姓名

隨著科技的進步，衛星監測技術及神經網路技術趨於完整，可以在邊坡滑動事件發生後快速的進行分析，由於接收資訊的方式為衛星拍攝地表，故能夠減短獲取資料的時間，更能避免勘測地區時發生危險。鑒於以上幾點好處，因此本研究選擇採用DInSAR技術配合神經網路技術，建立降雨與邊坡位移之關係模式，提供相關研究進行參考。本研究蒐集Sentinal衛星所拍攝的影像，以DInSAR技術對2幅SAR影像進行干涉，獲取研究區域的位移圖，透過SAR影像對的拍攝時間，採集雨量站的降雨量，分別蒐集邊坡位移事件發生前10、20、30天累積降雨量及最大時雨量，調整訓練函數、訓練比例、隱藏層神經元數、學習率，獲取最佳的參數配置，將運算結果最佳化，再通過類神經網路建立降雨與邊坡位移之關係模式，並採用Garson算法，根據神經網路各層的權值進行評估各影響因子對邊坡位移的相對重要性，由結果顯示，位移發生前20天累積雨量對邊坡位移量之相對重要性較高，通過類神經網路的訓練與測試，可以精準預測研究區域的位移。