• 沒有找到結果。

碎形維度在資料分析上的研究

N/A
N/A
Protected

Academic year: 2021

Share "碎形維度在資料分析上的研究"

Copied!
131
0
0

加載中.... (立即查看全文)

全文

(1) . . . . . . . . . . . . . . . . .

(2).

(3). .  . .  .  .  . . . . . .  .  . .  . . .  . 

(4)   .       . . . . . . !. ". . #. $. %. &. '. ()(* . .

(5)   . . . . . . 6. 0. !. .7. . . " 8. #. 9. $. :. %.

(6). . . &'(. ;<

(7). . .  P . . )*+. =>. ?. @. , A. B. 4. . . ./ C. 0. D. . 1. E. 23. ?.  P. 

(8). @. %. A. 4. B. F. G. 5 .H. IJK . . L. M. N. UV;<

(9).  . !. ‚. Z V+. W. . f. .umv. ƒ„. . /. dc3. 0. %. 1. . l. W. X. h. JK. Tw. Y. Z. &'. m nokm p q. . O. ƒ„. ‡. ˆ. †. ‰. 2[. r. ycb z bb{km p x. &'N. 23. A. q. ¢. B. v. G. /

(10). /. l. Tbc=>. ’. . u~. — P %. œ F. ¦. %. Žekm p. 2–. {ekm p. i¡. /. t. o m‘. @. TK. g&'W. k. †. RS. . Y. .j. Q. \. s. ]. q. |. }. 

(11). . ^. P . t. . yce z^. ~. _x. . . .3. l T¡ 9. ¨. ˜. m Žekm p. -. q. 0. . o †. . ‰. -. —.™. m“” š. 1. 5 {ž {cekm/sec2– % ¢. J©. 2

(12) ª. / 2

(13). l. †. /. l. £ «. ›. ./. . ­. ®. `. a. . 2

(14)

(15). €. P Š. Y. Y. •. T V.

(16). V¯ V/. 0. 1. V3. . %. V?. g. . ‹. Œ. £. ¥. ¬. ¡ †. ¢ £. @. A. B. K. ›. . ¤. v. –

(17). ©. k. x. J. -. Ÿ ¦. uw. j. › . — P %. ¤ p. †. 1. K ›. _. JKK. ,.  V?. P. =>. bcde . iVP . O. mK JK. 9 JK. §. .

(18) Abstract This study is proposed for detecting P-wave’s arrival time and estimating the azimuth of an earthquake and apparent velocity near station by combining fractal dimension with correlation function technique. In addition, we apply the 2D fractal dimension technique to analyze children’s drawings to find out the developing stages of children. Research results are summarized as follows: 1. Applying fractal dimension method to seismic recordings, we find that the place where fractal dimension curve changes suddenly indicates the P-wave arrival. The fractal dimension method can identify the first arrival P-wave from background noises up to S/N ratio 1.25 after several theoretical testes. 2. The results of analyzing the earthquake recordings by fractal dimension method are that the time differences between theoretical and calculated are smaller than 0.1 second when the epicentral distances are smaller than 86 km, and the time error are smaller than 0.5 second when the epicentral distances are smaller than 113 km. Therefore, we conclude that the fractal dimension technique is an efficient method to detect the first P-wave arrival. 3. Estimating the azimuth of epicenter and apparent velocity near station, we can infer two important results. The first, the error of azimuth is smaller than 6 degrees when the epicentral distance is smaller than 95 km. The error of azimuth is more than 6 degrees when the epicentral distance is larger than 95km. The epicentral distance will influence the accuracy of the estimates of azimuth and apparent velocity. The second, the apparent velocity is correlative to the near surface P-wave’s velocity and incidence angle of seismic wave. Estimated apparent velocity in this research is about 3~3.5km/sec which is close to the surface P-wave velocity when the epicentral distance is smaller than 35 km. 4. For the children’ developing stage, the grade is significant to the dimension. Sixth grade shows the highest average dimension, and second grade reveals the lowest average dimension. In addition, we can conclude that the sexual difference is not. . .

(19) significant to the fractal dimension of graphs. Key wordsTfractal, box-counting dimension, P-wave, azimuth, apparent velocity, children’s drawings. . .

(20)  . . . . °. U± i± ±  ± ¹± ° ° ° °. . . . °. U± i± ±  ± ¹± °. ¥. ° ° °. .

(21). ±. . . °. U± i± ±  ± ° ° °. . . . . °. U± i± ± ° °. . . . . °. U± i± ± ° °. . . . U± i± °. . . UVà iVÆ. .     ®. b b { ¶ ¶ ¶. . . . d¾ dn dn {y {{. . . . {o {o ¶y e¶. . . . en en oe oŽ. . . . . cccccccccccccccccccccccccccccccccccccccccccccc ne cccccccccccccccccccccccccccccccccccccccccccccccc ne cccccccccccccccccccccccccccccccccccccccccccccccc no. ccccccccccccccccccccccccccccccccccccccccccccccccc e K ¼ ½ ccccccccccccccccccccccccccccccccccccccccccccccccc e K

(22) ccccccccccccccccccccccccccccccccccccccccccccccccc n K cccccccccccccccccccccccccccccccccccccccccccccccccccc bd K¯  cccccccccccccccccccccccccccccccccccccccccccccccc bd K/ 0 1 23 % cccccccccccccccccccccccccccccccccccccccccc dy K? @ A B F G ¼ ½ cccccccccccccccccccccccccccccccccccccccc d{ cccccccccccccccccccccccccccccccccccccccccccccccc K

(23) cccccccccccccccccccccccccccccccccccccccccccc K¯  cccccccccccccccccccccccccccccccccccccccccccccccc K/ 0 1 23 % cccccccccccccccccccccccccccccccccccccccccc K? @ A B

(24) cccccccccccccccccccccccccccccccccccccccccccc cccccccccccccccccccccccccccccccccccccccccccccccc K¯  ¼ ½  ¿ cccccccccccccccccccccccccccccccccccccccc K/ 0 1 23 % ¼ ½  ¿ cccccccccccccccccccccccccccccccccc K? @ A B ¼ ½  ¿ cccccccccccccccccccccccccccccccccccccccc cccccccccccccccccccccccccccccccccccccccccccccc K¯ À  cccccccccccccccccccccccccccccccccccccccccccccccc K/ 0 1 23 % À  cccccccccccccccccccccccccccccccccccccc K? @ A B

(25) À  cccccccccccccccccccccccccccccccccccccccc. . °. cccccccccccccccccccccccccccccccccccccccccccccccccccccc ² \ ccccccccccccccccccccccccccccccccccccccccccccccccc ³  ccccccccccccccccccccccccccccccccccccccccccccccccc ´ µ ccccccccccccccccccccccccccccccccccccccccccccccccc · ¸ ccccccccccccccccccccccccccccccccccccccccccccccccc 6 » ccccccccccccccccccccccccccccccccccccccccccccccccc. K K K K Kº. . °. . K K. . N. ½. . Á. Â. ccccccccccccccccccccccccccccccccccccccccccccccccccccccccc nn Ä Å = ccccccccccccccccccccccccccccccccccccccccccccccccccc nn Ä Å = ccccccccccccccccccccccccccccccccccccccccccccccccccc nŽ. .

(26)  ccccccccccccccccccccccccccccccccccccccccccccccccccccccccccc Žd Ç. È Ç. È Ç. È Ç. È Ç. È Ç. È. UKKU¡ iKKi¡ KK¡  KK ¡ ¹KK¹¡ ¥ KK¥ ¡. ¢. ?. @. A. B. 4. C. ¢. ?. @. A. B. 4. C. ¢. ?. @. A. B. 4. C. ¢. ?. @. A. B. 4. C. ¢. ?. @. A. B. 4. C. ¢. ?. @. A. B. 4. C. ccccccccccccccccccccccccccccccccccccc Žd ccccccccccccccccccccccccccccccccccccc Ž¾ cccccccccccccccccccccccccccccccccccc byb cccccccccccccccccccccccccccccccccccc byo cccccccccccccccccccccccccccccccccccc bbb cccccccccccccccccccccccccccccccccccc bb¾. . . .

