員林降雨機率的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列必買單品、推薦清單和精選懶人包

混合型演算法於邊坡破壞與土壤液化分析之研究

為了解決員林降雨機率的問題，作者張舜孔 這樣論述：

我國位處地震與颱風災害發生頻繁的區域，因此天然災害的發生率較其他國家為高，但近年來受到氣候變遷的影響，災害的規模與受災範圍均有增加的趨勢，由天然災害所引發的邊坡破壞與土壤液化之大地災害亟待分析與討論，因此，本研究嘗試建構可自我調適的學習模式，利用該模式來研究邊坡穩定與土壤液化兩大地災害。首先本研究以具複數染色體的實數型基因演算法來改善類神經網路的學習能力，完成演化式類神經網路(AENN)的方法建置，再使AENN在學習時能同時對網路結構進行最佳化並達成內部參數的自我調適，開發一新式的演算法：可調適型演化式類神經網路(AAENN)。而後以類神經網路(ANN)、AENN與AAENN對邊坡穩定與土壤

液化問題進行分析，根據分析結果顯示，AENN與AAENN較ANN具有較快的學習速度與較佳的學習結果，顯示AENN與AAENN是成功的模式建構方法。為分析邊坡穩定問題，本研究以省道台18線公路邊坡1992到2001的邊坡資料庫為研究對象，以坡度、坡向、坡型、坡高、風化土層厚度、地層、基岩岩性、當日降雨量與前七天有效累積降雨量為分析因子，透過AENN與AAENN分別建立邊坡破壞分析模式，再進一步根據兩模式建立邊坡崩壞警戒準則，而分析結果顯示兩模式均得到相同警界準則：Re + 2.85Rd = 420 mm (Re：前七天有效累積雨量；Rd：當日降雨量)，顯示當研究區域的降雨量到達此界線後，邊坡的崩

壞率會急遽上升，因此研究區域應發布邊坡崩壞的警戒訊息。最後並與其他類似之警界準則進行比較，並利用研究區域內之實際降雨狀況探討此模式之實用性。另外，為研究土壤液化問題，本研究蒐集世界已發生之土壤液化案例共367筆，以土層深度、土壤單位重Wt、(N1)60、細粒料含量FC、地下水位深度Hw、地震規模Mw以及最大地表加速度amax作為影響因子，並透過AENN與AAENN來分別進行土壤液化模式的建立，再進一步根據兩模式建立評估地震時液化災害發生的可能性之方法，而分析結果顯示兩模式均得到相同的土壤液化率為1之邊界：Mw + 4amax = 7.0 (Mw：地震矩規模；amax：最大地表加速度)，透過此液

化邊界以及推求土壤液化率之公式Lr=1/{1+exp[8-1.9(M_W+4.5a_max ) ]?} (Lr：土壤液化率)，本研究提出一個可評估土壤可能液化範圍的方法，並且以其他引發液化災害的地震事件驗證該分析模式。