姓名

本研究以有限元素軟體ABAQUS進行模擬二種缺陷與完整含樁帽群樁，缺陷形式包括劣質(模擬基樁破裂)與斷裂，以數值模擬群樁之振動反應，將訊號進行連續小波轉換得出其時頻圖，以上述三種型態群樁之時頻圖進行分類型卷積神經網路訓練，建立含樁帽之群樁缺陷形式分類網路。本研究分析網路參數對缺陷形式網路訓練成效之影響，調整網路模型、學習優化器、迭代次數、批次大小與訓練比。缺陷分類網路時以SqueezeNet網路、adam優化學習器、迭代次數20、批次大小12，訓練比0.9為最佳訓練參數；長度分類網路時以SqueezeNet網路、adam優化學習器、迭代次數22、批次大小8、訓練比0.9為最佳訓練參數；缺陷分類網路與長度分類網路訓練時，皆以訓練集之10%進行測試，準確率分別為100%與95.16%。以現場群樁檢測數據之分類測試，若以多種樁長進行訓練之缺陷分類網路成效較差，惟在斷裂形態時判斷較為準確，但無法有效檢測出正常與劣質形態；若只以3米樁長之數據進行網路訓練在分類上優於以全部樁長進行訓練之網路。若以樁長進行分類，其分類網路可完全分類現場檢測之之群樁長度。