| 姓名 | 許萬榮(Won-rom Hsu) | 電子郵件信箱 | E-mail 資料不公開 | |
| 畢業系所 | 營建工程系碩士班(Department and Graduate Institute of Constrction Engineering) | |||
| 畢業學位 | 碩士(Master) | 畢業時期 | 91學年第2學期 | |
| 論文名稱(中) | 分別以類神經網路與統計分析溪流發生土石流潛勢度 | |||
| 論文名稱(英) | Using neural network and traditional statistic to respectively predict debris flow | |||
| 檔案 |
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。 |
論文使用權限 | 校內外完全公開 | |
| 論文語文/頁數 | 中文/60 | |||
| 摘要(中) | 研究中，分別以類神經網路與傳統統計等兩種方法，以預測溪流發生土石流之潛勢度。類神經網路使用之演算方法為LMBP（Levenberg-Marquardt Backpropagation），所得預測準確率高達96.3%。傳統統計使用之分析法為線性區別分析(Linear Discriminant Analysis, LDA)，以及非線性區別之logit。LDA得到33.3%之預測準確率，而logit得到完全失敗的預測。初始輸入變數，乃考慮A15（有效集水面積）、Ac（溪流上游崩塌面積/總面積）、地質性質（G）、L（集水面積內之斷層長／集水面積1/2）。其中，A15屬於水文與地形條件。Ac、G、L皆是屬於地質條件。水文、地形、地質等條件，乃是造成土石流三大必備條件。而此些變數乃依據成大防災中心。但是，為了以LDA來獲得重要變數。因此，改變原來變數的型態。結果，以LMBP分析得變數相對重要性依序為Ac、L1/2與G1（廣域變質岩）、A151/2。經過驗證，此排序結果與實際狀況是相吻合的。又地質性質中，僅有廣域變質岩被列為重要變數。此與日本建設省土木研究所之研究結果相同。由此可知，台灣與日本於發生土石流之原理，有部分相同之處。 | |||
| 摘要(英) | In the study, two methods are employed to predict debris flows in Taiwan. Neural network and traditional statistic methods are used. For neural network, the implemented algorithm is Levenberg-Marquardt Back-propagation (LMBP). For statistic methods, linear discriminated analysis/Fisher rule, and nonlinear discriminated analysis/logit are used. Comparing the results, the accuracy of LMBP is 96.3%, and Fisher rule is 33.3%. As for logit method, the results are unavailable. The factors, effective area of basin (A15), geology properties(G), fault length(L), collapse area(Ac), are employed as input factors. The factor, A15 is attributed to topology and hydrology condition. The other variables are attributed to geology condition. From this research, the important variables are Ac, metamorphic rocks and L1/2, A151/2. | |||
| 關鍵字(中) |
|
關鍵字(英) |
| |
| 指導老師 |
| |||