運用降雨量評估山區(qū)公路的坍塌率標準-以阿里山18號公路為例

1、運用降雨量評估山區(qū)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,,1. Introduction2. Characteristics of slopes along Alishan highway3. Analysis methods4. Slope failu

2、re simulation — a case study5. Concluding remarks,2,1. 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(tǒng)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,3,,4,,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),5,2. Char

3、acteristics of slopes along Alishan highway,6,,邊坡穩(wěn)定性的影響因素地形：坡度，坡向，高度，坡形地質：地質構造，基巖巖性，崩積層厚度水文：每日降雨，有效降雨,7,,8,,,,,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

4、里之間。,9,,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(tǒng)（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(wěn)定邊坡，使模型能被訓練得更完善,10,3. 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(yōu))正向傳播：輸入值?輸入層?隱藏層?輸出層?輸出值反向傳播：誤

5、差訊號?輸出層?隱藏層?輸入層遺傳演算法（全局最優(yōu)）→ANN-GA,11,,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,12,,13,ANN-GA計算過程

6、,14,1.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

7、適應度為最好的解決方案,15,4. 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(fā)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(tài)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,16,對崩塌機率(S)和日降雨(Rd)有效降雨(Re)