運用模糊類神經網路進行山崩潛感分析—以台灣中部國姓地區為例

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：33

、訪客IP：18.191.240.243

姓名

黃春銘(Chuen-Ming Huang) 查詢紙本館藏

畢業系所

應用地質研究所

論文名稱

運用模糊類神經網路進行山崩潛感分析—以台灣中部國姓地區為例
(Using Fuzzy Neural Network to Evaluate Landslide Susceptibility - A Case Study in KuoHsing, Central Taiwan)

相關論文

★ 台灣中部德基至梨山地區岩石劈理位態分布特性之研究	★ 台北盆地松山層土壤性質之空間分析
★ 新店溪之地形研究	★ 運用類神經網路進行隧道岩體分類
★ 大肚溪流域河階地形研究	★ 台南台地暨鄰近地區之台南層及其構造運動
★ 台灣東北部地區隱沒帶地震強地動衰減式之研究	★ 運用類神經網路進行地震誘發山崩之潛感分析
★ 地形地質均質區劃分與山崩因子探討	★ 由世界應力量測資料探討不同地體構造區的應力特性
★ 921集集地震造成之地表變形模式	★ 運用判別分析進行山崩潛感分析之研究 – 以臺灣中部國姓地區為例
★ 運用羅吉斯迴歸法進行山崩潛感分析-以臺灣中部國姓地區為例	★ 台灣西南平原末次冰期以來之地層及構造運動
★ 利用近年大規模地震的強震資料修正Newmark經驗式	★ 土石流潛感分析－以石門水庫集水區為例

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

類神經網路在山崩研究的應用多為評估邊坡破壞與否，較少人研究區域性之山崩潛感。Saro Lee（2003）首度運用類神經網路分析預測山崩，再將分析結果合併多變量分析，繪製山崩潛感圖。林彥享（2003）利用類神經網路的自我學習的能力，結合模糊理論，進行廣域性山崩潛感分析之研究並繪製山崩潛感圖。本研究採用林彥享（2003）之分析模式，建立模糊類神經網路分析系統，學習山崩發生的機制和預測可能發生山崩的位置。本研究引入Rprop演算法消除類神經網路訓練時間過長的問題，並將分析結果與其他統計方法作比較，驗證類神經網路於山崩潛感分析上的可行性。
本研究參考地調所山崩潛感分析計畫其研究架構，建立本研究的架構與工作流程。並沿用國姓地區的四次誘發山崩事件（賀伯颱風、集集地震、桃芝颱風與敏督利颱風）資料，包括：岩性、坡向、坡度、地形粗糙度、坡度粗糙度、總曲率、全坡高、NDVI、愛氏震度與最大時雨量等因子資料。山崩目錄由各事件前後之SPOT衛星影像，判釋崩塌地位置，輔以災後像片基本圖及野外查核作檢驗。以亂數對訓練資料做隨機取樣，使用Matlab軟體進行訓練與建立網路架構，再對全區資料進行分析，經由解模糊化將網路輸出轉化為山崩潛感值，並繪製山崩潛感圖。
分析結果顯示，四個事件的高潛感區大都位於坡度較高的地區，和一般認知會發生山崩的地區不謀而合，與專家所圈繪的山崩位置大致上亦十分符合，崩壞比曲線也有潛感值高崩壞比高的趨勢。
線性系統為了不受資料的雜訊影響，常需對資料進行處理。但對類神經網路分析來說，其內部節點間的互相作用，能夠將資料的雜訊去除，得到正確的結果。所以對於山崩潛感來說，類神經網路還是有其存在的必要性，能夠提供傳統統計方法一個參考。

摘要(英)

