臺灣博碩士論文加值系統

台灣位處板塊交界帶，全島近三分之二之山地與丘陵面積，加上獨特的降雨型態，如:颱風、梅雨及短時間暴雨，導致全島崩塌與土石流災害頻傳，進而使崩塌相關災害之研究一直為國內產官學界所重視之議題。
前人在崩塌相關之研究上通常採各年份之參考因子資訊，其中各年度之間，因子變化假設韋杜力不相關，然而崩塌通常不會單純因一年內的植生、降雨……等變化而發生，其常因影響崩塌之因子經時間累積變化達到臨界值時而觸發崩塌，故本研究納入時序性特徵因子-前期崩塌影響，將平衡資料 (1：1、1：4、1：7和1：10)及三種演算法(RF、PART和Logistic)做搭配組合，透過機器學習的方式實驗分析前期崩塌因子對模型品質之影響，並額外做模型實用性的實驗，透過以2011年的資料所訓練出來之模型來預測2017年的崩塌，分析該模型是否保有原先之預測水準，進而判斷本研究之預測模型於實際上應用是否合適。
分析結果顯示，在本研究區域(陳有蘭溪、荖濃溪及旗山溪集水區)內，RF模型擁有相對較佳之預測表現，Logistic模型為三種演算法中表現較差；結果呈資料越平衡，預測能力越佳之趨勢，其中又以1：1樣本數比例配合隨機森林演算法(RF)所訓練出來之預測模型擁有最優秀之預測能力，且額外驗證之結果顯示該模型(RF，1：1)適合應用在事件型(降雨)之崩塌潛勢評估。

Taiwan is located at the junction of continental plates and nearly two-thirds of Taiwan are the mountain and hilly areas. Because of the rainfall patterns, such as typhoons, plum rains and short-period high-intensity rainfalls, the landslides and debris flow disasters occur frequently. The research of landslide-related disasters has always been a topic that the government and academia pay attention to.
Previous studies on landslides usually used annual factors of each year to establish a potential evaluation model. Among them, the factor changes between each year were usually assumed to be independent and uncorrelated. However, landslides were usually caused not simply due to the change of factors, like vegetation and rainfall, within a year . The cumulative impacts of the factors had affected the landslide potential over time, and the landslide was triggered when the critical condition was reached. Therefore, the temporal characteristic factors, the antecedent landslides, were considered in this study, as well as the sampling ratio (1:1, 1:4, 1:7, and 1:10) and the machine learning algorithms (Random Forest (RF), PART, and Logistic). A combination of experiments was conducted to analyze the impact of antecedent landslide factors on the evaluation model quality. Additional experiments were conducted to understand the capability of the proposed model trained by the data of 2011 when used to predict the landslide potential in 2017. Whether the proposed model of this research was suitable for practical application was also discussed.
The analysis results showed that in the study area (Catchments of Chenyoulan River, Laonong River, and Qishan River), the random forest-based model had relatively better prediction performance, while the Logistic-based model performed poorly among the three algorithms. The results also showed that the more balanced the sampling data was, the better the prediction performance would be. In this study, the trained predictive model had the best performance when using random forest algorithm (RF) with sampling ratio of 1:1, and the results of practical verification showed that the RF model was suitable for application in event-type (rainfalls) landslide potential evaluation.

誌 謝 i
摘 要 ii
Abstract iv
目 錄 v
圖目錄 viii
表目錄 xv
第一章 緒論 1
1.1 前言 1
1.2 研究動機與目的 3
1.3 研究內容及流程 5
第二章 文獻回顧 6
2.1 機器學習 6
2.2 隨機森林(Random Forest,RF) 8
2.2.1隨機森林簡介 8
2.2.2隨機森林概念 8
2.2.3隨機森林相關文獻 11
2.3 混和決策樹(PART) 13
2.3.1混和決策樹簡介 13
2.3.2混和決策樹概念 13
2.3.3混和決策樹相關文獻 13
2.4 羅吉斯迴歸(Logistic) 15
2.4.1羅吉斯迴歸簡介 15
2.4.2羅吉斯迴歸概念 15
2.4.3羅吉斯迴歸相關文獻 16
2.5 坡地崩塌因子 18
2.6 崩塌單元 24
2.6.1網格單元 24
2.6.2地域單元 24
2.6.3坡面單元 25
2.6.4地貌單元 25
2.6.5特別條件單元 25
2.7 多時序分析 27
2.7.1多時序分析簡介 27
2.7.2多時序分析概念 27
2.7.3多時序分析相關文獻 28
第三章 研究方法 30
3.1 研究區域 30
3.2 衛星影像處理 34
3.3 崩塌資料庫建立 41
3.3.1高程 42
3.3.2坡度 44
3.3.3坡向 46
3.3.4地質 48
3.3.5距河道遠近 50
3.3.6 NDVI 52
3.3.7雨量 60
3.3.8崩塌地 71
3.4 建立崩塌預測模型 85
3.4.1研究工具 85
3.4.2資料前處理 86
3.4.3分類演算法 88
3.5 驗證方法 92
第四章 訓練結果與驗證 96
4.1 訓練結果 96
4.1.1 RF 97
4.1.2 PART 99
4.1.3 Logistic 101
4.2 初步驗證結果 103
4.2.1 RF 104
4.2.2 PART 109
4.2.3 Logistic 114
4.3 最終驗證結果 123
4.3.1 RF 124
4.3.2 PART 130
4.3.3 Logistic 136
4.4 與前人研究比較 142
4.5 結果分析 151
4.5.1 RF 151
4.5.2 PART 153
4.5.3 Logistic 154
4.6 額外驗證 156
第五章 結論 170
5.1 結論 170
5.2 建議 171
參考文獻 173