(27)  — ¶ÉbK. !. Ê. 4. 3. Ë. — ¶ÉdKÎ. . Ï. . Ì. ². t. mœ. P . t.  P  Í. t. cccccccccccccccccccc {n. cccccccccccccccccccccccccccccccccccc ¶o. — ¶É{KTCU050  Ï. 5Ð. j. 3. Ë. Ñ. . ¿. N. O. cccccccccccccccccccccccccc ¶n. — ¶É¶KTCU056  Ï. 5Ð. j. 3. Ë. Ñ. . ¿. N. O. cccccccccccccccccccccccccc ¶Ž. — ¶ÉeKTCU057  Ï. 5Ð. j. 3. Ë. Ñ. . ¿. N. O. cccccccccccccccccccccccccc ey. — ¶ÉoKTCU050VTCU056VTCU057  — ¶É¾K. Ï. /. 0. 1. — ¶ÉnK. Ï. 2-. um. N. O. um. ¿. m‘. ¿. Ï. /. 0. 1. 23. %. . ¿. N. O. cccccccc eb. cccccccccccccccccccccccccccccccccccccc e{ N. O. cccccccccccccccccccccccccccccccccc eo. — eÉbKbŽŽe ¡. Ò. Ó. . P À. — eÉdKbŽŽe ¡. Ô. Õ. ./. 0. 1. À. . N. O. ccccccccccccccccccccccccccccc on. — eÉ{KbŽŽe ¡. Ô. Õ. .3. %. À. . N. O. ccccccccccccccccccccccccccccc ¾y. — eɶ ?. @. A. B.

(28). =>. ccccccccccccccccccccccccccccccc oo. . — cccccccccccccccccccccccccccccccccc ¾b. 

(29). cccccccccccccccccccccccccccccccccc ¾d. ¢. Ù. VÚ. — eÉoK?. @. A. B. 

(30). =Ü. — eɾK¡. ¢. 2

(31). Ý. — cccccccccccccccccccccccccccccccccccccccccccc ¾¾. — eÉnK¡. ¢. V

(32). .ß. /. — eɎK©. ª. 2

(33). Ý. — cccccccccccccccccccccccccccccccccccccccccccc nb. V

(34). Þ. v. Ø. O. ¡. ª. ¦. ×. N. — eÉeKL. — eÉbyK©. Û. Ö. . Þ. .ß. à. /. N. à. 6. O. 6. 2›. 2›. cccccccccccccccccccccccccccccccccccc ¾o. ¤. ¤. á. á. ×. Ø. ×. . . . Ø. . . â cccccccccccccccccccccccc ¾n. â ccccccccccccccccccccccc nd.

(35)  ã dÉbK ã ccccccccccccccccccccccccccccccccccccccccccccccccccccccc ¾ ã dÉdK.

(36). ‰. ä. ã ccccccccccccccccccccccccccccccccccccccccccccccc Ž. ã dÉ{KHausdorff dimension => ã dɶKL. å. ‰. ã dÉe . . ã dÉoK å. . ä. ã cccccccccccccccccccccccccccccccccccccccccccccc b{. .æ. ç. VÒ. è. . . °. U. . ˜. ã dÉbyK/. ‚. ã {ÉbK. 0. ë . . =âã cccccccccccccccccccccccccc b¶ ©.  . W. .a. ì cccccccccccccccccccccccc bo. ccccccccccccccccccccccccccccccccccc b¾ ccccccccccccccccccccccccccccccccccccc bn. ã cccccccccccccccccccccccccccccccccccccccccccccccccc bŽ. 1. . ê. . ã dÉnKHurst method 

(37) !. é . ã dɾKdivider method 

(38) ã dɎK D í. ãccccccccccccccccccccccccccccccccccccc bb. î. 23 ï. %. ‰. ä. ã ccccccccccccccccccccccccccccccccccccccc db. ã cccccccccccccccccccccccccccccccccccccccccccccccccc d¾. ã {ÉdKP  ã {É{K. ‰ . ä. ã cccccccccccccccccccccccccccccccccccccccccccccc dŽ. 2.

(39). €. ã cccccccccccccccccccccccccccccccccccccccccc {d. ã {ɶK-. 2. Ï. 0. ð. ã {ÉeK?. @. A. B. 4. C.

(40). . ã ¶ÉbK}. ñ. ò. .

(41). ã ¶ÉdK}. ñ. Ê. 4. 3. Ë. ã ¶É{Kó. ™. }. ñ. ï. ]. . . ã cccccccccccccccccccccccccccccccccccc {b. cccccccccccccccccccccccccccccccccccccccc {¶. Ñ. =>. ã cccccccccccccccccccccccccccccccccccc {¾. .

(42). =>. ã cccccccccccccccccccccccccccccccc {Ž. . .

(43). . . =>. ã cccccccccccccccccccccccc ¶b. ã ¶É{ôõ böcccccccccccccccccccccccccccccccccccccccccccccccccccccc ¶d ã ¶É{ôõ döcccccccccccccccccccccccccccccccccccccccccccccccccccccc ¶{ 㠶ɶK3. Ë. ÷. ø. . ¿. ã ¶ÉeK. Ï. ú. È. . . . ¿. ã ¶ÉoK. Ï. /. 0. 1. um. ¿. 0. ð. =ù. ã cccccccccccccccccccccccccccccccc ed. 㠶ɾK. Ï. 2-. m‘. um. ¿. 0. =ù. ã ¶ÉnK?. @. A. =>. ã eÉbKû. ü. B. IRIS ý. ã eÉdKbŽŽe ¡. .

(44). 0. Ò. Ó. ð. =ù.  þ. . ». ¿. ã cccccccccccccccccccccccccccccccccccccc ¶e. P  ð. :. b zq. ÷. ø. cccccccccccccc ¶¾. ã cccccccccccccccccccccccccccc ee. cccccccccccccccccccccccccccccccccccccccc e¾ . P À . . 

(45). =>. 2. . Ï. ã ccccccccccccccccccccc eŽ =ù. ã ccccccccccccccc oy.

(46) ã eÉ{KbŽŽe ¡. Ò. Ó. P À. . . ccccccccccccccccccccccccccccccccc ob. ã eÉ{Kôõ böccccccccccccccccccccccccccccccccccccccccccccccccccccc od ã eÉ{Kôõ döccccccccccccccccccccccccccccccccccccccccccccccccccccc o{ ã eÉ{Kôõ {öccccccccccccccccccccccccccccccccccccccccccccccccccccc o¶ ã eɶKbŽŽe ¡. Ô. Õ ¢. ./ ¦. v. 0. 23. . . %. À. . 2. Ï. =ù. ã ccccccc o¾. ã eÉeKU. ¥. ¡. ã eÉoKH . Ü. ã eɾK¡. ¢. 2

(47). Ö. ×. =ù . . ã cccccccccccccccccccccccccccccccccccc ¾Ž. ã eÉnK©. ª. 2

(48). Ö. ×. =ù . . ã cccccccccccccccccccccccccccccccccccc n{. =>. 

(49). 1. ã cccccccccccccccccccccccccccccccc ¾¶. cccccccccccccccccccccccccccccccccccccccccccc ¾e . . . .

(50) .   . } ]. . ï.  . .. /. !. . ;. . &. 0.  :.  Ã. %. $«. gr. 5= . L. }. =.  ò. å. ñ >. ³. . ?. @.

(51) ›. (. 2. . × ¬. . . . . '. 1.

(52) . J E. å. < !. . . . . . . .  5. . . 2A.   R. . S. . T. â. ` ü. 2. G. 3. ˜. . À. # ]  ×. „. ï. ab. †. œ. ƒ›. d. œe. c. ±. ¥ . œ’ . . œ <. Ž. J. Y. /. . å. 

(53). . AB. . ¦. H . 'p. ·ª. €. . RO. ¸ J±. Œ.  ¨. W. ©. ª. F µ. ¹ Ø. ‡. «.

(54). ]. =. I. n 4. ‚. “ Û. J. =. ¡ F. ”. Û. ³p. {. ñ. .U(Kananmori, Hauksson, & Heaton,1997)JK. . —. 3 Y. –  h >. µ. ˆ. ƒ. Š 3. <. V6. Ö. — £. k. ®. ¯ ³". Y. Z. ¬. N. _x. . . ’ ™. . . _ °. ¶. ´º. . JK š.  ". o. </. ¥.  ¼. ~. ˜. ¤. 3 . s. ‹ ˜. ]. 2. . H. Û. Ö 0. L. . 'ª. ⢠5©. K.  }. Š. \. [. r. . =>. .

(55). B. q. (1993). (Earthquake Early Warning, EEW). . }. p. 2. –. ­³. ´±. 9. . ãj ;. ‰x. . _" J¬. 

(56). M G. + ]. |. L. ˆ •. -.  Ä. ƒ›. © JA.  #. . J. ,. 8 ˜. _". ƒ›. ãK. ×. .. hƒiN o. A. F. r. ×.  .  #. + N. AdyyoDQ<Z. 7. 2 .   “. Û. #. . gÃ. “p. 3 gÃ. . z 2006) y. Ÿ u. ". . dyy{DJK. 2. Y. _ . B. F ž. Ö. m. X. W.  . . ’. g. `. (x w. ~. f 4. F. v Ö. ‘ ¦. . . < . . ². B. . E. .  . .=> $ 4. ¡. u. iU" §.

