姓名:何康綸 學號:M 指導教授:楊朝平 博士

Presentation on theme: "姓名:何康綸 學號:M 指導教授:楊朝平 博士"— Presentation transcript:

1 姓名:何康綸 學號:M09504009 指導教授:楊朝平 博士
中華大學 土木與資訊工程學系 大地組 土壤行為學 姓名:何康綸 學號:M 指導教授:楊朝平 博士

2 大綱 (一)類神經網路 (二) 以類神經網路理論評估員林地區液化情況之研究 (三) 用類神經網路建立之SPT為主之臨界液化曲線
中華大學 土木與資訊工程學系 大地組 大綱 (一)類神經網路 (二) 以類神經網路理論評估員林地區液化情況之研究 (三) 用類神經網路建立之SPT為主之臨界液化曲線 (四)類神經網路在土壤液化評估之研究 (五)文獻 (六)結論

3 (一)類神經網路 1-1 介紹類神經網路 1-2 為何使用類神經網路 1-3 類神經網路的特性 1-4 類神經網路解決問題
中華大學 土木與資訊工程學系 大地組 (一)類神經網路 1-1 介紹類神經網路 1-2 為何使用類神經網路 1-3 類神經網路的特性 1-4 類神經網路解決問題 1-5 類神經網路的發展史

4 (一)類神經網路 類神經網路屬於人工智慧(Artificial Intelligence) ﹐AI 重要一支。
中華大學 土木與資訊工程學系 大地組 (一)類神經網路 1-1介紹類神經網路 類神經網路屬於人工智慧(Artificial Intelligence) ﹐AI 重要一支。 類神經網路(Artificial Neural Networks﹐ANNs)或譯為人工神經網路，其主要的基本概念是嘗試著模仿人類的神經系統。 ANNs起源於1950年代，當時科學家模擬人類大腦的組織的運作方式，提出類神經網路的雛型，稱之為「感知器」。 在1980年代之後，由於(Hopfield)神經網路(1982年)被提出，類神經網路理論才受重視。

5 (一)類神經網路 3.解決最佳化、非線性系統問題。 4.具容錯特性。 5.具平行處理能力。 1.聯想速度快。 2.網路架構容易維持。
中華大學 土木與資訊工程學系 大地組 (一)類神經網路 1-2為何使用類神經網路 1.聯想速度快。 類神經網路訓練過程久，雖然要調整確定權重值，才能作輸入與輸出資料的 預測，其速度比傳統模式快。 2.網路架構容易維持。 類神經網路的架構較為開放，其維護與升級方式容易，只要加入最新的資訊並調整其架構，經重新訓練後即可符合未來需求。 3.解決最佳化、非線性系統問題。 當問題無法以演算法來處理或是處理上相當費時，利用神經網路可以有不錯的成效。 4.具容錯特性。 因類神經網路的所有神經元，在網路運算中都會以分散平行的方式參予問題之解決，故當輸入資料混雜少許雜訊干擾，仍不影響網路運作的正確性。 5.具平行處理能力。 類神經網路以生物的樹狀神經網路為藍本設計的，仿照生物神經具平行處理的特性。

6 (一)類神經網路 1.學習(learning) 2.回想過程(recall) 3.歸納演算過程(generalization)
中華大學 土木與資訊工程學系 大地組 (一)類神經網路 1-3類神經網路的特性 1.學習(learning) 類神經網路可隨外在環境的變化來改變它的行為模式。為了使類神經網路能在動態環境中發揮，強化或是抵銷輸入變數的刺激，適當的學習模式是類神經網路系統的基本條件。 即時線上學習(on-line learning) 即依據新增或即時的資訊，不斷地修正調整網路的連結權重值。 批次學習(batch learning) 先將網路訓練好才能開始使用網路，因所有的訓練資料是一次一整批的用 於修正網路的連結權重。 2.回想過程(recall) 當類神經網路接受到一個輸入刺激，進而依據網路架構產生一個輸出值時，稱此過程為回想過程。 3.歸納演算過程(generalization) 歸納演算法式從一個系統中局部觀察描述出其整體特性的過程；不論從 特殊例子推演到整體的事件，或是從一個或數個範例的認知去定義出物件的種類。

7 (一)類神經網路 最佳化(optimization) 辨識/分類(recognition/classification)
中華大學 土木與資訊工程學系 大地組 (一)類神經網路 1-4 類神經網路解決的問題 最佳化(optimization) 辨識/分類(recognition/classification) 預測(prediction) 評估、診斷/決策(diagnosis/decision) 聯想(association) 近似(approximation) 歸納演算(generalization)

