類神經網路演算法示意圖 22
圖3-10 升、降嶺形分佈函數 31
圖3-11 常態分佈函數 32
圖3-12 梯形分佈函數 32
圖3-13 模糊統計示意圖 34
圖3-14 (a)函數式模糊規則的模糊推論過程;(b)相對應於函數式模糊規則的 ANFIS 架構。 42
圖4-1 新海大橋相關地理 46
圖4-2 新海大橋水位歷程圖 47
圖4-3 三輸入水位預測模式ANFIS網路模型 50
圖4-4 四輸入水位預測模式ANFIS網路模型 50
圖4-5 新海大橋水位隸屬度 59
圖4-6 基礎裸露程度隸屬度 60
圖4-7 石門水庫放流量隸屬度 60
圖4-8 橋梁安全等級隸屬度 61
圖4-9 新海大橋橋梁安全預警模式之標準作業程序(SOP) 67


附 圖 目 錄
附圖1 四輸入Training Data水位模擬圖M1(T+1) 83
附圖2 四輸入Testing Data水位模擬圖M1(T+1) 83
附圖3 三輸入Training Data水位模擬圖M1(T+1) 84
附圖4 三輸入Testing Data水位模擬圖M1(T+1) 84
附圖5 四輸入Training Data水位模擬圖M2(T+1) 84
附圖6 四輸入Testing Data水位模擬圖M2(T+1) 84
附圖7 三輸入Training Data水位模擬圖M2(T+1) 85
附圖8 三輸入Testing Data水位模擬圖M2(T+1) 85
附圖9 四輸入Training Data水位模擬圖M3(T+1) 85
附圖10 三輸入Training Data水位模擬圖M3(T+1) 86
附圖11、附圖12、附圖13、附圖14 三輸入、四輸入之Trainging Data與Testing Data M1(T+1)水位散佈圖 86
附圖15、附圖16、附圖17、附圖18 三輸入、四輸入之Trainging Data與Testing Data M2(T+1)水位散佈圖 87
附圖19、附圖20 三輸入、四輸入之Trainging Data M3(T+1)水位散佈圖 87
附圖21 四輸入Training Data水位模擬圖M1(T+2) 88
附圖22 四輸入Testing Data水位模擬圖M1(T+2) 88
附圖23 四輸入Training Data水位模擬圖M2(T+2) 88
附圖24 四輸入Testing Data水位模擬圖M2(T+2) 89
附圖25 四輸入Training Data水位模擬圖M3(T+2) 89
附圖26、附圖27 四輸入之Trainging Data與Testing Data M1(T+2)水位散佈圖 89
附圖28、附圖29 四輸入之Trainging Data與Testing Data M2(T+2)水位散佈圖 90
附圖30 四輸入之Trainging Data M3(T+2)水位散佈圖 90
附圖31 四輸入Training Data水位模擬圖M1(T+3) 90
附圖32 四輸入Testing Data水位模擬圖M1(T+3) 91
附圖33 四輸入Training Data水位模擬圖M2(T+3) 91
附圖34 四輸入Testing Data水位模擬圖M2(T+3) 91
附圖35 四輸入Training Data水位模擬圖M3(T+3) 92
附圖36、附圖37 四輸入之Trainging Data與Testing Data M1(T+3)水位散佈圖 92
附圖38、附圖39 四輸入之Trainging Data與Testing Data M2(T+3)水位散佈圖 92
附圖40四輸入之Trainging Data M3(T+3)水位散佈圖 93
附圖41 98年新海大橋河床設置圖 93


表 目 錄
表1-1 2001年桃芝颱風橋基或橋基保護工受損情形 2
表3-1 類神經發展史 12
表3-2 生物神經元與人工神經元之比較 15
表3-3 明確集合與模糊集合運算之差異 34
表3-4集合X與集合Y之間的模糊關係(R:X × Y) 36
表3-5 模糊映射R 37
表4-1 新海大橋基本資料 46
表4-2 選取颱風場次 47
表4-3 各項資料來源 48
表4-4 資料群組統計參數 51
表4-5 資料集合分群 52
表4-6 三輸入、四輸入(T+1)效益評估(M1、M2、M3) 54
表4-7 四輸入(T+1)、(T+2)、(T+3)效益評估(M1、M2、M3) 55
表4-8 新海大橋河床變化表 57
表4-9 水位-裸露程度-放流量橋梁安全等級規則表(X3=C1) 63
表4-10 水位-裸露程度-放流量橋梁安全等級規則表(X3=C2) 63
表4-11 水位-裸露程度-放流量橋梁安全等級規則表(X3=C3) 64


附 表 目 錄
附表1 柯羅莎颱風侵台期間各項因子相關數據 93
附表2 柯羅莎颱風期間新海大橋水位隸屬度 96
附表3 柯羅莎颱風期間基礎裸露程度隸屬度(P4、P5) 97
附表4 柯羅莎颱風期間石門水庫放流量隸屬度 100
1.Asaad, Y. Shamseldin, Kieran, M. O'Connor and Liang, G. C.,(1997), “Methods for Combining The Outputs of Different Rainfall–runoff Models,” Journal of Hydrology, Vol. 197, pp.203-229.