(57). . . . Adyy¶DQ<  Q. !.  V7 ¼. . 1. " ©. C ». . ñ. . . —. w .  VÛ.  }. . Fabio, Mike, and Ron(1996)p l. P V. ã }.  x. S. ^. § t. Adyy¶D Œ. ›. r. ©. . <L. O. N. —R. -. B. . a Richard P. Taylor l +. H. E. J/. . U.  b í û. L. F. *. . ½. . 6. . ¼. Patrizia, Salvatore, Valerio, and Francesca(1999)| . . K B. E ½. . . ).   ¼. . . 3 R4 ".

(58). j ¨. . ª.  .

(59) ±. œ» Á×. µ. ¹ Â. z­× Ç. Ê. -. `.  ¹. È Ò. ². . µ. Ñ. . p.  AÅ. q. %. Æ. p. . 6. /.  Y. 'ò. ó. ‰ô ×. ó.  < ˜. p. • ï. 6 . ¶. ¿. 0 N. ù. ú. ‰ô . ª. Ê O. ;< P . –. 4 †. -. /. ‰. ¼ ×. Q. þ Ï. t. . ". à. Uå. ð. J.  M }. . å. . JK. . . ¹. Ø Û. M F. :. µ. Î JK. P ,. S Ñ. < M L10  Ø. Ø ×. Û. t :. F. K. by z. Û. :. p. be z. æ _ P K. ©. P ë é. . Ê. œF. ö. õ. ÷. q. W. 9. M. ý. Û. ì. E ©. <. 4 J. ¯. ©. ·&.

(60) <. 2j. k. P ˜. S .. Á P  S à. ” %. j å. <{=. ×. 6

(61). AbŽŽ{DØ 6. ‰ô x. 9. t. ©. K. . . . ¹. JK. î 0. JFabio(1996);<× u. µ. (Characteristic function)·à ×. ‹. Û. ¿ À. ³ÀÁt. uå. © ü. † ˜. . . —`. ‚. =>. ê. Á P VS J 0. . P . Á. !. . S $. . p. à. â=ù. ¼.  P Å “Y. W. . “É. . by zq. . ‰ô. í. ·à í. . . .Í. Q< . Û. 56.  M. œ6 ±. û ½. P  ñ Y. ‚. UÎ. 

(62) l. !. é. :. µ. F. 7. a. Û.

(63). Ï. µ. . t. %. . Ñ. _. ç. M ". .: Ó. Ü Ý. µ. ä. . .±. Ò. ±. ã. Ê Á. m‘.  -. ­F. &. ð. Ü. . ^ ¨. Ò. â. Û. t. + %.  . á . . âè. N. ~. . ¬. ×. ". >. .© . 5. ‹. Q< P Ï. . <Ò. ×. 6. #. k. &. É.  S . 9. l. µ. ì P ï. ‰ô. . . µ. l °. a. ø . ±. ý. ·¾. dyyoDJ±. _ìÌ. 4 -. ž. -. " ². Æ. S $. Ò x. %. Ë ³. W. . a. Ú. AÅ. j . Ö Ã. . Ä. Ø. Ë. Û. Ù. ·à ¡. . JAllen(1982)Ø. â(. ±. o. /. . F. Ã. ¹. %.  S ½« ©. !. µ. Ð. ý. *Í. . %. Á P „. . ß. H. ±. Í. M L10 Ñ. Ø. Þ. m‘. 0. —S. ¼. ¼. . . . <Ï. p. 6 ·í. 3. 5. =>. O. R. dyyoDJ–. AP D4 ó. . 2É. . ž. . œØ. ;. Ç. >. N. ª. † dyyoö JbŽŽe ¡. . ­ dy z² ². x. Õ. . œÍ. º #. å. R. : Š. " _. È. Û. Q< P Ï. AÔ. v. . t. × „. w . . F. 2` 7. ". M. uF. . Ø. 9. z}. ³=5> ´.  Ø. k. •. . ˆ. . ä. RW. -. 

(64). ñ. à. $<. /. }. <. _. .

(65)  A ³p ¯. <. 5A. ³p ó. T. p. . B. . F. ›. G. @. B âN. «. û. C O. Q. $p. p. . . . +. o. A. B. F. G. AB. ?. @ j. HI². A. B. V4. +. uå ¼. E. Î. . W. U$. . ³p. . .³. ü. x. .  . „. Ã. . . ,. ·=>. J8. 9. 0. @. G. -. ". 1. A. p. . B. F. ,. . @. u+. VD. 2?. A. B. L. A. A. F. €. B. . <?. W. F. ,. F. B. &. 5 Ê. Z. B. F. ·ò. ë. . ›. á. 0. 1. 23. JK. . %. ”. 4. •.  . ƒ. ( á. . ). => ó. p. 0 ×. ? ˆ. ³W 4. C. ï. < ‚. K. JK.  p. Ø. TK. /. ‚. '. )*N. .6. -.  Gard-. Pignatelli, Q. (azimuth)2.3. ƒ„ . B. @. . 1 G. . . 6 A. ?. âÎ &. L . /. / 0. K. o. M. Ä. " M. ©. @. HI.. 5. W. . .. ]. ?. . <˜. G. #. -. A. ". J -. G. A. ./. @. W. 2. . Ã. G. . # ˜. 3. ´. ·½. ©. 2. B. . ìl. HIÁ. -. RS. .³. t @. @. @. Ã. âá ?. . . iV;< P . . . ". G. .U%. P Z. 

(66). ?. @. . H. . E. K. ‰V. â% ?. q. p. B. +.  N. + N. ?. V5. ". . <

(67). . E. =>. ˜. P  §. 

(68). U. UV9. 4. ². · @. 

(69). H. . Lowenfeld(1947)" l. ·D. (Box-counting dimension)

(70). 5F ’. ˜. é. . G. . ‡ r. Giuntini, and Console(2008) (apparent velocity)p. C. ƒi©.

(71). Ve. F. . 5?. M. . ½ . H.  . ¼. =‚. ©. < @. ;<

(72) à. -. 4. dyy{DJA. . . ]. hƒi©. Q< . Lowenfeld and Brittain(1987)" ’. ?. Ö. C ». #. . ;<

(73). â˜. D. 0. . C. ". ,. J3 ½. 4. C. R/. L. M. Š . ƒ›. 2K. `. . j. ·½.  ©. Ê. . _&. ˆ.  ¡. . . HIArnheim(1974)p. Ë. ƒ›. G. q. ˜. k. =5Î. âq 4. ;<F. Í. @. ò. <". 3. 4. X. Î. B. " r. A ". W. J=>. T# H. B. 5? A. !. *. 6. ¥. -. „. 2. HIñ. ner(1980)§ Y. L. . ì. t. A. B 5. a. K B. JK. q. © $. J %. <. x.   7. /. %.

(74). x .  . ‚ .

(75) 

(76) 8. 0 . . ³ ø. UV

(77). (. iV

(78). (. V

(79). (.  V

(80). (. M. ". ø. . =>. . =>. Ñ. =>. ?. =>. ?. ø ø. . . ´. µ. RS. -. @. A @. /. B A. W. 0.

(81) B. ˜. 1. . . UV·. À. x. ú. 0. -. 23.  V?. @. A. ! %. m‘. · l. 2}. 

(82). 1. /. † È. iVP  V/. . x. 2©. ñ. ¼. Ø ‚. ³. ·. 0. . x.

(83). w. F. G. 2

(84). T. =>. .. . T=>. U­¥. V?. ˜. . uÉ. 5. :K. ƒ›. 5. :K. . . . . t. :K. 5. 9 ·. ¸. JK 7. ì5} ¬. JK . . < . gL. . Ï. t. m˜. . Ï. 2. . gN. = O. ·. œØ. <

(85). . À.  ?. á. > x. . .ü. . w. JK. . Q<. . ×. . œ. M . .. JK. ø. iV(. O. ƒ› ª. . N. JK. B. UV

(86). :K. TK. 6 :. Ï. ù ð.  /. .  S. %. ;. 2¡

(87). p. . u5. 23.  . . TK. P Z . . @. A. B. ¡

(88). ¢. ø. ( ?. @. I. œA ?. Tá. J B. ;. . . . . Ï. œú. AB B. 

(89). . P  È. D4 C. =>. . p. AB. . @ ˜. A ‚. Uœü. JK ?. @. . B. D4 C. œB. Í. .

(90). JK  V/. 0. (azimuth)Tp 1. gœF ¹V3. . %. 1. ß è. /. C. 5 y /. ä. D . /. E. ­? ‰. /. .JK. (apparent velocity)GH £. —. . . ]. \. %. JK. ë. œ0. ð. .

(91)  I °. =5¥.  ±. q. ± °. U±. 5 ¯  ° ¹±. . 5 ¼. 5/. 0. 1. 23. . . . ½ °. i±. 5

(92). %. ˜. °.  J ê . u. t ^. U®. . bŽ¾y ¡ Q<. . P x. . .  Š. Y. }. <. È. V v. [. AZ. \. ©. . W. ®. .