8 (一)類神經網路 中華大學 土木與資訊工程學系 大地組
中華大學 土木與資訊工程學系 大地組 (一)類神經網路 1-5類神經網路的發展史 心理學家McCulloch和數學家Pitts共同提出類神經網路最早的數學式。(1943) Hebb對神經元間的連結提出修改規則，在他的著作Organization of Behavior 中指出，神經元間的連結強度不斷地被強化。(1949) 一個人工智慧的研究專案(Dartmouth Summer Research Project) ，對神經網路的研究有進一步的助益。(1956) 康乃爾的神經生物學家Rosenblatt，對於蒼蠅因其複眼的運作具有逃避閃躲的能力大感興趣，進而提出感知器觀念，最古老使用的類神經網路。(1958) Hopfieid 提出了HNN網路，網路中首先引用了能量函數的觀念，作為判定網路的穩定性的依據，他的研究論文亦推動了類神經網路的研究。(1982) McClelland 與 Rumelhart 共同編著的“Parallel Distributed Processing : Explorations in the Microstructure of Cognition”一書，加入平行分散式計算技巧。(1986) Psaltis 等所發表的 Neural Controllers，可說是最早將類神經網路應用於控制系統上的理論。(1987)

9 (二) 以類神經網路理論評估員林地區液化情況之研究
中華大學 土木與資訊工程學系 大地組 (二) 以類神經網路理論評估員林地區液化情況之研究 2-1 前言 2-2 鑚孔資料簡介 2-3 地震特性參數 2-4 程式倒傳逆類神經網路建構 2-5 程式分析方法與結果

10 (二) 以類神經網路理論評估員林地區液化情況之研究
中華大學 土木與資訊工程學系 大地組 (二) 以類神經網路理論評估員林地區液化情況之研究 2-1 前言 『類神經網路』應用於土木工程之研究領域主要有以下六項： 1、土壤與岩體分類 2、土壤行為模型建模 3、岩石行為模型建構 4、地盤調查現地試驗 5、開挖檔土基樁工程 6、土壤液化潛能評估

11 (二) 以類神經網路理論評估員林地區液化情況之研究
中華大學 土木與資訊工程學系 大地組 (二) 以類神經網路理論評估員林地區液化情況之研究 2-2 鑽孔資料簡介 針對亞新工程顧問公司對彰化縣員林鎮、大村鄉及社頭鄉三地，進行土壤液化現狀調查，所得鑽孔BH-1到BH-50等50孔資料分析。

12 (二) 以類神經網路理論評估員林地區液化情況之研究
中華大學 土木與資訊工程學系 大地組 (二) 以類神經網路理論評估員林地區液化情況之研究 2-3 地震特性參數

13 (二) 以類神經網路理論評估員林地區液化情況之研究
中華大學 土木與資訊工程學系 大地組 (二) 以類神經網路理論評估員林地區液化情況之研究 2-4 程式倒傳遞類神經網路建構

14 (二) 以類神經網路理論評估員林地區液化情況之研究
中華大學 土木與資訊工程學系 大地組 (二) 以類神經網路理論評估員林地區液化情況之研究 2-5 程式分析方法及結果

15 (三) 用類神經網路建立之SPT為主之臨界液化曲線
中華大學 土木與資訊工程學系 大地組 (三) 用類神經網路建立之SPT為主之臨界液化曲線 3-1 研究背景 3-2 類神經網路應用於液化能評估之回顧 3-3 資料庫建立與類神經網路應用 3-4 案例分析 3-5 結論與建議

16 (三) 用類神經網路建立之SPT為主之臨界液化曲線

17 (三) 用類神經網路建立之SPT為主之臨界液化曲線
中華大學 土木與資訊工程學系 大地組 (三) 用類神經網路建立之SPT為主之臨界液化曲線

18 (三) 用類神經網路建立之SPT為主之臨界液化曲線
中華大學 土木與資訊工程學系 大地組 (三) 用類神經網路建立之SPT為主之臨界液化曲線

19 (三) 用類神經網路建立之SPT為主之臨界液化曲線
中華大學 土木與資訊工程學系 大地組 (三) 用類神經網路建立之SPT為主之臨界液化曲線

20 (三) 用類神經網路建立之SPT為主之臨界液化曲線
中華大學 土木與資訊工程學系 大地組 (三) 用類神經網路建立之SPT為主之臨界液化曲線

21 (四)類神經網路在土壤液化評估之研究 4-1 類神經網路的特性 4-2 研究方法 4-3 網路訓練所選用的液化參數 4-4 類神經網路的建構
中華大學 土木與資訊工程學系 大地組 (四)類神經網路在土壤液化評估之研究 4-1 類神經網路的特性 4-2 研究方法 4-3 網路訓練所選用的液化參數 4-4 類神經網路的建構 4-5 網路預測結果 4-6結論

22 中華大學 土木與資訊工程學系 大地組 (四)類神經網路在土壤液化評估之研究

23 中華大學 土木與資訊工程學系 大地組 (四)類神經網路在土壤液化評估之研究

24 中華大學 土木與資訊工程學系 大地組 (四)類神經網路在土壤液化評估之研究

25 中華大學 土木與資訊工程學系 大地組 (四)類神經網路在土壤液化評估之研究

26 中華大學 土木與資訊工程學系 大地組 (四)類神經網路在土壤液化評估之研究

27 中華大學 土木與資訊工程學系 大地組 (四)類神經網路在土壤液化評估之研究

28 中華大學 土木與資訊工程學系 大地組 類神經網路在土木工程之文獻 類神經網路(Artificial Neural Network, ANN) 自1943 年發展至今，直到80 年代末，國外才開始有土木工程相關領域之研究，且到90 年代中期，才陸續有學者嘗試以倒傳遞網路之特性對現地複雜土壤進行土壤液化分類預測。 1994年Flood曾在Journal of Computing in Civil Engineering上發表兩篇文章。