2.French, M.N., Krajewski, W.F. and Cuykendall, R.R., (1992), “Rainfall Forecasting in Space and Time Using a Neural Network,” Journal of Hydrology, Vol. 137, pp.1-13.
3.Hebb, D. O., (1949), “The Organization of Behavior,” Wiley, New York.
4.Hopfield, J. J., (1982), “Neural Networks and Physical Systems with Emergent Collective Computational Abilities,” Proc. Natl. Acad. Sci USA, Vol. 79, pp.2554-2558.
5.Hsu, K. L., Gupta, H. V. and Sorooshian, S., (1995), “Artificial Neural Network Modeling of the Rainfall-runoff Process,” Water Resources Research, Vol. 31, No. 10, pp.2517-2530.
6.Jang, J. S., (1993), “ANFIS:Adaptive-Network-Based Fuzzy Inference System” IEEE Transactions on Systems, Vol. 23,No. 3.
7.Loke, E., Warnaars, E. A., Jacobsen, P., Nelen, F. and Almeida, M. do C’eu, (1997), “Artificial Neural Networks as a Tool in Urban Storm Drainage,” Wat. Sci. Tech., Vol. 36, No. 8-9, pp.101-109.
8.Lorrai, M. and Sechi, G. M., (1995), “Neural Nets for Modeling Rainfall-runoff Transformation,” Water Resources Management, Vol. 9, pp.299-313.
9.Mahmut, F. and Mahmud, G.(2007) “River Flow Estimation using Adaptive Neuro Fuzzy Inference System” Mathematics and Computers in Simulation, Vol.75, pp.87–96
10.McCulloch, W. S. and Pitts, W. H., (1943), “A Logical Calculus of the Ideas Immanent in Nervous Activity,” Bulletin of Mathematical Biophysics, Vol. 5, pp.115~133.
11.Minsky, M. L. and Papert, S., (1969), ”A Percceptrons,” [M] Cambridge, MA: MIT Press.
12.Rosenblatt, F., (1958), “The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain,” Psychological Review, Vol. 65, pp.386-408.
13.Rumelhart, D. E. and McClelland, J. L., (1986), “Parallel Distributed Processing: Explorations in the Microstructure of Cognition,” Vol. 1. Foundations. Cambridge, MA: MIT Press/Bradford.
14.Sajikumar, N. and Thandaveswara, B. S., (1999), “A Non-linear Rainfall–runoff Model using an Artificial Neural Network,” Journal of Hydrology, Vol. 216, pp.32-55.
15.Zadeh, L., (1965), “Fuzzy Sets”, Information and Control Vol.8, pp338-353.
16.Zhang, B. and Govindaraju, R.S., (2000), “Prediction of Watershed Runoff using Bayesian Concepts and Modular Neural Networks,” Water Resources Research, pp.753-762.
17.Zimmermann, H. J., (1978), “Fuzzy Programming and Linear Programming with Several Objective Function,” Fuzzy Sets and System Vol. 1, pp. 45-55.