Artificial neural network method had not been applied to regional landslide susceptibility analysis until Lee（2003）which first used this method to evaluate landslide hazard and combine it with the multivariate analysis to construct a landslide susceptibility map. Lin（2003） utilized the artificial neural network and a fuzzy theory to produce a continuous spectrum to indicate landslide susceptibility and use this to draw a landslide susceptibility map. This study follows Lin’s method and tries to refine the fuzzy neural network system in order to learn the mechanism of landslide and to predict the location that a landslide may happen. This study adopts the Rprop algorithm to significantly reduce the long training time in the artificial neural network. Comparing the result with that of two multivariate methods validates that the fuzzy neural network system is suitable for a landslide susceptibility analysis.
This study refers to the work scheme of the landslide susceptibility analysis project in the Central Geological Survey, Taiwan（CGS）, to establish the study scheme and work procedure. Following the usage of the factors in the CGS project including lithology, slope, slope aspect, terrain roughness, slope roughness, total curvature, total height, NDVI, Arias intensity and maximum hourly rain fall factors from the four triggering events the Herb typhoon, the ChiChi earthquake, the Toraji typhoon, and the Mindule typhoon, these factors were rechecked. Landslide inventory interpreted from SOPT image, was also checked by examining a series of rectified aerial photographs in GIS and in the field. This study uses random sampling to get the training samples and proceeds to establish the fuzzy neural network framework in Matlab, and then applied the trained network to the whole area. The output fuzzy membership for landslide and nonlandslide was defuzzied, to become a single value indicating landslide susceptibility. These values were used to construct a landslide susceptibility map.
The result shows that high susceptibility areas generally locate at high slope areas and fit well with the actual landslide areas that experts interpreted. The landslide ratio has a trend that higher landslide susceptibility index expresses higher landslide ratio for all terrains and for the four events.
In order to depress the noise in a linear system, more data processing is usually needed. However, the interaction among the internal nodes in the neural network can clear the noise data and get better result. A fuzzy neural network system is applicable to the landslide susceptibility analysis, and it could provide a reference for comparison with the traditional statistical methods.

關鍵字(中)

★ 模糊
★ 類神經網路
★ 山崩

關鍵字(英)

★ fuzzy
★ artificial neural network
★ landslide

論文目次

中文摘要 I
英文摘要 III
誌謝 V
目錄 VI
圖目 IX
表目 XII
第一章緒論 1
1.1 研究動機與目的 1
1.2 前人研究 1
1.2.1 山崩型態的探討 1
1.2.2 山崩潛感的研究 2
1.2.3 類神經網路於山崩方面的研究 4
1.3 研究架構與流程 7
第二章研究方法 9
2.1 類神經網路 9
2.1.1 依學習策略分類 12
2.1.2 依網路架構分類 13
2.2 倒傳遞類神經網路 14
2.2.1 學習過程 16
2.2.2 回想過程 18
2.2.3 誤差函數 18
2.2.4 倒傳遞類神經網路的優缺點 19
2.3 模糊理論 20
2.3.1 模糊隸屬函數與模糊化 22
2.3.2 解模糊 23
2.4 灰色分析與灰色聚類 23
2.5 模糊類神經網路 25
第三章資料蒐集與處理 26
3.1 研究區概述 26
3.1.1 地理位置 26
3.1.2 地形 26
3.1.3 水系 26
3.1.4 區域地質 27
3.2 資料蒐集與處理 31
3.2.1 SPOT衛星影像 32
3.2.2 山崩資料 34
3.2.3 數值地形 35
3.2.4 強震資料 35
3.2.5 雨量資料 36
3.3 山崩因子處理 37
3.3.1 山崩因子處理與選擇 37
3.3.2 因子內部評分方法 48
第四章模糊類神經網路分析 51
4.1 類神經網路分析 51
4.1.1 輸出變數模糊化 51
4.1.2 訓練資料選取方式 52
4.1.3 準確率計算 53
4.1.4 潛感值計算與潛感劃分 54
4.1.5類神經網路分析 55
4.2 類神經網路訓練 56
4.3 類神經網路預測與結果 61
4.3.1 賀伯颱風事件 61
4.3.2 集集地震事件 68
4.3.3 桃芝颱風事件 75
4.3.4 敏督莉颱風事件 82
4.4 不同正規化方法之成果 89
第五章討論 92
5.1 模糊類神經網路 92
5.2 訓練演算法 93
5.3 不同正規化方法比較 94
5.4 類神經網路與線性系統 95
5.5 不同分析方法之準確率與高潛感地區比較 95
第六章結論與建議 99
6.1 結論 99
6.2 建議 100
參考文獻 102
附錄一韋伯分布擬合各事件坡度崩壞比 108
附錄二各事件因子分區統計圖