29 中華大學 土木與資訊工程學系 大地組 類神經網路之設計 Goh (1994)針對現地試驗求得SPT-N 值，利用三層倒傳於人口及工業設施密集之區域，若上述砂性土壤靠近地表面遞網路建立訓練模式，藉由改變輸入層與隱藏層神經元個數之關係，以找出最佳化網路架構。在以SPT-N 為主要考慮參數方面，結果顯示以輸入層神經元8 個，配合隱藏層神經元8 個，可得最佳化學習網路；而在以CPT-qc 為主要考慮參數所建立之類神經網路，則以輸入層個數5 個與隱藏個數5 個，為學習模式最簡單且預測準確性最高之網路架構。

30 文獻回顧 [1]Juang, C.H., C.J. Chen, D.V. Rosowsky and W.H. Tang,
中華大學 土木與資訊工程學系 大地組 文獻回顧 [1]Juang, C.H., C.J. Chen, D.V. Rosowsky and W.H. Tang, “CPT-based liquefaction analysis, Part 2: Reliability for design ”, Geotechnique, Vol. 50, No. 5, pp (2000) [2]Kramer, Steve, Geotechnical Earthquake Engineering, Prentice-Hall International Series in Civil Engineering and Engineering Mechanics, New Jersey. (1996) [3]Lin, C-C. J., “A Neural Network Based Methodology for Generating Spectrum Compatible Earthquake Accelerograms”, Ph.D. thesis, Department of Civil Engineering, University of Illinois at Urbana-Champaign, Urbana, IL, Dec(1999) [4]Liquefaction Resistance of Soils:Summary Report from the 1996 NCEER and 1998 NCEER/NSF Workshops of Evaluation of Liquefaction Resistance of Soils .(1998)

31 文獻回顧 [5]Ghaboussi, J. and Lin, C-C. J. “A New Method of
中華大學 土木與資訊工程學系 大地組 文獻回顧 [5]Ghaboussi, J. and Lin, C-C. J. “A New Method of Generating Earthquake Accelerograms Using Neural Network” International Journal For Earthquake Engineering and Structural Dynamics, Vol.27 Issue 4, (1998) [6]Juang,C.H., Chen, C.J., and Tien, Y.M., “Appraising CPT-Based Liquefaction Resistance Evaluation Methods-Artificaial Neural Network Approach,” Canadian Geotechnical Journal,Vol.36,No.3,pp (1999) [7]Goh, Anthony, T.C. “Seismic liquefaction potential assessed by neural networks,” Journal of Geotechnical Engineering, ASCE, Vol.120, No.9,pp (1994) [8]Goh, Anthony, T.C. “Nerual-network modeling of CPT seismic liquefaction data,” Journal of Geotechnical Engineering, ASCE, Vol.122, No.1,pp.70-73(1996)

32 文獻回顧 [9]張朝盛，土壤液化潛能之類神經網路分析，國立交通大 學土木研究所論文(2000)
中華大學 土木與資訊工程學系 大地組 文獻回顧 [9]張朝盛，土壤液化潛能之類神經網路分析，國立交通大 學土木研究所論文(2000) [10]黃俊鴻，楊志文，以集集地震案例資料建立土壤臨界液 化強度曲線，中國土木水利月刊(2001) [11]唐瑋廷，砂性土壤液化潛能評估-模糊類神經網路，國立 台灣大學土木研究所論文(2001) [12]倪勝火，九二一集集大第震後續短期研究-921 地震引致 中部縣市土壤液化地區之調查，國家地震工程研究中心(2000) [13]吳俊彥，台灣地區砂性土壤液化潛能之初步分析，國立 台灣大學土木研究所碩士論文（1996） [14]辜炳寰，類神經網路於土壤液化評估之應用，國立成功 大學碩士論文（2001）

33 文獻回顧 [15]劉欣政，R&W液化評估法在員林地區之應用成效研究，私立義守大學碩士論文（2005）
中華大學 土木與資訊工程學系 大地組 文獻回顧 [15]劉欣政，R&W液化評估法在員林地區之應用成效研究，私立義守大學碩士論文（2005） [16]盧政男，新生地液化與沉陷之研究，私立義守大學碩士論文（2006） [17]駱尚廉.盧瑞山，類神經網路於土壤復育工程之應用，國立台灣大學教授， 財團法人中興工程顧問社（2000） [18]張菲章.張麗秋，類神經網路，國立台灣大學教授， 私立淡江大學教授（2003） ，台灣東華書局(1-21頁)

34 謝謝老師的指導 END