18.王如意、謝龍生、嚴玉書(1998),「以類神經網絡模式分析颱風降雨與半分布並聯式水庫概模式模擬颱洪歷線之串聯應用」,農業工程學報,第四十四卷,第二期,第1~25頁。
19.王進德(2001),「類神經網路與模糊理論控制入門」,全華科技圖書股份有限公司。
20.吳青俊(2001),「類神經日流量即時預測模式之建立」,逢甲大學土木及水利工程所碩士論文,台中。
21.宋政遠(2007),「河道變遷分析─以大甲溪下游為例」,中原大學土木工程學系研究所碩士論文,中壢市。
22.李允中、王小璠、蘇木春(2003),「模糊理論及其應用」,全華科技圖書股份有限公司。
23.李維峰、廖振程、梅興泰、廖惠菁(2006),「鐵路橋梁過河沖刷段橋墩與基礎結構系統檢測技術之研究」,交通部高速公路工程局。
24.邱昱禎(2002),「模糊規劃理論與優選法於水庫操作之研究」,國立台灣大學生物環境系統工程研究所碩士論文,台北。
25.邱繼弘(2007),「河道沖淤分析─以大甲溪下游為例」,中原大學土木工程學系研究所碩士論文,中壢市。
26.周世峰(1994),「模糊集理論應用於建立水庫操作專家系統之研究」,國立台灣大學農工所碩士論文,台北。
27.林呈等(2004),「跨河橋梁訂定封橋水位」,交通部公路總局研究報告。
28.林呈等(2009),「跨河橋梁基礎洪水沖刷之安全檢測與因應作為」,98年度橋梁維護管理訓練講習訓練教材,交通部運輸研究所。
29.林高玄(2004),「基礎裸露橋梁之耐洪能力評估」,國立台灣大學土木工程學研究所碩士論文,台北。
30.翁偉明(2008),「結合模糊類神經與遺傳演算法於水庫即時操作」,中原大學土木工程學系研究所碩士論文,中壢市。
31.張大元(2003),「類神經網路在水庫放流對河川水位增量之研究」,中原大學土木工程研究所碩士論文,中壢市。
32.張淑勤(2006),「模糊決策在防洪之應用」,中原大學土木工程研究所碩士論文,中壢市。
33.張斐章、胡湘帆、黃源義(1998),「反傳遞模糊類神經網路於流量推估之應用」,農業工程學報,第四十四卷,第二期,第26~38頁。
34.張斐章、張雅婷、張麗秋(2004),「結合人工智慧與專家知識之智慧型水庫操作系統」,農業工程學報,第50卷,第4期,第 14~27頁。
35.張斐章、徐國麟(1990),「利用模糊集理論推估河川流量之研究」,農工學報,第36卷第四期。
36.張斐章、黃源義、梁晉銘(1992),「模糊模式之建立極其應用於水資源系統之研究」,農工學報,第39卷第一期。
37.張斐章、王文清(1995),「模糊線性規劃於水資源規劃之應用」,台灣水利,第43卷第1期。
38.張斐章、張麗秋(2007),「類神經網路」,東華書局。
39.張凱堯、張仁德、胡湘帆、張麗秋(2007),「以倒傳遞類神經網路建立雨水下水道水位預測模式」,第十一屆海峽兩岸水利科技交流研討會論文集。
40.張簡鳳蓮(2001),「結合模糊理論於濁水溪流域逕流預報模式之研究」,國立成功大學水利及海洋工程研究所碩士論文,台南。
41.梁晉銘(2001),「複合型類神經網路建構集水區水文模式之研究」,國立台灣大學生物環境系統工程研究所博士論文,台北。
42.陳守煜(1992),「模糊水文學的基本理論模型與應用」,大連理工大學學報,第32卷第2期,第201-207頁。
43.郭筱琪(2006),「橋梁耐洪能力電腦輔助評估系統」,國立台灣大學土木工程學研究所碩士論文,台北。
44.黃泳樹(2006),「西北颱降雨分析」,中原大學土木工程學系研究所碩士論文,台北。
45.黃俊傑(2004),「洪水時期水庫最佳操作之研究─以石門水庫為例」,中原大學土木工程研究所碩士論文,中壢市。
46.黃群岳(2000),「颱風洪流量之神經網路預測」,中原大學土木工程研究所碩士論文,中壢市。
47.楊元鎮(2003),「集水區可能最大洪流量之研究」,中原大學土木工程研究所碩士論文,中壢市。
48.經濟部水利署第十河川局網頁 http://www.wra10.gov.tw/about011.html
49.鄭博文(1997),「洪水時期水庫操作之模糊決策分析-以石門水庫為例」,中原大學土木工程研究所碩士論文,中壢市。
50.顏宏宇(2005),「河川橋梁下部結構之整體耐洪能力評估」,國立台灣大學土木工程學研究所碩士論文,台北。
51.蘇木春、張孝德(2006),「機器學習-類神經網路、模糊系統以及基因演算法」,全華科技圖書股份有限公司。
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