文獻回顧 - 應用類神經網路模擬鋼筋混凝土房屋結構容量震譜

震設計方法（Performance-Based Seismic Design）就是在這種背景下產生，此法是一種全新工程概念，包含工程結構物之設計、施工和維護以及設備監測過程要滿足其預估的性能目標。

耐震性能設計（Performance Based Design，PBD）方法要求能夠預估結構承受不同強度地震作用時，這些結構在地震作用下的需求值（Demand），以及結構自身的能力值（Capacity）。尤其當結構進入非彈性階段時，若以承載力作為單獨的指標難以全面描述結構的非彈性性能及破損狀態，因此目前基於性能耐震設計方法的研究主要用位移指標對結構的耐震性能進行控制，稱為基於位移的耐震設計方法（Displacement Based Design，DBD）。功能法著眼於設計程序和最後使用目標，建立出一套設計標準，以期能確保結構物之耐震能力，使結構物具有可預期之耐震性能和安全性與經濟性；主要觀點為將不同安全度要求之各類建築物設定不同之性能目標，並針對各種地震設計水準下結構物之表現進行評估，以確認是否符合結構物之欲其性能水準。

所以，現在在美國、歐洲和日本等國，結構工程界都正在將基於性能或位移的設計概念引進新一代的設計規範中，例如 1995 年美國加州結構工程協會SEAOC（Structural Engineering Association of California）的 Vision2000【6】、1996 年美國應用技術評議會

（Applied Technology Council）ATC-40【7】和 1997 年美國聯邦危機災害管理局（Federal

Emergency Management Agency）FEMA273【33】等文獻中都詳述了這些概念。日本建設省於 1995～1998 年進行了完整之技術研究與發展－『建築結構之新工程計構展』，

此研究主要著重於有關性能設計法之概念性架構；隨後 2000 年日本又將其建築標準修訂為以性能設計為基礎之設計方法【8】。其中側推分析作為實現耐震性能或位移的重要工具。CSI【9】將 SAP2000 分析程式依據美國應用技術評議會發行之 ATC-40 的建議，

以非線性靜力分析的側推分析方法來求取 RC 結構之容量曲線（Capacity Curve）。目前 ETABS 與 SAP2000 結構分析程式亦將 ATC-40 建議之容量震譜非彈性分析方法納

1986 年Army TM-5-809-10-15 針對重要軍方建築而建議之技術手冊，考量兩種等級地震力並間接評估建築物塑性性能【13】。自 1992 年起，美國加州工程師協會（SEAOC）

組成VISION 協會，試著發展一套使建築物具有可預估其功能表現的設計方法。主要為 1992 年美國聯邦災害管理局美國聯邦危機災害管理局（Federal Emergency Management Agency, FEMA）贊助由應用技術委員會（Applied Technology Council, ATC）與其他機構研究引進耐震性能設計理念，ATC-33 試圖將功能性標準化之方法規範化，並以定量的性能表示所使用的性能等級研究。1996 年頒布ATC-40（Applied Technology Council，

1996）【7】，以結構性能（Performance-Based）表現為基礎，針對鋼筋混凝土建築物所制定的一套有效評估與補強準則。ATC-40 規範以結構功能績效設計法與傳統的設計地

8 實驗觀察結果相符。2000 年，Nagao T.等人【16】針對九層樓剛接鋼構結構使用容量譜法進行性能式設計（Performance Based Design）原理之耐震分析。結論顯示在適當之假設下，使用容量譜法可有效完成性能式設計，且可準確評斷該結構物在地震力作用下之耐震性能準則（seismic performance criteria）。內政部建築研究所委託財團法人中興工程顧問社，協助執行建築物耐震性能設計規範相關研究，於 2005 年底，已完成現階段建築結構耐震性能設計規範草案之雛型【17】，案例探討也初步證明其可行性【18】。

2007 年，薛強等人「建築物耐震性能設計採用直接位移設計法之效益」研究報告說明耐

震性能設計應用強度設計法與直接位移設計法之設計流程差異性，並提出一簡便有效之

按例說明計算分析方法，但是文獻中僅提出，由性能點觀察結構受震後之行為，並未探討如何判斷建築物之耐震性能。國家地震中心在2000年～2007年也陸續發表關於現有結構與震後結構補強之研究。2003年，楊斯如【28】根據強度韌性法為基礎，改良ATC-40 反覆迭代的缺點，亦可獲得各種結構性能狀態與地表加速度之間的相互關係。2004年，

張瑜晏【29】依照ATC-40將結構性能的理念導入結構耐震設計與評估，並建立一套建築物耐震能力詳細輔助系統。

ATC-40 容量震譜（Capacity Spectrum）法有三種方法求取建築物耐震性能績效點

【7】，基本上是假設結構之容量（Capacity）與需求（Demand）完全獨立，容量曲線可由 Pushover 分析得到，基底剪力與結構位移容量曲線需轉為ADRS 座標系統，需求曲線可由 ADRS 座標系統下反應譜曲線表示，為了表達出結構塑性行為，反應譜可採用高阻尼比之等效彈性反應譜，應用繪於同一ADRS（Acceleration Displacement Response Spectrum）座標系統（圖 2-1），亦即譜位移 Sd 與譜加速度 Sa 座標系統，可獲得容量與需求兩曲線的交點，此交點即為結構在該需求曲線所反映之地震力作用下之耐震性能績效點。

