道路邊坡整治工法最佳化之決策程序應包含現況調查確認可能影響因子 與崩塌模式、各種整治工法效能分析，以及最佳化設計評估。本章節之內容 主要將針對國內外常見之多變量分析、模糊集方法、類神經網路、層級分析 程序法及評分法等評估方法，進行相關文獻資料彙整。
3.1 多變量分析
多變量分析包括因素分析（Factor Analysis）、集群分析（Cluster Analysis）、鑑別分析（Discriminant Analysis）、與迴歸分析（Regression Analysis）等，其內容在於透過因素分析或集群分析與鑑別分析等方法 檢定影響反應變量之顯著變數因子，最後利用迴歸分析探討單一分析性 反應變量（Y）對 K 個分析性解釋變數（X1,X2,….XK）之線性關係。當 分析性解釋變數僅有一個時（K=1），稱為簡單迴歸分析（Simple
Regression）；解釋變數在兩個以上時（K≥2），則為複迴歸分析（Multiple Regression）。
迴歸分析之假說檢定包括總檢定與邊際檢定，具有一定的流程順 序。總檢定目的在探討「迴歸模式中的所有斜率係數全部為0」的虛無 假說是否成立。當斜率係數不全為0 時，Y 與（X1，X2，X3，….，XK） 才具有某種程度的函數關係，模式也才具有進一步探討的價值，方得進 一步進行邊際檢定，亦即檢定反應變量與每一個解釋變數間是否有顯著 的關係存在。若總檢定結果為接受需無假說，則表示反應變量與多個解 釋變數間，並無足夠證據顯示具有顯著的函數關係，故該模式不值得進 一步加以探討。然而，若是總檢定顯著，邊際檢定結果卻是所有變數均 不具解釋力，則仍舊相當於宣稱模式不適用。關於迴歸模式的配適程 度，則可用複判定係數（Coefficient Multiple Determination，R2）進行 判斷。然當自變數過多時，可能造成R2值提高，卻對於解釋因變數Y
成果報告
未必有意義，此時則需將R2值以自由度調整求得修正複判定係數
（Adjustied Coefficient Multiple Determination），以之判斷模式之配適 度。
成果報告
（confidence）或確定度（certainty），用來描述某一元素x 屬於模糊合A~ 之程度，以0 到 l 的數字來表示之。而歸屬函數則是用來描述整體論域
成果報告
wik：i 輸入訊號與 k 人工神經元的連結權重 uk：輸入訊號與連結權重的集成結果
yk：輸出訊號（Output）
( )
Lϕ ：作用函數
θk：閥值（Threshold）
類神經網路的基本構造為人工神經元，但由於神經元的連結方式與學 習演算法的理論不同，而有許多種類的類神經網路模式。土木工程領域中 常用者為倒傳遞類神經網路，即所謂監督式學習（從問題領域中取得訓練 範例，包括輸入值與輸出值，從中學習輸出與輸入的內在對應規則，以應 用於新的案例，在只有輸入值資料的情況下推論輸出值。分類與預測的問 題適用此種網路，例如疾病診斷與股市預估）與前饋式架構（人工神經元 分層排列，以層為單位，每一層的輸入值只接受前一層的輸出值，每一層 依序排列形成輸入層、隱藏層、輸出層）。
類神經網路的學習流程如下：
1. 決定初始權重。
2. 逐一輸入訓練範例、計算網路輸出值
3. 計算各訓練範例之誤差能量值，並做加總。
4. 檢查誤差能量值是否滿足要求，若滿足則結束，否則繼續步驟 5.。
5. 計算誤差訊號項δ 。
6. 計算權重修正量，並修正權重。
7. 回到步驟 2.，進行下一次訓練。
成果報告
3.4 層級分析程序法
層級分析程序法（Analytic Hierarchy Process, AHP）是將欲評估的複雜 問題，分解成許多因子，將之層級化及結構化後，可以得到簡明的層級分 析架構圖，經由對此問題學有專精或極具經驗的學者專家們，透過問卷調 查的方式，匯集所有專家的意見，將複雜的問題，由高層次往低層次，對 所有因子用名目尺度（Nominal Scale）作成對比較（Pairwise Comparisons），
建立成對比較矩陣，求出層級因子的優先權重（Priority），並檢核其一致性
（Consistency）。從之可以得到層級分析架構圖中每一層級的每個因子之權 重，最後再進行整體層級一致性檢定。通過一致性檢定的結果可提供決策 者對此問題作整體評斷。AHP 法強調決策者的直覺判斷，以及決策過程中 每兩兩因子成對比較的一致性，決策過程以專家的知識及經驗為基礎，AHP 法的結果與決策者的行為十分符合。由於AHP 需將各層級之所有因子作成 對比較，故利用表格方式來簡化問卷，方便填表人填寫。在 AHP 中各因子 之處理程序是藉由對相同層級中的所有因子進行成對比較，以得到成對比 較矩陣，在成對比較時，AHP 採用名目尺度對每一層級因子間的成對比較 評比，依Saaty 之建議，將名目尺度劃分為等強（Equal Strong）、稍強（Week Strong）、頗強（Strong）、極強（Very Strong）、絕強（Absolute Strong），另 外四個尺度介於上述五尺度之間，共有九個尺度，分別賦與 1～9 之比重 值。同樣地，劣勢比較亦可劃分為九個名目尺度，分別賦與 1～1/9 之比重 值。AHP 作業流程包括：
1. 確立欲評估之問題。
2. 蒐集影響因子。
3. 將評估因子層級化。
4. 設計問卷。
5. 訪談專家並填寫問卷。
成果報告
6. 建立成對比較矩陣。
7. 計算權重值。
8. 一致性檢定。
9. 整體層級一致性（Consistency Ratio of the Hierarchy, CRH）檢查 10. 結果提供決策者使用。
此方法於建立坡地防災模式之應用包括廖郁玟（2000）對於坡地社區 安全性之評估。
3.5 評分法
評分法為層級分析程序法之雛型，不同點在於所欲評估的問題只分解 成單一層級之許多因子，同時因子之優先權重並不透過成對比較之方式來 建立，而是以主觀評分之方式建立。本方法是透過使用者對問題之了解與 分析，將問題之影響因子列出，再邀請對此問題學有專精或極具經驗的學 者專家或實際工作參予者們，透過問卷調查的方式，匯集所有專家的意見，
對所有因子對問題之影響程度給予評分，從之可以得到每個因子之平均權 重評分。此法強調決策者的直覺判斷，以及決策過程中專家的知識及經驗。
更重要的是此法應予以不斷地回饋修訂，藉由定期更新資料之取得將評估 模式中之因子或其權重評分加以修訂。此法之作業流程包括：
1. 確立欲評估之問題 2. 蒐集影響因子 3. 設計問卷
4. 訪談專家並填寫問卷 5. 計算評分權重
6. 結果提供使用
成果報告
3.5 小結
綜合上述彙整之多變量分析、模糊集法、類神經網路、層級分析程序 法、評分法等評估方法，然各種方法皆有其適用性及優缺點，故本研究報 告在評估養護基層工程師之接受度與後續執行之可行性後，於道路邊坡崩 塌最佳化設計評估模式（詳第五章）中，將採以工程師容易上手且接受度 高之評分法進行評估，並參考陳榮河等（1997）依據 Wyllie（1987）提出 之落石風險評分方法製作評分表格進行評分。
成果報告