參考文獻

大江二郎（1938）台中州南投油田調查報告：台灣總督府殖產局，第866號。
王智仁（2001）以現場調查方式分析影響公路岩石邊坡穩定性之工程地質因子-以南橫公路梅山至啞口段為例，國立成功大學資源工程研究所碩士論文，共115頁。
王嘉燁（2002）GPS/GIS應用於南橫公路邊坡崩塌災害調查與潛感危險路段之劃定研究，屏東科技大學土木工程系碩士論文，共125頁。
何春蓀（1989）普通地質學，國立編譯館，第220-221頁。
何春蓀、譚立平（1960）台灣台中東勢至南投國姓間煤田地質，台灣省地質調查所彙刊，第12號，20-62頁。
吳少明（1993）環境地質調查與分析應用在都市坡地開發適宜性規劃-以甲仙地區為例，國立成功大學地球科學系碩士論文。
吳振威（2003）公路邊坡保護工法之選擇模式研究-以南二高白河以南路段為例，國立成功大學資源工程學系碩士論文，共144頁。
吳漢雄、鄧聚龍、溫坤禮（1996）灰色分析入門，高立圖書有限公司，共1-206頁。
李錫堤（2001）台北都會區活斷層與地震災害潛勢，台北都會區地質災害研討會。
李錫堤、潘國樑、林銘郎（2003）山崩調查與危險度評估-山崩潛感分析之研究(1/3) ，第92-11號，共154頁
李錫堤、潘國樑、林銘郎（2004）山崩調查與危險度評估-山崩潛感分析之研究(2/3) ，第92-11號，共134頁
周晏勤（2000）以遙感探測方法探討南橫公路邊坡破壞的重要因子，國立成功大學資源工程學系碩士論文，共124頁。
林中興（1994）山坡穩定性評估之因子分析及地理資訊系統之應用，國立中央大學應用地質研究所碩士論文，共87頁。
林永祥（2004）環境地質因子對國道邊坡穩定之影響-以國道三號白河至竹山路段為例，國立成功大學資源工程學系碩士論文，共122頁。
林柏伸、李錫堤（2003）山崩潛感分析中Arias Intensity的運用，第十屆台灣地區地球物理研討會暨2003年中國地球物理學會年會論文集，第91-96頁。
林彥享（2003）運用類神經網路進行地震誘發山崩之潛感分析，國立中央大學應用地質研究所碩士論文，共89頁。
林書毅（1999）區域性山坡穩定評估方法探討-以林口台地為例，國立中央大學應用地質研究所碩士論文，共92頁。
林淑媛（2003）地形地質均質區之劃分與山崩因子探討，中央大學應用地質研究所碩士論文。
邱紹維（2003）灰關聯分析於水庫水質縱合評判之研究-以翡翠與石門水庫為例，國立中央大學應用地質研究所碩士論文，共136頁。
徐佳仕（2004）數位圖資因子應用於山區道路邊坡穩定工程設置之研判，國立台灣科技大學營建工程系碩士論文，共138頁。
涂書芳（2001）以遙感探測方法探討公路邊坡穩定的重要因子-以南橫公路甲仙至啞口段為例，國立成功大學資源工程學系碩士論文，共130頁。
張弼超（2005）運用羅吉斯迴歸法進行山崩潛感分析-以國姓地區為例，國立中央大學應用地質研究所碩士論文，共134頁。
張舜孔（2003）類神經網路應用在阿里山公路邊坡破壞因子之分析研究，國立成功大學土木工程學系碩士論文，共92頁。
莊緯璉（2005）運用判別分析來進行山崩潛感分析之研究，國立中央大學應用地質研究所碩士論文，共178頁。
陳志豪（2002）變質岩公路邊坡之破壞潛勢分析-以南橫公路啞口至新武段為例，國立成功大學資源工程學系碩士論文，共124頁。
陳凱榮（2000）中橫公路山崩潛感分級研究-以東勢－德基為例，國立中央大學應用地質研究所碩士論文，共120頁。
曾志豪（2004）降雨對阿里山公路邊坡破壞模式分析之影響研究，國立成功大學土木工程學系碩士論文，共138頁。
游中榮（1996）應用地理資訊系統於北橫地區山崩潛感之研究，國立中央大學應用地質研究所碩士論文，共192頁。
游行健（2003）以類神經網路法評選北台灣道路邊坡保護工法之研究，國立台灣科技大學營建工程系碩士論文，共160頁。
黃士昌（1998）高雄旗山與楠梓地區公路邊坡之特性調查與崩滑破壞潛感分析，國立成功大學土木工程研究所碩士論文，共186頁。
楊英魁、孫宗瀛、鄭魁香、林建德、蔣旭堂（2002）模糊控制理論與技術，全華科技圖書股份有限公司。
楊智堯（1999）類神經網路於邊坡破壞潛能分析之應用研究，國立成功大學土木工程學系碩士論文，共110頁。
葉怡成（1993）類神經網路模式應用與實作，儒林出版社。
葉怡成（2003）類神經網路模式應用與實作，儒林出版社。
劉進金（1985）地理資訊系統及其在區域邊坡穩定之應用實例，礦冶，第30卷，第2期，第128-141頁。
鄭元振（1992）地理資訊系統在區域邊坡穩定分析之應用—中橫公路天祥至太魯閣段，國立成功大學礦冶及材料科學研究所碩士論文。
鄧聚龍（2000）灰色分析入門，高立圖書有限公司，第1-150頁。
盧育聘（2003）類神經網路於公路邊坡破壞潛能之評估，立德管理學院資源與環境管理所碩士論文，共86頁。