圖 2-1 容量震譜法

2-3 容量震譜法之概述與發展

容量震譜評估方法是主要是利用結構物之容量震譜及折減之需求震譜的交點來求

得結構物之需求位移或韌性，需求震譜之折減，在ATC-40 之耐震評估法中為利用等值

容量震譜法首先由Freeman 提出【30】【31】，起初是使用規範倒三角形分布側力或以第一震態之震形之側力進行側推分析，建立以譜加速度（Spectral acceleration）與週期（Period）表示的容量曲線，再藉由工址所在的彈性反應譜分析，了解結構物耐震能力。後來Mahaney 引進 ADRS（Acceleration－Displacement Response Spectrum）格式

【32】，是以譜位移 Sd 為橫座標及譜加速度Sa 為縱座標之關係圖，它可以巧妙的將需

靜力彈塑性分析方法（Static Pushover Analysis，簡稱側推分析方法），最早是 1975 年由Freeman 等提出。90 年代初美國科學家和工程師提出了目標性能（Performance-based）

及目標位移（Displacement-based）的設計方法，引起了日本和歐洲同行的極大興趣，側推分析方法開始各方面的研究。一些國家耐震規範也逐漸接受了這一分析方法並納入其中，如美國加州結構工程師協會的SEACC Vision1996;應用技術委員會的 ATC-40;聯邦

應急管理廳（FEMA273&274）【33】;建築抗震安全委員會（BSSC）的 NEHRP;歐洲模式規範（Eurocode-8）;日本的 PPESS 鋼筋混凝土建築結構設計指南等。

靜力彈塑性分析方法亦稱側推分析法，它是一種考慮材料非線性來對建築物的耐震對結構用兩個不同的計算模型進行非線性分析，N 是指非線性（nonlinear），2 代表兩個計算模型。Miranda 於 1991 年論文中採用倒三角之水平側向力分佈型式進行側推分

方法的應用得到了進一步的推廣。一些商業軟體或公益軟體的新版本中也增加了 Push-over 分析的功能，如 NCEER 的 IDARC、SAP2000、ETABS 等等。

2-4-1 側推分析方法原理

側推分析方法作為一種結構耐震能力評價的新方法，主要經由對現有結構或設計方案進行抗側力能力的計算，從而估計其耐震能力。其主要原理是：根據結構的具體情況，

在結構上施加某種分佈的水平力側向力，逐漸增加側向力使結構各構件依次進入塑性，

進而改變整個結構的耐震特性（勁度、自振週期等），然後調整水平力的大小和分佈。

這樣交替往復，直到結構達到預定的破壞（成為不穩定機構或達到目標位移），即可得到建築物的容量曲線（Capacity Curve），達到目標位移的結構內力和變形可作為結構的承載力和變形要求，側推過程中依次求出各構件的承載力和變形，並且與容許值比較，

從而評估結構的耐震性能。而這建立容量曲線之過程亦稱之為非線性靜力側推分析法。

2-5 類神經網路

2-5-1 類神經網路介紹

類神經網路之相關研究早在五十年代起源，其理論一度遭遇瓶頸而蕭條，直到 1982 年加州理工學院的Hopfield 教授提出了一篇突破性的文章，類神經網路才開始蓬勃發展，

最近二十年逐漸發展成熟並應用在許多的領域之中。

Rosenblatt 於 1957 年提出第一種神經網路模式-感知機（Perceptron）模式，它由二元值神經元組成，以此模仿生物的大腦及視覺系統，主要用於理論研究與樣本識別。

Widrow 和 Hoff 於 1960 年提出自適應線性元件（Adaptive Linear Element）模式，它是一種連續值的線性網路。Werbos 於 1974 年深感類神經網路感知機模式欠缺隱藏層的缺點，首先提出倒傳遞類神經網路模式。Rumelhart 等人於 1985 年【34】【35】再次提出著名的倒傳遞類神經網路模式（Back-Propagation Network, BPN），此網路模式之基本原理是利用最陡坡降法（Gradient Steepest Descent Method）的觀念，將誤差函數予以最小

化。Kohonen 於 1980 年提出組織映射圖（Self-Organizing Map）模式，並且在 1988 從該模式衍生出學習向量量化網路（Learning Vector Quantization Network）。Hinton 和 Miller 於 1988 年對霍普菲爾-坦克神經網路在解決最佳化問題時，其收斂最小值和參數設定等問題加以改善。Barnard 於 1992 年探討訓練類神經，網路值目標函數最佳化之各種方法，並提出一個以隨機的觀念所建立的序列演算法。Hagan 和 Menhaj 於 1994 年【36】

根據Kollias 和 Anastassiouh 所建議的概念，提出改良式倒傳遞演算法，此法是將應用與非線性最小平方法的 Levenberg-Marquardt 演算法，配合傳統倒傳遞演算法來訓練前向式類神經網路。

Flood 和 Kartam 於 1994 年提出將類神經網路應用於土木工程上的明瞭性、使用性以及實用性方面的論述，並利用倒傳遞前向式網路訓練，來解決結構分析問題。Narendra 和Parthasarathg 於 1990 年曾驗證類神經網路能有效地使用至非線性動力系統識別中。

Wu 等人【37】以一系列三層樓鋼構架之數值模擬資料，利用倒傳遞神經網路

（Back-Propagation Neural Network, BPN）來描述該結構的破壞狀態。該研究以加速度反應富氏譜以及桿件勁度，分別作為其BPN 之輸入及輸出變數。而 Elkordy 等人【38】

則以模態作為其BPN 之輸入變數，以偵測模擬的結構破壞。

Szewczyk 與 Hajela【39】則應用反傳遞神經網路（Counter-Propagation Neural Network, CPN），以剛架之靜定位移來估算桿件勁度的折減情形。Pandey 與 Barai 【40】

在文檔中應用類神經網路模擬鋼筋混凝土房屋結構容量震譜 (頁 17-31)