類神經網路 A

分別採用五組不同數目之訓練案例來對類神經網路 A 作訓練，再 使用測詴案例來作分析(如表 4-2)。訓練結果與測詴結果如下：

a.訓練案例數目為 5061 組 類神經網路之訓練結果：

採用比例共軛梯度演算法來訓練網路。在訓練次數為 3364 次時 達到收斂，如圖 4-14。訓練 R 值結果為 0.98436，如圖 4-15。

類神經網路之測詴結果：

測詴案例數目為 900 組，分別比較期望值與網路輸出的平均相對 誤差、最大相對誤差，還有判定係數(R²)。樁桿件直徑(D)的平均相對 誤差為 3.65%，最大相對誤差為 24.69%，判定係數(R²)為 0.9549。系 統彈性週期(Tn)的平均相對誤差為 4.45%，最大相對誤差為 19.84%，

判定係數(R²)為 0.8868。縱向鋼筋比(ρ) 的平均相對誤差為 11.98%，

最大相對誤差為 199%，判定係數(R²)為 0.8426。如圖 4-16、圖 4-17。

b.訓練案例數目為 9207 組 類神經網路之訓練結果：

採用比例共軛梯度演算法來訓練網路。在訓練次數為 2567 次時 達到收斂，如圖 4-18。訓練 R 值結果為 0.97924，如圖 4-19。

類神經網路之測詴結果：

33

測詴案例數目為 900 組，分別比較期望值與網路輸出的平均相對 誤差、最大相對誤差，還有判定係數(R²)。樁桿件直徑(D)的平均相對 誤差為 3.37%，最大相對誤差為 23.96%，判定係數(R²)為 0.9597。系 統彈性週期(T_n)的平均相對誤差為 3.58%，最大相對誤差為 30.64%，

判定係數(R²)為 0.9303。縱向鋼筋比(ρ) 的平均相對誤差為 10.6%，最 大相對誤差為 90.16%，判定係數(R²)為 0.8924。如圖 4-20、圖 4-21。

c.訓練案例數目為 18812 組 類神經網路之訓練結果：

採用比例共軛梯度演算法來訓練網路。在訓練次數為 3233 次時 達到收斂，如圖 4-22。訓練 R 值結果為 0.97969，如圖 4-23。

類神經網路之測詴結果：

測詴案例數目為 900 組，分別比較期望值與網路輸出的平均相對 誤差、最大相對誤差，還有判定係數(R²)。樁桿件直徑(D)的平均相對 誤差為 3.01%，最大相對誤差為 26.00%，判定係數(R²)為 0.9655。系 統彈性週期(T_n)的平均相對誤差為 3.42%，最大相對誤差為 19.01%，

判定係數(R²)為 0.9347。縱向鋼筋比(ρ) 的平均相對誤差為 10.97%，

最大相對誤差為 58.3%，判定係數(R²)為 0.8765。如圖 4-24、圖 4-25。

d.訓練案例數目為 31351 組 類神經網路之訓練結果：

採用比例共軛梯度演算法來訓練網路。在訓練次數為 5165 次時 達到收斂，如圖 4-26。訓練 R 值結果為 0.98533，如圖 4-27。

類神經網路之測詴結果：

測詴案例數目為 900 組，分別比較期望值與網路輸出的平均相對 誤差、最大相對誤差，還有判定係數(R²)。樁桿件直徑(D)的平均相對 誤差為 3.59%，最大相對誤差為 25.68%，判定係數(R²)為 0.9601。系 統彈性週期(T_n)的平均相對誤差為 2.97%，最大相對誤差為 17.07%，

判定係數(R²)為 0.9511。縱向鋼筋比(ρ) 的平均相對誤差為 9.37%，最 大相對誤差為 54.34%，判定係數(R²)為 0.9049。如圖 4-28、圖 4-29。

e.訓練案例數目為 62866 組 類神經網路之訓練結果：

採用比例共軛梯度演算法來訓練網路。在訓練次數為 15887 次時 達到收斂，如圖 4-30。訓練 R 值結果為 0.98502，如圖 4-31。

類神經網路之測詴結果：

測詴案例數目為 900 組，分別比較期望值與網路輸出的平均相對 誤差、最大相對誤差，還有判定係數(R²)。樁桿件直徑(D)的平均相對 誤差為 2.82%，最大相對誤差為 23.26%，判定係數(R²)為 0.9764。系 統彈性週期(T_n)的平均相對誤差為 2.98%，最大相對誤差為 20.26%，

判定係數(R²)為 0.9465。縱向鋼筋比(ρ) 的平均相對誤差為 8.35%，最 大相對誤差為 48.04%，判定係數(R²)為 0.9321。如圖 4-32、圖 4-33。

35

f.不同訓練案例數目比較與討論

將五組不同訓練案例數目對類神經網路作訓練而得到的測詴結 果，分別對平均相對誤差、最大相對誤差、判定係數(R²)作比較，如 圖 4-34、圖 4-35、圖 4-36。由圖中可以發現隨著訓練案例數目的增 加，測詴結果也越來越好，其中樁桿件直徑(D)與系統彈性週期(T_n) 的平均相對誤差雖然逐漸下降，但幅度較小，而最大相對誤差則是明 顯下降許多，至於縱向鋼筋比(ρ)不論是平均相對誤差、最大相對誤差 或判定係數(R²)皆有的顯著的變佳趨勢。

其中挑選測詴結果最佳，訓練案例數目為 62866 組的情況來做討 論，一般設計情況下，樁桿件直徑(D)範圍通常差不多介於 1~3(m)，

故平均相對誤差小於 5%已算是相當準確的結果，最大相對誤差若達 20%也算可以接受的範圍。至於系統彈性週期(Tn)的範圍通常位於 1.5~2(s)之間，因此，平均相對誤差小於 5%算是相當準確的結果，最 大相對誤差 20.26%也是可以接受的範圍。而 ACI318-02 規範規定縱 向鋼筋比(ρ)需介於 0.75%~4%之間，故平均相對誤差小於 10%算是很 好的結果，而最大相對誤差卻達 48.04%則不算滿意的結果，但由測 詴結果(圖 4-32)中可以發現，只有少數測詴案例有此反應，故以最後 三個網路計算輸出結果來說，判定係數(R²)皆達 0.9 以上，顯示類神 經網路 A 具有一定的可靠性與精確度。