(93). i©. I. J. . . AB. RS. &. ƒ. ³p. |. F. G. ¼. ½. ..  JK. K (fractal)L .. r. = Y. . B. . 

(94). x. A. 5. ³p. ' E. V=×. ¼ R. ˜. JN O ½. R ‘. ƒ J. k. V\. Uå. ¬. . N. “2

(95). gÐ. Ë. _5. © O W. ‰RS. J{c Ã. NX. Y. O9. Tbc hƒ. . +. <. ×. ¼. K. k. l. 6. . . .  Y.  V7. hƒi N. ;. *š. . hƒi`. Û. C. +. 5. á. ë . e. U 9 ï. `. V_. +. . †. 9. ?. N. A„. .  J. “ . Rad. R.

(96). R. + 7.  N. hƒi© ». “ 2‡. 9.  œ? . × ®. Ö ‡.  . 7

(97). “c. ² ?.  . . Ö. dyy¶DJ . g. dyy{DTK.  f . /. ARandom FractalD i©. Jdc .  V×. . hƒi© 6. å. M M. %. f. . Ê. . . œ—`. $. œ». b. œ—`. #. . Š . ©. !". hp. ^ a. à ’. Ð. . 5T r. ¼ 5. “` ‡. . #. ;<×. 27. +. @. ±. NFractals: Form, Chance and Dimensio4. K  %. 5.  }. ?. . M. M. U. U£.  G.  ?. á. . N. . ±. °. dyybDJK. ] . ä °. . “. . ³p.  ³=® . =.  å. iJ¶c W v. S M. . }. Ä NfractusO  Q. U =. . @. œ?. MandelbrotK bŽ¾¾K¡ nO T. a Mandelbrot F . ×. ¥. . i. -. ò ±. U w. w. U . ò. <. ˆ. +. N . j å.  (Deterministic Fractal)2– . U$. é. m . Š. Y. . . †. . . # . iVØ.  AStochastic FractalDJ6.  ´. . . ·g. © g `. # .  . ä. ». ` ] ’. 5Ë. w 5. ò. j. hƒ. J. [ . \.  hƒ.  R Cantor VKoch.

(98) €. 9 . ^. ² . x. '!(. ). ]. !. +.  ". -. /. -. i. |. . 5 à W. ‹ F. . 3. `. t. >. Uò. -. ï. o. ] & r. AR!. !. ‰J% b. uv ¬. W. [. \.  ". âK. _x s ï. ". w. 9. D*œÍ. U *p %. $«. &. *. } !. ½. g\. JK. w. (Koch)€ É. ß. RãdÉb(a) K . ?. ß. UÎ. @. A. N . ‡ ‚. E +. 6. . 1. ;.  +. gN . ó }. U6. . . #. . I9. :. IE < !. ·. ¸ [. U¹. æ. 9 ×. â¬. K. Cantor SetRãdÉb(c)JK. †. D. ü. :. RãdÉb(b). . ³p ë. . 9. &.  ~.  ³p. C. . 8. . 5}. =. -. 7. q.  ã !. ".  * . . . 6 . É. . -. B!,. 6. _g\. Vq. ). =×. z. {.  . Î. 3. Å. ]. 2. /. y É. . „. Y. É. U×.  È. 1. 5. ß. <!,. .  . 0. 4. Rß. . l. k. log 4 = 1.2618 JK log 3. 3!,. u². n M. . ^ }. . ‰. .. D =. x. é. ã #. 

(99). 1. &. “† w. !,.

(100). JK. ê Ã.  ’. o. .!. Ã. *. ? á. . ] . ]. . ƒ. ,. !. D. ‚. E. €. g ƒ. .  ‰. ˆ. ‚ ä. £ Š. ³p !. J.  ƒ œY. Uå €. l. ƒ. r. ©.  <. ˆ. JK. &. F. 2¤.  Œ. G. r ñ. H

(101) a. . I. 9 © RT. ².  h. . . . ï. .  JK. . <. œˆ î. ². N. Ž.  –. O – ƒ. <. . W. 

(102) `. 5.  Ã. ©. ` ³.

(103) (a). K. (b). K. (c). K ãdÉbK ãK(a)ß (. ø. ·^. dyyeü. Ê. T ¼ Œ. . ". . ½. H ¼. É. <x. Œ. . €. ’ (. . . K(b)ß É. Á. . ^. É . . œ“ K. . . y. z €. È. t ”. . ½. Ä. K(c)Cantor Set . •. AbyD‘. è.  –. JK. O Ã. K.

(104) . . . . . Mandelbrot(1967)—How Long Is the Coast of Britain?˜Ä . “[. & N. O. £. âq. 2Ï. › Ø. *F. 

(105). ®. q. ¢. \ U

(106). §. 1. . . ³p . x. .. ž. Z. +. . œ Ž .  âq Ÿ. AB. V.  . f.  =. “. . .|. g. l 0. Í. . ™ . . ¢ x. Y. V.

(107). âü.

(108). ¤. ¥. â/. . . /.  <. Í B. ×

(109). 

(110) â k. ’ 6. TK. !J. K. YU° . ã  . w. }

(111). ñ. .  t .  =. ² å. . . . /. Ð . F. . ; G. p± ³. ¦. §. 5. . . . 5. %. .

(112). ž. 0 q .. p. Î.  r ³. q. × ^. . .  ,. Ã. r. k. A l. M. 4C. w. Ø . ’. ¦. G. . O¯. " .  å .

(113). ’.  ž. å. . . 

(114). Î . —. Ý. / l. .. RS. E. ] #. pØ ×. . < . ·. H K. l ³. å. m. à. .. . ¬ é. à . . «. U°. 9 h. œ §. Y. Ã. < H. . J®.  . . 5F. . + ². B. ". Í ­. N. 9. s ¼. i. AãdÉdDg. " . g. TK. log N ( r ) KKKKKKKKKKKKKKKKKKKKôdÉböK log(1 / r ). r→0. â. . /. D = lim N (r ) ³. â. . ã / ×. ×. ƒ h. .  ‚. . g M.  . Ø <. = xR É. (. E. .  ª. . . ). }. /. :. 2.

(115) £. . ƒK. Y¨©ªOJ{c K. (Capacity dimension)J¶c Correlation FunctionT†. 5. M.  . UY. x 7. . ¯. Î. /. J. = . Box- Counting MethodT. . . 5. `. Vƒ›. xRŠY ©rs—l /. . dyy¾DJK.

(116). 

(117). . r. JdcMolecular Adsorption MethodTâ

(118). —l. š. TbcPhysical MeasuresT×. 

(119). 2£.

(120). 6. ñ. w. ] . *. Q<}. r 0. Ã ". (multifractals dimension)JNakayama(2003)¡. i

(121). k. <x. . ƒi

(122). Y.  N. H. . ¥ ’. ¢. Ã. < âq. V }. 

(123). 

(124) +. Ø. ¼ ï. Y. . £. Vl. M. !.  . . l.  N. 0 ³p. / ¦. x. . t. *. . G. U l. ;<[ . å. ñ. Í š. ‰\.  }. ™ . }. œ Ð. Mandelbrot  i©. 0. I. â $}. 0 q #.

(125) . ]. ò. œ.  D ³. pE F. G. ;. <.

(126). . K  . ’. JK.

(127) KKKKKKKKKKKKKKKKK(a)KKKKKKKKKKKKKKKKKKKKKKKKKKKKKKK(b)K. . K(c)K. (d). . ã dÉdK. KKKKKKKKKKKKKKK(c)ò.

(128). ( ø <. · ’. •è. . T ^. x –. ‚. . ². ‚. A {ÉoD Å. ‰. ãK(a)ò ä. 5 b´ ¶KK(d)ò ./ Ä. ~. l. µ. ×. . 5 bKK(b)ò. 5 b´ dK. 5 b´ nK.  =. dy y dü. Ê. J. . Œ. > . x ". × . 0 . ”. ’. \. t Ê. ï. · . . ¸ œ. ÉÛ. ¶. ·. k ”. ½.  Ä. H .

(129) '!Hausdorff Dimension bŽ bn¡ Í. < €. . pÍ ³ . Î.  ·. . × E. . ¶Î. . §. . }.  ·.  d

(130). 5 ô½. . . 3 ¹. . .

(131) _. .  . Hausdorff dimensionOx  ƒ. . Î. ƒ. L ›. 2

(132). ). t ù. sum)6 ». ò.   h. ƒ. ›. á. _ Á. ! . ×. !. log( N ( s )) / log( N ) . . ‘. RS. . pÍ. N »¼Í. ". ©k i. ò. d»³ ". Í. U

(133) º. . < ƒ. À. F L. !. d» ". . G. nÎ . ·. N d = N (s ). . Apower lawö Á. d (Hausdorff dimension)TK. Í. log N ( s ) KKKKKKKKKKKKKKKKKKKKKKKKKAdÉdDK log N. (Correlation Dimension). m. U

(134). . . « l. €. . . Í. à  d Âd´ ¦. . . =. >. ä. ãgÄ.  d = 1.1037 JK M. . and Procaccia(1983)" _. ò.