Ang, A. H. -S. and Tang, W. H. (1975). Probability Concepts in Engineering Planning and Design, Vol. 1, Basic Principles, John Wiley, New York.
Bonham-Carter, G. F. (1994). Geographic Information Systems for Geoscientists: Modelling with GIS, Pergamon, Ottawa, 398, 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-fidelity digital 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.
J. H. Holland, Adaptation in Natural and Artificial Systems: An Introductory Analysis with Applications to Biology, Control and Artificial Intelligence. MIT Press, 1992, 228.
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. (1980). Control of body segment differentiation in Drosophila by the bithorax gene complex, Embryonic Development, Part A: Genetics Aspects, Edited by Burger, M. M. and R. Weber. Alan R. Liss, New York, 269-288.
Meijerink, A. (1988) Data acquisition and data capture through terrain mapping units, ITC-Journal (Netherlands), 1, 23-44.
O’Loughlin, E. M. (1986). Prediction of Surface Saturation Zones in Natural Catchments by Topographic Analysis. Water Resources Research, 22(5), 794-804.
Sidle, R. C., Percea, A. J., O’loughlin, C. L. (1985). Hillslope Stability and Land Use. American Geophysical Union, Washington, D. C, 19-20.
Speight, J. G. (1977). Landform pattern description from aerial photographs. Photogrammetric, 32, 5, 161-182.
Tom Fawcett (2005). An introduction to ROC analysis：Institute for the Study of Learning and Expertise, 2164 Staunton Court, Palo Alto, CA 94306, USA Available online 19 December 2005
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 for environmental development. Elsevier Scientific Publishing Co., Amsterdam.
Joseph L. F., B. L., and M.C.P. (2003). :Statistical Methods for Rates and Proportions, 3rd Ed.  
蘇智成（2012）。強化過濾垃圾郵件機制之研究。高苑科技大學資訊科技應用研究所碩士論文。
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，逢甲大學。
行政院農委會水土保持局（2005）。行政院農委會水土保持手冊。
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。
李呂祥（2021）。人工智慧評選供應商之研究。中華大學工業管理學系碩士論文
李育帆（2016）。利用倒傳遞類神經網路預測透水混凝土抗壓強度及透水係數之研究。逢甲大學土木工程學系碩士論文，逢甲大學。
卓佳瑩（2015）。以區域尺度與局部尺度探討大型崩塌地之崩塌潛勢。國立中興大學土木工程學系所碩士論文。
李芷妍（2007）。邊坡崩塌因子與豪雨影響之研究。國立臺北科技大學土木與防災研究所碩士學位論文，國立臺北科技大學。
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。
謝忠和（2012）。以機器學習技術改造傳統臨床決策輔具工具— 應用隨機森林、支援向量機器與類神經網路於急性闌尾炎診斷與乳癌風險評估。國立陽明大學生物醫學資訊研究所博士論文。
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。
吳秋靜（2010）。以 GIS 探討台灣大甲溪及烏溪上游崩塌地之影響因子。國立中興大學土木工程學系碩士學位論文，國立中興大學。
楊斯㵟（2018）。使用變方分析與羅吉斯迴歸分析比例數據資料之比較。國立中興大學農藝學系所碩士論文。
廖妤瑄（2021）。導入機器學習方法探討捷克消費金融公司違約風險因素。國立臺北大學統計學系碩士論文。
黃郁晴（2020）。應用多時序Sentinel-1雷達影像進行崩塌地偵測。國立中央大學土木工程學系碩士論文。
洪嘉妤（2010）。台灣中部地區山崩影響因子之時間序列分析。國立中興大學土木工程學系碩士學位論文，國立中興大學。
洪誌勵（2018）。以機器學習建立崩塌易損性模式。逢甲大學土木工程學系碩士論文，逢甲大學。
倪柏寧（2010）。土砂災害潛勢區風險評估模式之建置。長榮大學土地管理與開發學系碩士班碩士論文，長榮大學。
葉子維（2018）。顧客消費行為分析及行動銀行使用預測-決策樹、隨機森林與判別分析之比較。國立臺北大學統計學系碩士論文。
陳酉昌（2018）。人工智慧應用於降雨引致坡地崩塌之早期警戒。逢甲大學土木工程學系碩士論文，逢甲大學。
陳信雄（1995）。崩塌地調查與分析。渤海堂出版社，臺北。
陳垣榮（2015）。集水區降雨重現期距與崩塌特性關係之研究。國立中興大學水土保持學系碩士學位論文，立中興大學。
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，逢甲大學。
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。
張晉豪（2019）。應用不同機器學習於崩塌預測之比較研究。逢甲大學土木工程學系碩士論文，逢甲大學。
陳禾（2020）。應用基因演算法及機器學習於崩塌因子選取及潛勢評估模式之比較研究。逢甲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，國立成功大學。
陳靜茹（2019）。降雨誘發深淺層崩塌之潛勢分析。國立中興大學土木工程學系所碩士論文。
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，逢甲大學。
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，國立成功大學。
劉盛偉（2020）。機器學習演算法應用於多事件特性崩塌之潛勢評估模型研究。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。
鄭偉成（2020）。使用動態門檻值選取對衛星影像進行非監督式變遷偵測。國立中央大學遙測科技碩士學位學程碩士論文。
郭常鈞（2020）。以不安定指數及羅吉斯迴歸探討阿里山溪集水區之崩塌潛勢。國立中興大學水土保持學系所碩士論文。