第五章 結論與建議
5.2 建議
1. 根據不同的斷面性質而決定出其曲率韌性容量，建立出評估曲率 韌性容量的神經網路系統。
2. 利用本研究之成果，延伸至多柱式橋梁延伸樁桿件系統來加以分 析。
47
參考文獻
[1] Chai Y.H., “Flexural strength and ductility of extended pile-shafts ─ Ι: analytical model.” Journal of Structural Engineering(ASCE), 128, pp. 586-594, 2002.
[2] Chai Y.H. and Hutchinson T.C., “Flexural strength and ductility of extended pile-shafts ─ ΙΙ: experimental study.” Journal of Structural Engineering(ASCE), 128, pp.595-602, 2002.
[3] Hutchinson T.C., Boulanger R.E., Chai Y.H. and Idriss I.M., “Inelastic seismic reponse of extended pile-shaft-supported bridge structures.”
Report No.PEER02/14, Pacific Earthquake Engineering Research Center(PEER), 2002.
[4] Chai Y.H. and Song S.T., “Assessment of seismic performance of extended pile-shafts.” Earthquake Engineering and Structural Dynamics, 32, pp.1937-1954. 2003.
[5] Song S.T., Chai Y.H. and Budek A.M., “Methodology for preliminary seismic design of extended pile-shafts for bridge structures.” Earthquake Engineering and Structural Dynamics, 35, pp.1721-1738, 2006.
[6] Song S.T., “Limit state analysis and performance assessment of fixed-head concrete piles under lateral loading.” Ph.D. Thesis, University of California, Davis, 2005.
[7] Song S.T., Chai Y.H. and Hale T.H., “Analytical model for ductility assessment of fixed-head concrete piles.” J. Struct. Eng., 131(7), pp.1051-1059, 2005.
[8] Song S.T. and Chai Y.H., “Performance assessment of multi-column
bents with extended pile-shafts under lateral earthquake loads.” The IES Journal A: Civil & Structural Engineering, 1, pp.39-54, 2008.
[9] Song S.T. and Chai Y.H., “Displacement-based seismic design of extended pile-shafts for bridge structures.” Proceeding, 14th World Conference on Earthquake Engineering, China, 10 2008.
[10] Davisson M.T., “Lateral load capacity of piles.” Highway Research Record, 333, pp.104-112, 1970.
[11] Applied Technology Council ATC-32 “Improved Seismic Design Criteria for California Bridges: Provisional Recommendations.”
Redwood City, CA, 1996.
[12] National Earthquake hazards Reduction Program (NEHRP). NEHRP Recommended Provisions for Seismic Regulations for New Buildings and Other Structures, FEMA 368. Washington DC, 2001.
[13] Vidic T., Fajfar P. and Fischinger M., “Consistent inelastic design spectra: strength and displacement.” Earthquake Engineering and Structural Dynamics, 23, pp.507-521, 1994.
[14] Pacific Earthquake Engineering Research Center (PEER). PEER Strong Motion Database 2001.
[15] Everard N.J., “Axial load-moment interaction for cross-sections having longitudinal reinforcement arranged in a circle. ” ACI Structural Journal, 94, pp.695-699, 1997.
[16] Kowalsky M., Priestley M.J.N., MacRae G.A., “Displacement-based design of RC bridge columns in seismic regions.” Earthquake Engineering and Structural Dynamics, 24, pp.1623-1643, 1995.
49
[17] Anderson J. and Rosenfeld E., “Neurocomputing: Foundations of Research.”, 1989.
[18] Rumelhart D. and McClelland J., “Parallel Distributed Processing:
Explorations in the Microstructure of Cognition.”, Vol.1,Cambridge, MA:
MIT Press, 1986.