(135). ] RJulia setJãdÉ{5Hausdorff dimension. „#. !$. i. U

(136) º. . ×. p ¹. b­d.t „ d Âb—‰. Hausdorff dimension³. *. ¿ dy y bö Jp * ¾. Hausdorff dimensionà =. ¼Kº 5. d=. ‚. \. Q JU$. . @5T N ( s ) = N d -. p? ³. _ . .  ·.  ñ ¼ ¹ UÎ. . Felix Hausdorff¸ a. M. ƒ. 5 xi − x j ‹. ›. =. 6. £.  . UI. < Q. m. ‘. . _. ù. ‹. .t. ƒ. ›. YN Î ù. Ë. Å„ xi − x j < r ƒ. ©€. Grassberger. 5 x1 , x 2 ,...x N g ‰. ›. <. ∧.  C ( r ) (correlation. TK 2 ∑ θ ( r − xi − x j ) KKKKKKKKKKKKKKKKAdÉ{DK N ( N − 1) i< j. ∧. C(r ) =. θ : Heaviside step function. „_ =. A xi ¼ x j Dm ù. „r → 0Í. . w. x. r —‰. TK . ƒ. ‘. ›.

(137). _. á. Yƒ. ›. ©A θ ÂbD. . θ Ây J ƒ. › £. C ( r ) = ∫ dµ ( x )∫ dµ ( y )θ ( r − x − y ) KKKKKKKKKKKKKKKKAdɶDK. M. C (r ) 2 r YU?. ×. ›. á. T C ( r ) ∝ r D g?. JK.   . ×. D = lim r→ 0. log C ( r ) , log r. 5.

(138) . . ãdÉ{KHausdorff dimension= §. . Æ. Ç. >. (d) N  N ( s) ›. ãK(a) ã K(b)& á. '. k. ã (e) log N  log N ( s) ›.   . Æ ƒ á. Ç. . K(c)p/. ãJK. l. ¦.

(139)  U$ q. Å Ï. lÏ. . . F.  Ð. Û. . “. gÒ. gÒ Ð. Û š. ". [ Ü. [ Ü. _. m. m. ‘. ‘. ¦. 8. J. . È É. =. (Body wave)O6 ƒ. —l(Surface wave)H. Jƒ º. .  U. º U È. /. (Secondary wave)—lI.  ®. . I J. i.

(140). —. P (Primary wave)2 S  =. (Rayleigh wave)23 Q. £.  (Love wave) Ê. Rã dɶJK. P ¢ pæ p . ç. ¦ Î D. . . Ï. È µ. Å. =. 5Ó 3. ë. 2\. = ³.  Ê. . Rã dÉe/. œ. p". Å. S . =. . W. p. ¦. pÒ. ‚. @ P à õ è /. ö ë. 0. Ó. â. í ·. Q. â. Ò ~. Á. ú. Ò. . ˜. û W. â. Q.  Õ.  Ö. „.” ù. !. 6. ‚. œ †. «× ’ ü. . g. M. P ˜. P VS JK.   . ì. ë. .  Í. pÐ Q. 5. / \. % ç. É. ê. ë. µ. à. / Á. ×. + {. È. . =. â. ú. S  Ã. È. K. J K. Ì. ~.  . Ø . <. æ. U±. ç . = í. â. $. . à. (Characteristic function)· Á.  {É= ‰E. é. à.  â.  Á. S . K ?. JK. . ãpæ V. ‰E. (bandpass filtering)´ Ù. >. ² Ò. . ×. ‰ô. È. •. ˜. ‰ô. ú. ç. S. 5JK. „. í. æ. (Z)ë ç. P à. K. . è. =.  ±. . p’ l. J—lÏ. VÒ. .  M. UÎ. < Ô. Ø =. œ. . Ø. ×. —". p SV 5JK. æ. Å. ‰ô. ‚. . {Ò{ Ó ×. . ! Ü. ×. ‰ô. < 7. 9 ù. à. <. ç. P . UÎ. /. SH ” ². —`. .U" ù. M. AbŽ Ž {D. U. ”. . 6 0. „ 9. 4«p6 þ. 6. 5/. Á ÷. =. ë. . JAllen(1982)Ø. . Ò. . .! Ü. Á. . •. . ë. (EN) ë. ñ ². è. . 5æ . “. ƒ. Ò. . â.  P . ë. P  SV ”. . . ê. Ì. ë. gÒ Ì. é. Uå. / ]. x. <. . Ð. . Ñ. /. 5S ¢. . Ï. Ë. ² Ò. . . P . ". . . / E. x. Ó. .  S .:.  . O6 Ë. ë. ë Ï. ä. x. ‰ô. ³ × . ç Vé. \. ©. ˜ à. ] . ê æ. ç Ê. Á . ˜. ‰ô. ×. K.

(141) K. K. K K. ã dɶKL ( Œ. ø. . è. · –. ^. T TÝ ê. . ´. Å. Ú Ã. -. å. . A bdDÝ ê 4 5 × JK.   . ‰ Å. Ã. ä. . -. ãK 4. 5. ×. dy y nK.

(142) ã dÉe . . . . .æ. ç. VÒ.   . è. ˜. é. ê. ë. =. â. ãJK. .

(143) Fabio et al.(1996)p

(144) . . £. . a x. ì. . . g. 

(145). . U. . . !.  ·. œ ". !. w. . â. J%. “ . &.  r 5âò Á ò 3. . w. 5Ý. Þ. ¬. m. ‘. × ~. . . ã·. ² Ü. Í. .  Ä . â. . . ù. n. 56. . .

(146). .

(147). . œ. u. Ï. <. Ý. . . ñ. Ë. Ò. 9. ÷. !. b ž d.. 5ƒ. ø.  ï. U. _. ù. א Ü. ³ <. W . }. (. ç.

(148). q ø. α E  2. — à. ™.  !.

(149). ã dɎJK.   . ÛK. }. ñ „ò. u.  . . j. . v 5l.

(150). Î. Y ù. E. .  @. 9 Þ.  . < ?. K ". JK. g. ä . ù. . . U. . v. È. א H THusrt.  F Té u. . ¬ +. ¦. Ý. Log(window) ». a divider method x. JK. . D= E−. ‘. . . Y . M. Û. γ (τ ) = kτ a  γ 5j. Yœ. N m. .  S TË. ³. k. TK. *.  ù. & Hurst method . å J%. 

(151). Jâò. . u. . j. â“×Ýó. t. ". 5q. å. w ". w. . aT L( r ) ∝ r (1− D )  L 5€ . . <. u ". x. í. . w ". 9. w. ¬ ¯. Ë. Ü. . ã dÉn ±. `. 

(152) M. RS . D = 2 − H J F. `. ã dɾ Mandelbrot-Richardson Plot. ò +. q. ò. <. J. N ø. <. 3. q. â. „ò. JßR. R. t. ·. ".

(153). 5. „÷. ;. }. (Gelchinsky,Coppens,Peraldi) å. Rã dÉo.  1 − D “/. . Patrizia et al.(1999)Q ¤. ×.

(154). b c y ¬.  &. . 0. . 6 §. 3. R ∝ F H  R T3 S. O. log( L )  D = 1 − S O log(r ). . iVHurst methodT. ?. 8. âò. Klinkenberg(1994)§ í.  D 5. S=. Ä. . g. gN. P . Ü º. 2. . .  . ×. . divider method  Husrt method ·.  . . . <. . UVDivider methodT€ g. . å JFabio € . °. . . . . . . ;. <. ¿. ×(semi-variance) k 5é J„ D ¨ x . U. Î á. í. . ! 9. å. × α 5 . —. Ÿ.

(155) . . ã dÉo K . å. . . . . °. U. . . . . ©. W. .. aì. K. Note. From ”A fractal-based algorithm for detecting first arrivals on seismic traces,” by B. Fabio et al., 1996, GEOPHYSICS, 61, 4, 1100. K. .   .

(156) . . . ã dɾKdivider method .

(157). . . JK. Note. From ”A fractal-based algorithm for detecting first arrivals on seismic traces,” by B. Fabio et al., 1996, GEOPHYSICS, 61, 4, 1100. K. .   . .

(158) . ã dÉnKHurst method .

(159). . . JK. Note. From ”A fractal-based algorithm for detecting first arrivals on seismic traces,” by B. Fabio et al., 1996, GEOPHYSICS, 61, 4, 1100. K. .   .

