請用此 Handle URI 來引用此文件:
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/25710
完整後設資料紀錄
DC 欄位 | 值 | 語言 |
---|---|---|
dc.contributor.advisor | 左天雄 | |
dc.contributor.author | Tsung-Hung Chen | en |
dc.contributor.author | 陳宗宏 | zh_TW |
dc.date.accessioned | 2021-06-08T06:26:01Z | - |
dc.date.copyright | 2006-07-31 | |
dc.date.issued | 2006 | |
dc.date.submitted | 2006-07-27 | |
dc.identifier.citation | [1]The Committee on Soil Dynamics of The Geotechnical Engineering Division,”Definition of Terms Related to Liquefaction”,Journal of Geotechnical Engineering Division,ASCE,Vol.104,GT9,September,pp.1197-1200(1978).
[2] Been, K., and Jefferies, M. G., (1985),“ A state parameter for sands ”,Geotechnique, Vol. 35, No. 2, pp. 99-112. [3]Tokimatsu, K., and Yoshimi, Y.,(1983) “Empirical correlation of soil liquefaction based on SPT N-value and fines contents,” Soil and Foundations, JSSMFE, Vol.23, No.4, pp.56-74. [4] 日本道路協會,(1990) 道路橋樑示方書 同解說 [5] 日本道路協會,(1996) 道路橋樑示方書 同解說 [6] Seed, H. B., Tokimatus, K., Harder, L. F., and Chung, R. M.(1985) “Influnce of SPT procedures in soil liquefaction resistance evalration,” Journal of Geotechnical Engineering, ASCE, Vol. 111, pp.1425-1445. [7] 陳明棠(2002),”台灣北部地區土石流潛勢溪流危險度與預警分析之研究—類神經網路與模糊理論之應用”, 國立台灣大學土木工程研究所碩士論文。 [8] 彭成麒(2002),”貫入試驗之倒傳遞類神經網路及頻散曲線之有限差分法評估地盤剪力波速”,國立台灣大學土木工程研究所碩士論文。 [9]馮宗盛 (2002),” GIS在土壤液化分析與查詢資訊化之應用” ,國立海洋大學河海工程研究所碩士論文。 [10]曾瑞君(2003),”應用國土資訊系統於土壤液化之初步研究”,國立台灣大學土木工程研究所碩士論文。 [11] 羅華強(2001),”類神經網路—MATLAB的應用”,清蔚科技股份有限公司。 [12] 葉怡成(2001),”類神經網路模式應用與實作”,儒林圖書有限公司。 [13] 黃俊鴻 陳正興 楊樹華(1997),”以非線性地盤反應模式分析羅東模型試驗基址之地震反應”,中國土木水利工程學刊。 [14] 張朝盛 (2000) ,”土壤液化潛能之類神經網路分析”,國立交通大學土木工程研究所碩士論文。 [15] 亞新工程顧問股份有限公司,民國89年4月,土壤液化評估與處理對策研擬第一期計畫(彰化縣員林鎮、大村鄉及社頭鄉)土壤液化現狀調查報告,行政院國家科學委員會。(2000)。 [16] 唐瑋廷,「砂性土層液化潛能評估-模糊類神經網路」,國立臺灣大學土木研究所碩士論文。(2000)。 [17] Goh,A.T.C.(1993).“Seismic Liquefaction Potential Assessed By Neural Networks,”Journal of Geotechnical Engineering,Vol.120,No.9, pp,1467-1480. [18] Tung, T.Y., Wang, Y.Y. and Wong, S. (1993).“Assessment of Liquefaction Potential using Neural Networks,”Soil Dynamics and Earthquake Engineering, p.p. 325-335. [19] Ali, H.E. and Najjar, Y.M. (1996).“Neural-Based Approach for Aessessing Liquefaction Potential of Soil,”Transportation Research Record, p.p.3-8. [20] 辜炳寰(2002) ,” 類神經網路於土壤液化評估之應用 ”,國立成功大學土木工程研究所碩士論文。 [21] Davis,R.o.and Berrill J.B.(2001).”Pore Pressure and Dissipated Energy in Earthquakes – Field Verification,” Journal of Geotechnical and Geoenvironmental Engineering, Vol.127,No.3,pp.269-274. [21] Berril,J.b.and Davis R.O(1985).”Energy Dissipation and Seismic Liquefaction of Sands:Revised Mdel,”Soils and Foundations,Vol.25,NO.2,pp.106-118. [22] 吳偉特(1979),「台灣地區砂性土壤液化潛能之初步分析」,中國土木水利,第六卷,第二期,第39-70頁。 [23] 黃俊鴻、張吉佐、周功台、余明山、簡文郁(2002),「由集集地震液化案例探討液化評估方法本土適用性之研究」,交通部台灣區國道新建工程局。 | |
dc.identifier.uri | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/25710 | - |
dc.description.abstract | 類神經網路主要是仿效生物具有思考及學習能力的腦神經,利用非線性人工擬神經元相互連結,建構輸入與輸出參數之間的映射關係,以進行分類、預測等工作。在現今的相關研究中以SPT-N值為主預測土壤液化之網路結構,多以試誤法得到,基因演算法最佳化已被廣泛地應用在各領域中,因此本研究的目的是以基因演算法最佳化類神經網路系統評估土壤液化問題,將SPT-N現地試驗所測得之土壤參數與現地液化狀況間搜尋出一最佳化的非線性關係,希望能對傳統的液化評估方法提出更為合理之液化分析模式。