蕭震洋（2003）以類神經網路及數值地形分析潛在危險性的土石流區：南投陳有蘭溪流域為實例，國立台灣海洋大學應用地球物理研究所碩士論文，共135頁。
謝獻仁、盧建昌、廖志中、洪士林、潘以文（1998）類神經網路落石坡危險度分析－以中部橫貫公路谷關至德基段為例（1998）岩盤工程研討會論文集，第365-374頁。
簡李濱（1992）應用地理資訊系統建立坡地安定評估之計量方法，國立中興大學土木工程研究所碩士論文，共114頁。
藍世欽（2000）工程地質因子對道路邊坡穩定性之影響－以南橫公路甲仙至梅山段，國立成功大學資源工程學系碩士論文。
魏鎮東（2001）南橫公路邊坡落石坍方可能性之探討，國立台北科技大學材料及資源工程系碩士論文，共151頁。
羅佳明（2003）GPS/GIS/RS應用於地震災區坡地災害防治工程調查及其風險評估模式之建置與應用，屏東科技大學土木工程系碩士論文，共233頁。
羅偉、吳樂群、陳華玫（1999）五萬分之一台灣地質圖說明書，圖幅第25號：國姓。
羅華強（2001）類神經網路-MATLAB的應用，清蔚科技股份有限公司。
Arias, A.（1970）A measure of earthquake intensity, in Seismic Design for Nuclear Power Plants, R.J. Hansen (Editor), MIT Press, Cambridge, Massachusetts, 438-483.
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.
Hansen, M.J.（1984）Strategies for classification of landslides, Slope instability, 1-25.
Jibson, R.W.; Harp, E.L.; Michael, J.A.（2000）A method for producing digital probabilistic seismic landslide hazard maps,” Engineering Geology , Vol. 58, 71-289.
Juang, C.H.; Jhi, Y.Y.; Lee, D.H.（1998）Stability analysis of existing slopes considering uncertainty, Engineering Geology 49, p.111-122.
Kienholz, H.（1977）Kombinierte Geomorphologische Gefahrenkarte 1:10000 von Grindelwald, Catena, 3, 265-294.
Lee, S.; Min, K.（2001）Statistical analysis of landslide susceptibility at Yongin, Korea, Environmental Geology 40, 1095-1113.
Lee, S.; Ryu, J.H.; Lee, M.J.; Won, J.S.（2003）Use of an artificial neural network for analysis of the susceptibility to landslides at Boun, Korea, Environmental Geology 44, 820-833.
Nagarajan, R.; Roy, A.; Vinod Kumar, R.; Mukherjee, A.; Khire, M.V.（1999）Landslide hazard susceptibility mapping based on terrain and climatic factors for tropical monsoon regions, Bull Eng Geol Env, 275-287.
Sharpe, C.F.S.（1938）Landslide and Related Phenomena, Columbia University Press, New York.
Varnes, D.J.（1978）Landslides analysis and control, transportation, Res. Board Nat. Ac. Sci., Washington Spee. Rep., 176.
Wilson, J.P.; Gallant, J.C.（2000） Digital terrain analysis, In: Wilson, J. P. and Gallant, J. C. (eds.) Terrain Analysis – Principles and Applications, New York: John Wiley & Sons.

指導教授

李錫堤(Chyi-Tyi Lee)

審核日期

2005-7-22

推文