(160) (a). . . K. (b). . . ã dɎK D í !. ‚. ãK(a)U $. . . . . K(b)ó™ ]. . .. . . . . JK. Note. From ”Seismic Signal Detection by Fractal Dimension Analysis,” by T. Patrizia et al., 1999, Bulletin of the Seismological Society of America, 89, 4, 976. K. .   .

(161)   3. . % p. 6.  D. E.  . ‰ ?. ©. +. Ã. ð. . Î _. (azimuth)Tp. ë. œ. &. . . -.  . ã. . (x,y,z)˜ Ë. 7. ×J/. F. 0. . 1. .  6. ³. (t)9 t . M. 7. -. ×/. 0. ð. 0. 3. 1. %. . ³. K. JK. . 0. ð. /. . ;. 6 . g. Nakamura(1988)Q 0. ,. . . 1. /. . 0. . 0. . 6 . . / ­.  6. . 0. . (cross-correlation)·. t. <. <. ë. . 0. 5Ö. 1. Ï. œ. /. /. F. U q. . j. œ. Ï. . Ð. =. >. . 1. ù ôU.  . Jæ. .. R.  . Ï. ç. . ¦. . m ç. =. /. ö /.  C. / ä. D . E. ã dÉb y Aä D JK. Ð æ. 5è $. ‘ 2. ˜. /. 0. ¦ . âÝ. = ƒ. ›. 1. /. . â. . Ý. a. ·.  Ñ. ƒ. . ›. ×K. ô. TK . ( Rud ,ew ) i = α ( Rud ,ew ) i −1 + ( X ud ) i ( X ew ) i KKKKKKKKKKKKKKKKAdɶ D K ( Rud ,ns ) i = α ( Rud ,ns )i −1 + ( X ud ) i ( X ns ) i KKKKKKKKKKKKKKKKAdÉe D K ( Rud ,ew ) i 5°. Ý. ƒ. . . ›. . i ù. æ. ç. 2.   ( X ns ) i 5°. . ê. =. ×J ( X ud ) i 5° ô. . é. i ù. i ù. Í ×. Adɶ D AdÉe D ³. âÝ. Ò /. æ. è. ç. =. 0. ƒ. ›. =. â.. â.. . . . 3  ² ë. ߋ. . . . . t O.  .  Ÿ. æ. ç.  ( X ew ) i 5° .   α 5¦ Ã. i ù. ×AÔ é. 2. Õ. Ò é. è ê. = =. â â.. dy y o D J †. ( Rud ,ew )i. KKKKKKKKKKKKKKKKKKKKKKKAdÉo D K. ( Rud ,ns ) i. . . ñ H.  t + ∆t . . . . i ù. θ i JK. 1. (apparent velocity)T %.  }. . . . θ i = tan −1. . א ( Rud ,ns )i 5° ô. Ï. â. l. q 6. % ç. ™ . . . š. H. š. 1. ,. .  /. ë. 2 . . p %. . 5 ϕ . .  å. H. %. r. V Ï %. }. ’. _.  Ï.   . ". ç. r. ù. 53. 3.  %. £ H. J% ç. ñ . Î. l. š. —. . /. V * JR. ç  ç ƒ %. . V * =. m.  \. ë. . 2. /. ã dÉb y KAæ D . 5 ∆X =. ∆x * ∆t.  ]. .  Ï. ª ç. . t. K.

(162) K  . (a). N (0 o ) /0K /01K. K K K. (b). K. ∆X S2 ∆S ϕ. S1 ϕ. t ã dÉb y K/0123. . %. ‰. ä.   . —K. t + ∆t K. ã(a)/01K(b)3. %. JK.

(163) ∆S ∆S % = sin ϕ œ ∆x ∆t. V=. % é. . %. ê . _xŒ Å. .. ¦. É v. ë. Tsai(1987) v. ÈÃ. Q . ê. ë. ñ é. . ›. ë. » _. . . Jï. ö þ. O. . É. . 6. † .  . }. %. ë. ¦. . “. 3 Yœ. . ü Ä. u. . è. m. . /. ×. . . . potation)·. . JQ Ú Q. <. . ô. ‘. .. Í. í. §. Ã. . ÷. +. . ñ. . . >. . . . £. . ‰ .. Œ ,.  Ã. 5 ŽKkm ì . ’. è. UJK. +. ï. £. ². ]. Ð. . 

(164). . ì œ. k < < ’. +  .

(165) . +. ´. ’. g. ” $. ­. <. Ý. Þ. ¨. . `. Ø . ƒ. . 3.  ƒ. >. . %. .. ì. ˆì. ˆ#. x6 ‚. Å. ˆ–. ˆ<. J. . õ5S. +. +. +. •. ]. ] L. û . ë. Ï. $

(166). Q . —K. ! œ V. v <. Ÿ . Geiger. JK. ³p. . t. ˆ&. 5 {c nV¶c ŽV. %. 5p.  x0 V y 0 V z0  t 0 5 Uå. ‚. UÎ. ˆ. µ. ! . ". . %. é. ¸ ”. . .. É. Í. % ©. ë. –. Å. ±. ç. Å. +. p {dkm 5=. ë. ê. è. 6. Ï . %. . ˆ·. 2æ. m. S. ˆ Œ. -. È . +. %. . % ð. . KKKKKKKKKKKKKAdɾDK. tn − t0.  €. è. ×. À #. Î. É. ( x n − x0 ) 2 + ( y n − y 0 ) 2 + ( z n − z 0 ) 2. G È. þ. Ï. %. ú. ë. . U/l. P è. Å. Œ. . ê. ,. ú. ý. . Ð. %. . <. ’. ˆ$-. P %. g t. . Ï.  Ÿ. å. ¾c b km/sec^’ . . 6. Ï. g. ’. dy y dö J%. Pignatelli et al.(2008)F . . . PK% %’. V ( x, y , z ) = V 5. _. ˆÐ.  V6. AZ. L. ÈJLinô1996öQ v. v. Í. . ª. JR a u a n d Wu ( 1 9 9 5 ) Q. Ady y b Dp. ½. É . . (1912). +.  {c db ž {c ¾ekm/secJK. ù. 5'. °UÎ. ¯ %. = . M Í. —ï. Œ. â. ,. Ab ŽŽŽDp £. <. < =. . v. Â. i «. +. o c ¾km/sec $. {c o km/secJ½ø. ‚. È. 

(167) . •. &³m3. 5 ec nKkm/secK2 o c b Kkm/secJRoecker, Yeh, and ª. ó.  Œ. . õ { ekm –. ò . . & P %. ”. x b y kmD%. Ý. áãÑ. =. V J sin ϕ.  Y Yeh and Tsai(1981)Q. ë. µ. Aw Å. ôtomographyöÍ. ¦. Å. V* =. %. /ë. È ’. è <. ç. v. %. È-. î. `. Ø. Ï. ì n kmPK% . S. v. . /l. p3. ›. ô.   . ×. <. a “. . -. . . . 0ð.  q.  . . 2t Ñ . JK. /0123. %. (cubic spline inter-. (cross-correlation functions)a. _}. K.

(168) ñ.  . Ï Ï. œ.  ã. Í. . Ë. .  â. ƒ. 2Ÿ. . ›. ï. . ). t. ×. u. tan ϕ =. × *. Í. Í. . . AdÉnD6 ». . . 3. ?. @ Î. ¤ . . §~. @. Î. . @. h . HIº 5?. ?. A. HIÍ. A. ¡. ­. < ¡. . Lowenfeld(1947)" E. J§5?. ` . ?. BÃ. œ. A. B’. “. Y. ³W. YÕ. Lowenfeld -. . . HIV Yg. F. . . Î. ‚. ?. ù >. ˜. . ‰. Ü. u. 0. J8. Î. Ë. JK. KKKKKKKKKKKKKKKKKKAdɎDK.

(169). . . ?. @. M. A. =. . . . }. !. . ï. ?. \. ². * X ƒ. ?. B—`³p= @.  ¼. «. `. G. .. L. F. <. ¥. + §. 5 r. K . BF. . Õ. @. A. E. Û. . . \ ™. K. JK. ±. †. /. ‰. ¡. ?. @. —`„. h . ; ¡. · ú. F. ’. G.  º. F.  G. !. „. HIt. . UHIC ?. @ ß. . Y}. M ’. . é. }. . u. m. K. JK G. < =. . . ¥ i. HIVÚ . §5†. k. HI. .. BF À. . J®. #. ­. i. . A . ã Ï. ½. Ý. . . @. ó }. B. . . ¼. C . . A. ú. . HIV.  G. . UV. ‚. @. . . Ð “. —`M. . Y›. . . ?. @. @. G. . M. ¤. ³W. . t. TK. Lowenfeld(1947)" R. # . ¯. . . B/ Arnheim(1974)p

(170) A. BF. Í.  Lowenfeld  ³+. . . l Y°. Jx. . A. Ï. S.  x V y 5 u. . t ½. G. q. @. 

