210 likes | 347 Vues
運用降雨量評估山區公路的坍塌率標準 - 以阿里山 18 號公路為例. Shun-Kung Chang , Der-Her Lee , Jian-Hong Wu , C Hsein Juang 7100042026 翁秉瑞. 1. Introduction 2. Characteristics of slopes along Alishan highway 3. Analysis methods 4. Slope failure simulation — a case study 5. Concluding remarks. 1. Introduction.
E N D
運用降雨量評估山區公路的坍塌率標準-以阿里山18號公路為例運用降雨量評估山區公路的坍塌率標準-以阿里山18號公路為例 Shun-Kung Chang , Der-Her Lee , Jian-Hong Wu , C Hsein Juang 7100042026 翁秉瑞
1. Introduction 2. Characteristics of slopes along Alishan highway 3. Analysis methods 4. Slope failure simulation — a case study 5. Concluding remarks
1. Introduction • 造成18號公路崩塌的原因大部分因降雨而起,加上旅客,車輛來往頻繁,因而運用簡單的方法來做早期的預警系統 • 本文運用ANN(類神經網路)分析降雨和阿里山公路崩塌率的關係
建立模型 • 103個道路坍方例子 • 首先運用ANN和GA混合演算法→產生進化型類神經網路(AENN)
邊坡穩定性的影響因素 • 地形:坡度,坡向,高度,坡形 • 地質:地質構造,基岩岩性,崩積層厚度 • 水文:每日降雨,有效降雨
雨量記錄分別由三測站分段測得 • 雨量站1(觸口雨量站)提供的降水數據沿公路20公里和45公里之間 • 雨量站2(奮起湖雨量站)提供的降水數據沿45公里和65公里之間 • 雨量站3(阿里山雨量站)提供降水資料65公里和75公里之間。
地形因素:由航照及計算匯出地形圖 • 地質因素:地質圖由地理信息系統(GIS)庫存獲得。 • 103種各有不同的9種因素存在影響,所以人為製造103種穩定邊坡,使模型能被訓練得更完善
3. Analysis methods • 類神經網路(ANN)已被用於評估土石災害,如山崩,邊坡破壞和土石流動是一種有效的方法評估失效概率的實證模型 • 反向傳播演算法(局部最優) • 正向傳播:輸入值輸入層隱藏層輸出層輸出值 • 反向傳播:誤差訊號輸出層隱藏層輸入層 • 遺傳演算法(全局最優)→ANN-GA
Genetic algorithm • 又稱為基因演算法 • 1975年由John Holland(1975)所提出 • 主要目的在於利用達爾文進化演論”物競天擇,適者生存”的方式 • 為一種有效的最佳化搜尋方法 • 近來被廣泛的應用於搜尋各類問題的最佳解 • 藉由生物物種的基本運算子,在每代間進行演化,終而尋得適當問題的最佳解 • 本文採用2進位編碼
ANN-GA計算過程 1.生成特定框架的ANN與神經元 Ni→輸入層,Nh→隱藏層,No→輸出層,Pc→交配機率,Pm→突變機率 2.訓練和測試數據 3.隨機生成初始2種染色體的種群 4.使用類神經網路的輸出來計算個別適合度函數
5.留下最佳適合度的個體 6.評估與測試最佳適應度的數據 7.從配對池中擇一和0-1的範圍隨機產生一組數據做交配 8.交配和變異後產生新的族群,4-7是一個不斷演化的過程,不斷演化到和預先的設定值相同,此時的最佳適應度為最好的解決方案
4. Slope failure simulation — a case study • 邊坡破壞率和降雨關係 • 維持7個敏感因素,只改變降雨觸發因素 • 日降雨從0-892內,以每45mm遞增 • 有效降雨從0-1963內,以每98mm遞增 • 共產生441種降雨型態給真實的103種邊坡做測試破壞 • “slump rate”→由這441種降雨型式對103種實際案例做變化
對崩塌機率(S)和日降雨(Rd)有效降雨(Re)做迴歸分析對崩塌機率(S)和日降雨(Rd)有效降雨(Re)做迴歸分析
獲取崩塌臨界點→將(14)式重新排列 • a=5−0.025Rd b=0.00875
以Rd=50為例 • Rd=50mm Re=280mm 最低曲率變化點P
5. Concluding remarks • 本方法的適應地點和改進 • ANN-GA的探討 • 從生成到產製結果的問題 • 此研究方法的效益