(3.235.25.169) 您好!臺灣時間:2021/04/20 18:56
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:洪誌勵
研究生(外文):HUNG, CHIH-LI
論文名稱:以機器學習建立崩塌易損性模式
論文名稱(外文):Development of Landslide Fragility Model by Machine Learning
指導教授:李秉乾李秉乾引用關係
指導教授(外文):LI,PING-CHIEN
口試委員:李秉乾黃亦敏田永銘
口試委員(外文):LI,PING-CHIENHUANG,YI-MINTIEN,YUNG-MING
口試日期:2019-01-22
學位類別:碩士
校院名稱:逢甲大學
系所名稱:土木工程學系
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:2019
畢業學年度:107
語文別:中文
論文頁數:100
中文關鍵詞:機器學習類神經網路崩塌機率坡地易損性
外文關鍵詞:machine learningneural networklandslide probabilitylandslide fragility model
相關次數:
  • 被引用被引用:2
  • 點閱點閱:130
  • 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
台灣山區受颱風及極端降雨所造成的山區災害,往往造成生命上與經濟上的損失,莫拉克颱風在短時間內造成1959年以來最嚴重災損,對於生命及財產的損失甚大,此一事件更顯得應對降雨型天災之重要性,在災前若能做好相關準備,提前了解可能的降雨變化,以歷史資料作為分析資料,藉著機器學習、類神經網路來學習並預測未來數據,以應對災害發生前的準備,以面對未來各種極端氣候並降低其風險。
本研究以台灣集水區做為研究區域,包含陳有蘭溪、荖濃溪、旗山溪流域集水區,並蒐集辛樂克與莫拉克事件雨量資料,以坡面單元做為尺度並蒐集研究地區之地文因子,透過衛星影像分析研究地區之崩塌地。資料蒐集完成同時建立因子資料庫後以雨量因子歷史資料做為輸入,崩塌資料作為目標,以類神經網路,建立類神經坡地易損性模型,在設定完最佳化之神經元與隱藏層,並選取適合之轉換函數後,隨機抽取75%樣本資料,進行模型訓練,預測未來雨量所造成之崩塌可能性。
隨後以75%以外之25%樣本資料,進行預測之驗證,其驗證已崩塌準確率為75%,總體準確率為78%,顯示此類神經坡地易損性模型具有良好的預測能力,在未來可有效應用於預測與評估坡地崩塌之課題。

Mountainous disasters caused by typhoons and extreme rainfall in the Taiwan often cause loss of life and economy. Typhoon Morakot caused the most serious damage since 1959 in a short period of time, and the loss of life and property was tremendous. That’s why it is important to deal with rainfall-type natural disasters. If you can prepare for the disaster before it comes, the possible rainfall changes can be known in advance, and using historical data as analytical data, we can learn and predict the future influence through machine learning and neural networks to respond to disasters happening and face the extreme weather in the future and reduce its risks.
This study includes areas of Taiwan watershed, such as Chen-Yu-Lan river, Lao-Nong river and Chi-Shan river watershed, and their slope units were used during scale analysis. By collecting rainfall data and geography factors of Sin-Lek and Morakot events, we can then analyze the collapse area by satellite image.
After completing factor collection, a database was built at the same time, using rainfall factor historical data as input, the data of collapse as the target, using neural network to build Neural Network Slope Fragility Model. After setting the optimized neurons and hidden layers and selecting the appropriate conversion function, 75% of the sample data were randomly selected, and train model to predict the possibility of collapse caused by future rainfall.
Then verification of the prediction with 25% of the sample data, which verified that the collapse accuracy rate was 75% and the overall accuracy rate was 78%, indicating that such a Neural Network Slope Fragility Model has good predictive ability in the future. It can be applied to predict and evaluate the problem of slope collapse effectively.

目錄
誌謝 I
摘要 II
Abstract III
目錄 IV
圖目錄 VII
表目錄 XI
1 第一章 緒論 1
1.1 前言 1
1.2 研究動機與目的 2
1.3 研究內容及流程 3
2 第二章 文獻回顧 4
2.1 坡地崩塌因子之探討 4
2.2 坡面單元 7
2.2.1 應用坡面單元 7
2.3 易損性分析 8
2.4 人工神經網路 11
3 第三章 坡地易損性資料庫 15
3.1 研究地區 15
3.2 衛星影像處理 18
3.3 資料庫因子收集與處理 22
3.3.1 地質 23
3.3.2 高程 25
3.3.3 坡度 26
3.3.4 坡向 27
3.3.5 植生 28
3.3.6 國土利用與河系資料 29
3.3.7 雨量 30
4 第四章 類神經網路 33
4.1 類神經網路介紹 33
4.2 類神經網路基礎架構 34
4.3 神經網路多層感知器MLP 35
4.3.1 MLP架構與演算法 35
5 第五章 類神經建立坡地易損性模式 38
5.1 坡面單元劃分 38
5.2 坡面單元分類 40
5.2.1 地質與岩性 40
5.2.2 坡向(A) 43
5.2.3 距離河道遠近(R) 45
5.2.4 植生指標(N) 47
5.2.5 坡度(S) 49
5.3 崩塌定義 52
5.4 數據預處理 54
5.5 神經網路建立 55
5.5.1 類神經坡地易損性模型 55
6 第六章 訓練結果與驗證 58
6.1 訓練結果 58
6.2 訓練數量 75
6.3 易損性機率值P 77
6.3.1 P值介紹 77
6.3.2 Pa1、Pa2之定義 77
6.4 類神經坡地易損性模型驗證 78
6.4.1 驗證方法 78
6.4.2 驗證結果 82
7 第七章 結論 84
7.1 結論 84
7.2 建議 85
8 參考文獻 86


Bonham-Carter, G. F. (1994). Geographic Information Systems for Geoscientists: Modelling with GIS, Pergamon, Ottawa, 398 p. :305.