(171). ¼. . B—`$

(172). R. ∆T12. F. Y. Gardner(1980)§5? Ü. . . . ( y 2 − y1 )cosϕ + (x2 − x1 )sin ϕ. B. /l. ñ. ∆T12 ( y 3 − y1 ) − ∆T13 ( y 2 − y1 ) KKKKKKKKKKKKKKKKKKAdÉnDK ∆T12 (x3 − x1 ) − ∆T13 (x 2 − x1 ).  q. }. va JK. % va =. ü. . /01a. ϕ 5/01 ∆T 5t. . . ÷. . o/ À.  ;. ¡. Î. í. HI˜ ø. /. . 5. O. 6. HIJg ¯. . HIV . °i. º Ã. °¹. Î. > ‚. ov. HITK. HIT¶É¾KK. HI. . ‰ . . p. r. . A. B/.   . ·. —`*. ^é. é !. V . · A.

(173) B}. ~. `JA. B. é . c Û. 9. §. . Ã. . U. ñ. #. Å. ª. . À. 2. . ‰.  <. `5  „. AZ . ;. <.  . . . Jm. 6. ›. . ¤. ×. é. 0. €. Î. <. k. pÖ. Ö. }. Œ . ñ. 5. #. 6. . .. Š. ˜. . . µ. . . 5. g. V.  ·.  . BM. pB.  . Ö. V. ­. . ƒ ’. ). k. . › %. k. x Piaget(1956)Š Ž. Œ. Yì . t. Jñ. Å. ’. ƒ. ß. !. . N. . . *. . ? . k Ö. “ . ².  «. —`} k. =. _. '.  .  £. ‡ 6. ~. 8. AB. .  r. ၠ9. —`;. *. k. . *. ]. 2¤. <. h. . ƒ. †. . \. K. `*. :. ¯. Ú. ©. Yä. ª ». . <. &. · +. ‡ ;. Ù. !. V*. ƒ. Š BÃ. ¦ ). «  i. ä ,. Í. <. þ /. ”. ±. AB. a. r. .  . b ŽŽŽDJK. —`M <. B& . ¦ ). V*. · +. ƒ. _k -. 2© .. b ŽŽŽDJK. 8. G. ìS. BF. G. À. #. . r. V.  H. ó. . Š. Š. . HI: . h  8. ” . È21. J1. t. 2.  :. Š. 1. Vò. ". J!. ô ". " 0. Yt. < . h. “. 53. . W. g. B—`³= &. . ‡. v. ’. r. 6. ñ ". ' A. ¤. %5. ƒ. ä. ì5. . C. ò 0. V3. 3. 4. Û. ². 2 '. 9. ” €. W. ~. š C. . . ]. 4. 2. _x}. `º W. •. È. h. A. — Š  7. ". §. B. . —`. b ŽŽo DJK. . . . Arnheim(1974)$« ¬. l ?. . é @. /. *. ?. _xÖ ã. J_xÖ. ã.

(174)  Arnheim  ;. @. `. B’. x_¤. C =. â. V5 . 4. «. A . 4 ©. á.  . ˜ 5. J«. 9. —`/.  .. o. â $. §5}. @. È. Ö. B. ›. HITb b Éb {KK. &HI?. . #. %&). À . <. . ¬ . HITŽÉb b KK. V§~. Š. Î. 3. I?. ñ. *. .. ñ. Þ >. —`;. !. ÈJ3. † <. J . ". &HI. i. `&. '. (. .  VÚ. €. 2À. o(schematic stage)J> HI. ×. w. }. —`’. b ŽŽy öJK. ä. ÷. Ü. ž. _. “. '. V. ­ . b b D. ƒ . . . . ì. ë. 5ã. V7. e. t. HIT¾ÉŽKK. oA¾ ­ }. 2. Ã. . ‚. <. „. ô½. iV. . ;. áJ†. §5? @.  . = A. . . ‚. . k. . . . M. " . ?. @. A. piJ. B—`$

(175). q . . J #.   . ¤. . . HI§5A . . `· ­ k . D. BF. . E ï. ?. G @. *. HI2¡ A. BF «. G `.  r.

(176) . F. Û. . `. « ~. W. Š «. . =. ï. ‚. %Õ Ã. .  Gardner . ƒ. . [. . . < .  £. . j. N> K €. UÎ. . ;H. . =. . ‰. ?@.  å §. ä. . $. k . I.  w. . VÛ. ². -. 6. [. p. J> &. ƒ =. ‚. .. W. æ. 9. X. &. O—‰ ½. A. . € ë ¸. VF. ë. x g. Ö. À. Aõ. ?. i ª. @. ±. JK. BF. G. . ï. 6 ©.  ¶. S. J. *Y. Î. ¼. ¶ S. ½. † ó. ò. . dyydDJGardner. `. j ?. h. ó. B. —. ñ ". .. ¡;Ý. ¡¢. . &W Í. A. g. V V¹. À . V. Ý %. N> Kȼ. B. © . . ƒ. ñ. ñ. ?@ . å. Û. <5<¡KLa . I. F. ?@2<¡KLaABi@

(177) éƒi². w. H. . A. V. Û. . @. . ². VÛ. . ¡. . x. Vß. ?. ç. F. M M. < . ƒi©.  †. %. ~. Š . ó.  }. }. ò. À. EV 5. Bˆ. ¶. 5S.  I. ¶ S. O$? . 2 . ; ¡. Gardner and Winner(1982)" ?. . RG† 6. 3VC D. V . . *=. ¬. AB/. Le. ot5û. 4. G. K. o(latency age)(Gardner, Ives, Silverman, & Kelly,1979)JK H. Gardner and Winner(1982)? [. £. F. G. ¡;< =<Î. UV. H . &H. —. iV㠁 ë. À . o. UÎ. V. À. ’. . B Í. H. 5 <. ‰. —. V. ·. OÈ . ABq. ?@=.  I. H. 7 E. <. “. I. 9. L. ™. 3Š. <9 . ë. 3Š. À . . J Gardner -?@ABK Õ. Ã. *ò. Ü ì. —. ³=5N3Š . ABq €. <. p K. l € ì. ?. @. <. ?. l ì. p. O˜NK. p K. Å. —. @. Å. — Ü. ì. . JK. Ä . ‚ € <.  L. ÷ 5 å. h.  ‰. V. Ã. Õ. 4. C ". ñ. Ü º. ã. â. e. 5. JGardner -&o35KLâ. $ z. K. JKK. TŽ K. ?@\. Y. \. Õ £. T¶Én KK I. . I. Õ Ã. [. dyy¶öTK J. €. :;³p. H. &H. I H. ã. ?â. OÈ. H Î. I. È  N3Š ®. ñ. p. *NK. ò. . }. ôÅ. Š. G. TyɶKK. I. Oiå. I. ?@ABF. ~. ?@AB-. H I. M. ™ . 2N. : À. K. O. H. I. Y. °. *&!. ?@“ P. %. 5. BBY.   . °. À. W. h. ?@W. } X. ¬. Q. M R. . À. AB . ÷. .

(178) R. e A. ˆ h. *<5KLaJK. ?@ABW å. W. h. < 5. 3Š. ‰. e.  a. . . V8 À. k. ƒ. —. } _. g †. À —. „m _. Ü. º. $. < å. ôR . bŽ Ž ¾ öJ,. ¶ S. . /. ABé. h. x e. ` \. ©. ° Y. 2. Aõ B. ,. W. . h. ‹ W. À. dyydDJK. K. .   . T . . : . m. · â. — ¡p. Í. ‹ Y p. &. % R Z. ‚. W. B « l. #. L V. \. ]. ô[ “ ]. —. é `. k. U ë. ?@. 5„?@X . h à. ³W. % U. 2í. =h. h . T. œƒ S. h. f. W ¯. W W. Y. ß.  4. F ‹. —.  . }. ‰. ABe. 3öm ^. l. — :. . . AB `. U6. 9 \. = Y.  ]. ¡AB  ƒ. ¤. .

(179)  8. 0 . . ³. . °. i± P . AB

(180). =>. . . 2&. J. . î. € œ. ï. '. .. /. <. .. . . . °. . . /. I. ±/. 0. T° b. 1. . 23%. U± .. ,. . °.

(181). .  ±?@K. Rã {ÉbJK K K. . K K . . . . 

(182)   K  .  . K K. . K K. K K $% . & .  .   .

(183). .

(184). '. (. #. ). *. . . . . . . .   . . . . . . . .   K  . K $% . & . . '. (. . #. ).  K . *. . K K !. ". #. . . ,. . K K. !. . # K+. K ã {ÉbK. . .   . î. ï. ãK. .  .

(185)   —. „h Ø. "w <. .  M. ¬ }. g. ñ.

(186). 

(187) ß í. 5. 3<. U. Y ² /. ¦. ¦ (. /. U$. . .