[19] 賴鴻成，「類神經網路在混凝土材料強度預測之應用」，國立交 通大學，碩士論文，民國八十一年。
[20] 高清雲，「類神經網路在結構主動控制上的應用」，國立交通大 學，碩士論文，民國八十四年。
[21] 李金進，「類神經網路在脈衝式結構主動控制之應用」，國立交 通大學，碩士論文，民國八十五年。
[22] 陳彥伶，「應用類神經網路模擬鋼筋混凝土房屋結構容量震譜」，
國立交通大學，碩士論文，民國九十九年。
[23] 呂夙修，「應用人工智慧技術輔助設計混凝土配比」，國立交通 大學，碩士論文，民國九十九年。
附表
表 3-1 圓柱鋼筋比計算公式(採 Everard [15]方法)
(1) (2) (3) (4) (5) (6)
(7) (8)
(9)
(10)
(11)
(12)
(13)
(14)
51
(15)
(16)
(17) 使用類似詴誤法的方式經由不斷嘗詴找出合適的縱向鋼筋比(在此只 列出公式，詳細說明請參考Everard [15])
表 4-1 鋼筋尺寸相關資料
表 4-2 類神經網路的訓練案例數目與測詴案例數目
表 4-3 三個類神經網路的架構型式
53
表 4-4 三個類神經網路的網路計算值與期望值比較
類神經網路 A
─期望值
D=1.5m T
n=1.7 ρ=0.8
類神經網路 A
─輸出參數
D=1.42m T
n=1.72 ρ=0.97
類神經網路 B
─輸出參數
T
min=1.51 T
max=1.83
初始設計期 望值
μ
Δ=2.28 γ
u=7.55 μ
Φ=6.91
類神經網路 C─輸出參
數
μ
Δ=2.13 ρ=1.32 γ
u=6.92 μ
Φ=6.34
附圖
(a) (b) 圖 1-1 樁基礎(a)與橋梁延伸樁桿件(b)
圖 1-2 利用相當於固定端懸臂樑的概念
55
圖 2-1 將樁桿件的反應分成三種界線(採用 Song [7]之圖)
圖 2-2 橋梁延伸樁桿件設計流程圖(採用 Song 等人 [5]之圖)
57
圖 3-1 地震反應譜(採用[13]方法)
圖 3-2 pga/pgv 與(pga×pgd)/pgv2比值 (採用 PEER 數據，引用[5])
59
圖 3-3 橋梁延伸樁桿件(採用 Song 等人 [5]之圖)
圖 3-4 生物神經元
圖 3-5 人工神經元
61
硬限制轉移函數 對稱硬限制轉移函數
對數雙彎曲轉移函數 正線性轉移函數
線性轉移函數 徑向基轉移函數
飽和線性轉移函數 對稱飽和線性轉移函數
正切雙彎曲轉移函數 三角基底轉移函數
圖 3-6 轉移函數
圖 3-7 類神經網路架構圖
圖 3-8 倒傳遞網路架構─多層前饋網路
63
圖 4-1 類神經網路 A 的設計概念
圖 4-2 類神經網路 B 的設計概念
65
圖 4-3 類神經網路 C 的設計概念
圖 4-4 類神經網路橋梁延伸樁桿件輔助設計與評估系統
67
圖 4-5 類神經網路 A 輸入參數與輸出參數
圖 4-6 類神經網路 B 輸入參數與輸出參數
69
圖 4-7 類神經網路 C 輸入參數與輸出參數
圖 4-8 類神經網路 A 倒傳遞網路架構及採用的轉移函數
圖 4-9 類神經網路 A 神經數目與 R 值比較
0.955 0.96 0.965 0.97 0.975 0.98 0.985 0.99 0.995 1
10 11 12 13 14 15 16 17 18 19 20 21
R值
神經元數目
ANN_A
ANN_A
71
圖 4-10 類神經網路 B 倒傳遞網路架構及採用的轉移函數
圖 4-11 類神經網路 B 神經數目與 R 值比較
0.992 0.993 0.994 0.995 0.996 0.997 0.998 0.999 1
6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
R值
神經元數目
ANN_B
ANN_B
圖 4-12 類神經網路 C 倒傳遞網路架構及採用的轉移函數
圖 4-13 類神經網路 C 神經數目與 R 值比較
73
圖 4-14 類神經網路 A-訓練案例數 5061-訓練收斂圖
圖 4-15 類神經網路 A-訓練案例數 5061-R 值結果
圖 4-16 類神經網路 A-訓練案例數 5061-測詴結果相對誤差圖
75
圖 4-18 類神經網路 A-訓練案例數 9207-訓練收斂圖