本研究蒐集了歷年來國內外各地震有關土壤液化的現地土壤資料,總共蒐集到151筆案例資料。並建立了基因演算法觀念建立以是否液化(0或1)為輸出值之第一型最佳化網路結構。選擇了2種以SPT-N值為主的常用現地經驗公式,以及吳俊彥(1996)以試誤法最佳化網路結構之模式比較,本研究發現當使用Tokomaks & Yoshimi簡易法(1983)所提出之傳統方法推估時,其整體誤判率不甚理想為40.4%,明顯地偏向保守;此外,模式一經基因演算法最佳化,可較試誤法決定網路架構之倒傳遞類神經網路模式,無論是在液化、非液化或案例整體誤判率皆能有更為優異的表現,故本研究之模式一其判斷是否液化之實用性與參考價值甚佳。 另再以台灣地區129筆液化及非液化土層案例資料,將之經由最佳化類神經網路發展之液化分類輸出模式,配合逼近法求取液化臨界狀態,並根據不同細料含量範圍區分,繪製臺灣地區SPT-N臨界液化曲線,藉此以SPT-N為主的鑽孔資料可快速判斷現地土層液化潛能程度。 | zh_TW |
dc.description.provenance | Made available in DSpace on 2021-06-08T06:26:01Z (GMT). No. of bitstreams: 1 ntu-95-R92521116-1.pdf: 1253416 bytes, checksum: 5703ca4a0be80128e91f60fa1eed712b (MD5) Previous issue date: 2006 | en |
dc.description.tableofcontents | 目錄
誌謝 …………………………………………………………………………Ⅰ 摘要 …………………………………………………………………………II 表目錄 ……………………………………………………………………ⅤII 圖目錄 ……………………………………………………………………VIII 符號表 ………………………………………………………………………XI 第一章 導論 …………………………………………………………………1 1.1前言……………………………………………………………………1 1.2研究動機及目的………………………………………………………1 1.3研究方法………………………………………………………………2 1.4研究內容………………………………………………………………3 第二章文獻回顧………………………………………………………………6 2.1液化的定義……………………………………………………………6 2.2液化發生的機制與原因………………………………………………6 2.3影響液化之影響因素…………………………………………………9 2.4現地貫入試驗之液化評估法 ………………………………………15 2.5標準貫入試驗(SPT-N)評估法 …………………………………… 16 2.5.1Tokimatsu與Yoshimi簡易經驗法(1983,T-Y法)………………16 2.5.2日本道路協會簡易經驗法(1990,JRA法)………………………18 2.5.3新日本道路協會簡易經驗法(1996,NJRA法)………………19 2.5.4Seed簡易法(1985) ………………………………………………21 2.6類神經網路模式於土壤液化評估之應用……………………………23 第三章 基因演算法、類神經網路 …………………………………………32 3.1 基因演算法(genetic algorithm)…………………………………32 3.1.1 基因演算法之前置作業…………………………………………32 3.1.2 基因演算法之運算………………………………………………34 3.1.3 基因演算法之基本特性…………………………………………39 3.2類神經網路的歷史……………………………………………………40 3.2.1 類神經網路………………………………………………………41 3.2.2 生物神經網路……………………………………………………41 3.2.3 人工神經元模型…………………………………………………42 3.2.4 類神經網路基本架構……………………………………………43 3.2.5 類神經網路的學習與記憶………………………………………44 3.2.6 倒傳遞類神經網路………………………………………………45 3.2.7 倒傳遞類神經網路學習演算法…………………………………46 3.3倒傳遞類神經網路之特性……………………………………………51 第四章 案例研究及討論 ……………………………………………………57 4.1鑽孔資料搜集及建立…………………………………………………57 4.2第一型類神經網路模式建立…………………………………………57 4.2.1 土壤輸入參數值的決定…………………………………………57 4.2.2 資料的前處理……………………………………………………58 4.2.3 基因演算法最佳化網路結構參數設定…………………………59 4.2.4 基因演算法最佳化網路之成果及討論…………………………65 4.2.5 與前人研究比較…………………………………………………66 4.3臨界液化曲線…………………………………………………………66 4.3.1 反覆剪應力比……………………………………………………67 4.3.2 以類神經網路建立臨界液化曲線………………………………68 4.3.3 液化及非液化案例資料搜集……………………………………69 4.3.4 臨界液化曲線逼近結果之分析與討論…………………………70 第五章 結論及建議……………………………………………………… 101 5.1結論…………………………………………………………………101 5.2建議…………………………………………………………………102 參考文獻……………………………………………………………………103 附錄一:國外歷年地震鑽探資料統計表…………………………………106 附錄二:921 集集地震員林地區地質鑽探資料表………………………110 附錄三:基因演算法最佳化類神經網路參考程式………………………112 | |
dc.language.iso | zh-TW | |
dc.title | 類神經網路評估砂性土壤液化潛能探討-基因演算法 | zh_TW |
dc.title | Neural networks assess liquefaction of sand -Genetic algorithm | en |
dc.type | Thesis | |
dc.date.schoolyear | 94-2 | |
dc.description.degree | 碩士 | |
dc.contributor.oralexamcommittee | 吳偉特,林西川 | |
dc.subject.keyword | 土壤液化,SPT-N,基因演算法,類神經網路,最佳化, | zh_TW |
dc.subject.keyword | Liquefaction,SPT-N,Genetic Algorithm,Neural Networks,Optimum, | en |
dc.relation.page | 124 | |
dc.rights.note | 未授權 | |
dc.date.accepted | 2006-07-28 | |
dc.contributor.author-college | 工學院 | zh_TW |
dc.contributor.author-dept | 土木工程學研究所 | zh_TW |
顯示於系所單位: | 土木工程學系 |
文件中的檔案:
檔案 | 大小 | 格式 | |
---|---|---|---|
ntu-95-1.pdf 目前未授權公開取用 | 1.22 MB | Adobe PDF |
系統中的文件,除了特別指名其著作權條款之外,均受到著作權保護,並且保留所有的權利。