Burnett, A.D., Brand, E.W., Styles, K.A. (1985). Terrain classification mapping for a landslide inventory in Hong Kong, 4th International Conference and Field Workshop on Landslides, Tokyo, 63-68.
Carrara, A. (1983). Multivariate models for landslide hazard evaluation.
Carrara, A. (1988). Drainage and divide networks derived from high-fidelitydigital terrain models. NATO ASI series. Series C, Mathematical and Physical Sciences, 223: 581-597.
Carrara, A., Cardinali, M., Detti, R., Guzzetti, F., Pasqui, V., Reichenbach, P. (1991). GIS techniques and statistical models in evaluating landslide hazard, Earth Surface Processes and Landforms, 16, 5, 427-445.
Carrara, A., Guzzetti, F., Cardinali, M., Reichenbach, P. (1999). Use of GIS Technology in The Prediction and Monitoring of Landslide Hazard. Natural Hazards, 20, 117–135.
Cooke, R. U., Doornkamp, J. C. (1974). Geomorphology in environmental management, Clarendon press, Oxford, 410.
Fookes, P.G., Sweeney, M., Manby, C.N.D., Martin, R.P. (1985). Geological and Geotechnical Engineering Aspects of Low-cost Roads in Mountainous Terrain. Engineering Geology, 21, 1–152.
Giles, P.T., Franklin, S.E. (1998). An Automated Approach to the Classification of the Slope Units Using Digital Data. Geomorphology, 21(3-4), 251–264.
Hansen, A., Franks, C.A.M., Kirk, P.A., Brimicombe, A.J., Tung, F. (1995) .Application of GIS to hazard assessment, with particular reference to landslides in Hong Kong, Geographical Information Systems in Assessing Natural Hazards, Kluwer Academic Publisher, Dordrecht, The Netherlands, 135-175.
Koukis, G., Ziourkas, C. (1991). Slope Instability Phenomena in Greece: A Statistical Analysis. Bulletin of the International Association of Engineering Geology, 43, 47-60.
Lewis , E. B., 1982. Control of body segment differentiation in Drosophil a by the bithorax genecomplex, Embryonic Development, Part A:Geneti cs Aspects, Edited by Burger, M. M. andR. Weber. Alan R. Liss, New York, 269-288.
Meijerink, A. (1988) Data acquisition and data capture through terrain mappingunits, ITC-Journal (Netherlands ), 1, 23-44.
Makridakis,S.,1993.Accuracy measures:Theoretical and practical concerns. Int. J.Forecast., 9, 527-529.
O’Loughlin, E.M. (1986). Prediction of Surface Saturation Zones in Natural Catchments by Topographic Analysis. Water Resources Research, 22(5), 794–804.
Rossetto, T. & Elnashai A. (2003). Derivation of vulnerability functions for European-type RC structures based on observational data. Engineering Structures, 25(10), 1241–1263.
Rota, M., Penna, A., Strobbia, C.L. (2008). Processing Italian Damage Data to Derive Typological Fragility Curves. Soil Dynamics and Earthquake Engineering, 28, 933–947.
Rumelhart, D. E., Hinton, G. E. & Williams, R. J. in Parallel Distributed Processing: Explorations in the Microstructure of Cognition. Vol. 1: Foundations (eds Rumelhart, D. E. & McClelland, J. L.) 318–362 (MIT, Cambridge, 1986).
Sidle, R.C., Percea, A.J., O’loughlin, C.L. (1985). Hillslope Stability and Land Use. American Geophysical Union, Washington, D.C, 19–20.
Shinozuka, M., Feng, M.Q., Lee, J. andNaganuma,T. (2000). Statistical analysis of fragility curves. ASCE Journal of Engineering Mechanics, Vol. 126(7), 769-777.
Speight, J. G. (1977). Landform pattern description from aerial photographsm,Photogrammetria, 32, 5, 161-182.
Van Westen, C.J., van Asch, T.W.J., Soeters, R. (2006). Landslide Hazard and Risk Zonation : Why Is It Still So Difficult? Bulletin of Engineering Geology and Environment, 65: 167-184.
Varnes, D.J.(1958). Landslide Types and Process. in E.B. Eckel (ed.). Special Report 29: Landslides and Engineering Practice (Washington, DC: HRB, National Research Council), 20-47.