圖 4-19 類神經網路 A-訓練案例數 9207-R 值結果
77
圖 4-21 類神經網路 A-訓練案例數 9207-測詴結果迴歸曲線圖
79
圖 4-22 類神經網路 A-訓練案例數 18812-訓練收斂圖
圖 4-23 類神經網路 A-訓練案例數 18812-R 值結果
圖 4-24 類神經網路 A-訓練案例數 18812-測詴結果相對誤差圖
81
圖 4-26 類神經網路 A-訓練案例數 31351-訓練收斂圖
圖 4-27 類神經網路 A-訓練案例數 31351-R 值結果
83
圖 4-29 類神經網路 A-訓練案例數 31351-測詴結果迴歸曲線圖
85
圖 4-30 類神經網路 A-訓練案例數 62866-訓練收斂圖
圖 4-31 類神經網路 A-訓練案例數 62866-R 值結果
圖 4-32 類神經網路 A-訓練案例數 62866-測詴結果相對誤差圖
87
圖 4-34 類神經網路 A–不同訓練案例數平均相對誤差比較圖
5061 9207 18812 31351 62866
平均相對誤差(%)
5061 9207 18812 31351 62866
最大相對誤差(%)
89
圖 4-36 類神經網路 A–不同訓練案例數 R2比較圖
0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 1
5061 9207 18812 31351 62866
R^2
案例個數
R 2 比較圖
樁直徑 週期 鋼筋比
圖 4-37 類神經網路 B-訓練案例數 1130-訓練收斂圖
圖 4-38 類神經網路 B-訓練案例數 1130-R 值結果
91
圖 4-41 類神經網路 B-訓練案例數 4678-訓練收斂圖
圖 4-42 類神經網路 B-訓練案例數 4678-R 值結果
93
圖 4-45 類神經網路 B-訓練案例數 11509-訓練收斂圖
圖 4-46 類神經網路 B-訓練案例數 11509-R 值結果
95
圖 4-49 類神經網路 B–不同訓練案例數平均相對誤差比較圖
1130 4678 11509
平均相對誤差
(%)
1130 4678 11509
最大相對誤差
(%)
案例個數
最大相對誤差比較圖
Tmin Tmax
97
圖 4-51 類神經網路 B–不同訓練案例數 R2比較圖 0.5
0.6 0.7 0.8 0.9 1
1130 4678 11509
R^2
案例個數
R
2比較圖
Tmin Tmax
圖 4-52 類神經網路 C-訓練案例數 5061-訓練收斂圖
圖 4-53 類神經網路 C-訓練案例數 5061-R 值結果
99
圖 4-55 類神經網路 C-訓練案例數 5061-測詴結果迴歸曲線圖
101
圖 4-56 類神經網路 C-訓練案例數 9207-訓練收斂圖
圖 4-57 類神經網路 C-訓練案例數 9207-R 值結果
圖 4-58 類神經網路 C-訓練案例數 9207-測詴結果相對誤差圖
103
圖 4-60 類神經網路 C-訓練案例數 18812-訓練收斂圖
圖 4-61 類神經網路 C-訓練案例數 18812-R 值結果
105
圖 4-63 類神經網路 C-訓練案例數 18812-測詴結果迴歸曲線圖
107
圖 4-64 類神經網路 C-訓練案例數 31351-訓練收斂圖
圖 4-65 類神經網路 C-訓練案例數 31351-R 值結果
圖 4-66 類神經網路 C-訓練案例數 31351-測詴結果相對誤差圖
109
圖 4-68 類神經網路 C-訓練案例數 62866-訓練收斂圖
圖 4-69 類神經網路 C-訓練案例數 62866-R 值結果
111
圖 4-71 類神經網路 C-訓練案例數 62866-測詴結果迴歸曲線圖
113
5061 9207 18812 31351 62866
平均相對誤差(%)
5061 9207 18812 31351 62866
最大相對誤差(%)
圖 4-74 類神經網路 C–不同訓練案例數 R2比較圖
0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 1
5061 9207 18812 31351 62866
R^2
案例個數
R 2 比較圖
位移韌性需求 鋼筋比 水平位移比 曲率韌性需求