Verstappen, H.T. (1983).Applied geomorphology: Geomorphological survey forenvironmental development. Elsevier Scientific Publishing Co., Amsterdam.
Yamaguchi, N. and F. Yamazaki (1999). Estimation of Strong Motion in the 1995 Hyogoken-Nanbu Earthquake based on Building Damage Data. Proceeding of the Asian-Pacific Symposium on Structural Reliability and its Applications, pp. 478-489, Taipei.
王維毓(2016)。以坡地易損性曲面建立崩塌警戒機率值之研究,逢甲大學土木工程學系碩士論文。
行政院農委會水土保持局(2005)。行政院農委會水土保持手冊。
行政院農業委員會(2012)。水土保持技術規範。農水保字第1011862646號公告修正。
李三畏(1984)。台灣崩塌地問題探討。地工技術,7,43–49。
李三畏(1986)。台灣的崩塌地。水土保持文獻專輯。
李宗霖、林宏明、盧育聘(2004)。類神經網路在南横公路邊坡破壞潛能之預測。立德學報,2(1),97 – 115。
李伯薔(2015)。應用坡面單元於崩塌易損性曲線,逢甲大學土木工程學系碩士論文。
李秉乾、周天穎、雷祖強、林哲彥、吳政庭(2005)。利用集集大地震資料建立建築物地震危險度評估模式 II. 易損曲線與風險評估分析。中國土木水利工程學刊。
李秉乾、周天穎、雷祖強、林哲彥、黃碧慧、吳政庭(2005)。利用集集大地震資料建立建築震害危險度評估模式I-地震建築損害資料庫建立。中國土木水利工程學刊。17(1):121–131。
李秉乾、雷祖強、謝孟勳、黃亦敏、方耀民 (2015)。104年應用坡地易損性模式於崩塌風險評估與警戒模式研析。行政院農業委員會水土保持局,委託計畫成果報告。
李秉乾、雷祖強、謝孟勳、黃亦敏、方耀民、周天穎、連惠邦 (2016)。105 年應用坡地易損性模式於崩塌風險與警戒機制研析。行政院農業委員會水土保持局,委託計畫成果報告。
李秉乾、雷祖強、謝孟勳、黃亦敏、方耀民 (2017)。應用坡地易損性模式於整合式重點聚落崩塌風險與警戒機制研析。行政院農業委員會水土保持局,委託計畫成果報告。
徐裕博(2016)。建立降雨引致崩塌之坡地易損性曲面及其驗證,逢甲大學土木工程學系碩士論文。
張石角(1987)。山坡地潛在危險之預測及其在環境影響評估之應用。中華水土保持學報,18(2),41–48。
張石角(1998)。雪霸國家公園地質災害敏感地區之調查與防範研究(大雪山地區)。國家公園學報,8(2),100–121。
許瓊文(2008)。應用類神經網路模擬高雄都會區臭氧濃度趨勢變化之研究,國立中山大學環境工程學系碩士論文。
陳俞旭(2008)。地震對崩塌與土石流發生影響之研究,成功大學水利及海洋工程學系碩士論文,臺南。
陳信雄(1995)。崩塌地調查與分析。渤海堂出版社,臺北。
陳樹群(2013)。國有林地淺層崩塌警戒基準研究。林務局委託研究報告。
陳樹群、諸予涵、吳俊鋐(2012)。旗山溪集水區長期降雨特性改變與崩塌分佈關係。中華水土保持學報,43(4)。
彭育隆(2002)。利用貝氏理論修正橋梁易損性曲線,國立中央大學土木工程學系碩士論文。
溫振宇(2005)。結合地震與颱風因子之山崩模式分析。國立成功大學地球科學系博士論文。
葉怡成(2003)。類神經網路應用與實作第八版。
葛德治、陳瑞華(2000)。台北既有鋼筋混凝土及鋼構建築物之地震反應及實際耐震安全度評估,內政部建築研究所計畫報告。
董鴻誼(2017)。應用坡地崩塌易損性曲面於山區道路預警,逢甲大學土木工程學系碩士論文。
廖文義(2004)。建築物與橋梁損害評估模式。台灣地震損失評估系統(TELES)講習會,台中
蔡光榮、陳昆廷、王宣惠、林欽川(2008)。類神經網路分析法應用於台灣南投坡地社區環境潛勢災害風險評估模式之建置。鑛冶工程,52( 43),55-74。
賴志強(2007)。台灣地區降雨及地震誘發崩塌之特性研究,國立成功大學水及海洋工程學系碩士論文。
謝孟勳(2013)。以網格集群最大概似法建立建築物易損性曲線及其用於震災緊急運送路徑之選擇,逢甲大學土木及水利工程博士學位學程博士論文。
謝昂泰(2014)。應用坡面單元在崩塌易損性曲線之研究,逢甲大學土木工程學系碩士論文。
蘇苗彬(2009)。坡地防災預警技術(二)-坡地災害的分類。水保技術,2(4),144-150。
村尾修(1999)。兵庫県南部地震の実被害データに基づく建築物被害評価に関する研究,東京大學生產技術研究所博士論文。

電子全文 電子全文(網際網路公開日期:20250101)
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