(188). ¦ (. Û. 5. A½. ¾. Y. (.  . . S.  . *p. . â. UÎ.  ƒ. 2. l. "w. .. Ø. tƒia ¦. . §. Ý œ. (Box-counting method)<. ³p l. /.  å. · ×. /. . . dyybDJK â. 5 L  . . l. I. . L2r.. Í. a. K 2 r2 .. Í. a. 5 N JN í. x. í. Æ. r2. £. 2l. < . 5r . UÆ. "w. 5 D  C k

(189). 5 N JN í. N g"´GK N ( r ) = L(1 / r )1 JR<. . 5r . 5GK N ( r ) = C (1 / r ) D JK. Ní. . . Å. /. N g"´GK N ( r ) = K (1 / r ) 2 J_. ³Í. . ×. ã / ×.  r gw ›. R l. . ¿. 5 K ¦ £. l. — §. . 5 r . §. §.  =ª. å.  r 2 gw ›. ². 2 r . (. . /. ² /. g. . "w. ß. ~. .  }. . k. ƒ. œ. <. ò. g°. gw.  r →0  k. . GK S. lim N (r) = C(1/ r ) D KKKKKKKKKKKKKKKKKKKKA{ÉbDK r→0.  _. A{ÉbDÁ _. ×. ³Í.

(190). D TK. log N ( r ) KKKKKKKKKKKKKKKKKKKKA{ÉdDK log( 1 / r ). D = lim. r→ 0. ê. éÀ.  . 2 log(r ) _ ×. . Ã. € “ Ä. ãg.  <. Î. c. Y _.  ·. ò. ´5> í. k. . . P  . . . . ã {Éd(a)5 3Ë . q 2. >. 3Ë.  . ã {Éd(b)

(191). . 

(192). . e. . . Ä.

(193). $ . µ. E. p ß. .  4. Ê. È š. g. %. !. 3Ë. !. £. tH Í. =.  . .  [. =. ‚. O. < log N ( r ). . 5. . . h. . . — £. ]. A Rã {Éd(b)J„3Ë Û. -N. $. D JK

(194).

(195). 4. . . C Å. &É. â. ôAVBVCöA Å. . ó f. ;. Å. P  Q. P  Ã. . ³=5Î . q. . “. l. . “. Jº 1. P . . J ñ. ð. B Å . Ÿ. od œ. Ì.  J. =I Ì. ². P  . ².  . ] . . . . K.

(196)  (a) . (b). . K ã {ÉdKP . . .   . ‰. ä. ãJK.

(197) ?. * P  Ë. t. ã {É{ 5 “ .. . . .. 7. ×. ;. 3Ë. Ì. ð. . . . ;

(198). 2. UI.

(199). €. A 2°.

(200). =>. . . :. Í. . ã {É{(b)=> o . Ø. =>. . § p. € i. ô  ». 3. l. <. ©. ­. \ ’. ]. . “. }. q. R 5ƒ›. ñ. . j. á. Ï. 0. 1. tuJ_. ;. <. . Ï. . Ý . } x. UÎ k. tu, iÎ. /. Ï. . ,. 23%. _. }. . Î. . Ï. É. . œ. yc yye zú. M

(201). -. –. . /. . x. . . !. 0. tùJK. 1. € h. Q. Í. U. by ù ². Ä. 0. ƒ_ *. Ì. È. . . -). ñ. º p. .

(202) éŸ ‘. JK. ã {É{(a) P . . m. Ï. ã {É{(b)³ü.

(203). . ð. bdn ù3Ë Ñ. (cubic spline interpotation)Ú . 23% ­. m . ‘. ³. JK. Ÿ. ƒ›. J3. € £. ï. <. Ý. Þ. ) *×. ƒ Í. ({X 1 , X 2 ,..., X N }{ , Y1 , Y2 ,...,YN }) ƒ› I. N ∑i =1 X iYi − ∑i =1 X i ∑i =1Yi N. N N X 2 −  ∑i =1 i.  N 5Á ×. tu9 8. Ð. . . 0. K. (Taylor,1982)TK. RS. ‰. . . R=. —. ^ . 3Ë. M. (cross-correlation functions)a ×. . 6. É x. 5¦ î. ›. ¢ . Pignatelli et al.(2008)" Q. <. 5 byc d¶ z.  ±N. Þ. ãã {É{(a)5 . . Ž ;. BÝ. iI. <. bŽ { “ ². °. M. i =1. ). 2. Xi. J R g" ×.  N N Y 2 −   ∑i =1 i. _ —. Î. . (. ). . ∑i=1Yi  2. N. . KKKKKKKKKKKA{É{DK. gUj. „ R ³b K. JK Î. Þ. . (∑. N. N. N. . ƒ› /. 3%. S1  S 2 .. 1. tm. ú. È. ­. E Aã {ɶDî. . i. p. S1 . Ï. 5. (S1 , S 2 )  (S1 , S 3 )   tu« € <  Ï ã Ë ˜ M. . 0. S1 V S 2  S 3 œ. Ï. ‘. ‹. Jß Ó. š. ñ. V. Uv. O. 6 Ã. . ñ. UtÏ l. ­.  S1' S 2'JK. S1'S 2' KKKKKKKKKKKKKKKKKKKKKKKA{ɶDK ∆T12 = T2 − T1 = va va 53%. . J’. @. a . ³p . <ã. Ë. / 0.   . 1. /. ï. . TK.

(204)   (a) . (b). . K ã {É{K. . . . . 2.   .

(205). €. . ãJ.

(206) ã {ɶK. -. 2Ï0. ð. ãJK. . Note. From ” Matlab software of the analysis of seismic waves recorded by threeelement arrays,” A.Pignatelli et al., 2008. Computers&Geosciences,794.. .   .

(207) ∆T12 =. . ». ∆T12 ( y 3 − y1 ) − ∆T13 ( y 2 − y1 ) KKKKKKKKKKKKKKKKKA{ÉoDK ∆T12 (x3 − x1 ) − ∆T13 (x 2 − x1 ). tan ϕ =.  . A{ÉoD6 ». . va TKK. 3%. va =. ( y2 − y1 )cosϕ + ( x2 − x1 )sin ϕ. . ƒ. =. -p@ . ›. ãn >. >. 2¡¢. 4. UV=. ª. < ½. @. ›. 

(208). C. &. .

(209) . .t.  = í. ó p’. >. / 6. < =. Î. M. 5? >. . O. @. A. B. ñ ×. C. ç. A. C. B. T. " 9. ƒ Ü. @. @ Î. 5. A ü. B w. . .

(210). 4. . 4 ?. C @. 5 _. q A. } :. r B.

(211). ". #. ÷. p =. ù.

(212).  s. JK. T;. C. <. €. ;. I . <. °. Î. U±. Y. .  ·. ãAã {Ée(b)DgÄ â. Ü. =. tm. U. œY. rs. Y. œ}. ñ. Uj. %. Q ƒ.  Ü. <.  =.   . ñ. ú. â. .. c. ë. _ x. _.

(213). ¼. ò. í´. J. Urs L. .  ï. ï. tm Ü. K. >. l 5>. g³. 9. . ƒ. ñ. = i. Ö. U. á . >. Õ u. rs. v. ñ. !. tƒ . :. Q. }. U q. v. l. Uå. *Ü. ‘. M. &. >. U. Ü. «.  7. O «. —`. 4. 2×. rs. u. ,. E. . TK. B. @. ©. U. N. -? p. D. 4. A. ò. å ƒ. < v. 4. D = 1.72 JK. L. t. Ü. >. Ä À. @. <. Î. . pQ. }. =. ³. ?. Ä. . i. . 5 . . A¾žbd D?. ¡¢. (cluster analysis)T >. á ƒ. #. =. ø u. rs. -N. Ü. -(. pØ. . =. $. x. ç. . JK. D4. . mž¥. Jã {Ée(a)5?. 

(214). ø. ©. w. Õ ó. pS. “â. V(. M B. ¤ _. Uœü. «. AB B.  . Y -ä. . p. iV€. ?. 

(215). V© . . o C. A ‚. KKKKKKKKKKKKKKKKKKA{ɾDK. ∆T12.  . KKKKKKKKKKKKKKKKKA{ÉeDK. va. 1 ϕ TK. ­/0. A{ÉeD6. . ( y2 − y1 )cosϕ + (x2 − x1 )sin ϕ. §. :. -9. J Ÿ. U ‘ x.  Ü. “a ì. €. = ¢. >. Ö <. > x. Î. Õ u. >. ]. = _.  =. í\. Ü –. q. .  .. . œ w. ©. K.

(216) K. (a). K.      (b)  K K. D =1.72. K K K K K K ã {ÉeK?. . @. A. B. 4. C.

(217). . (a)A B. 4.   . C. K(b). ò. 2×. â. .€. . ãJK.

(218) .=. >.  Vƒ. › /. ^ \. 2ß. /8. á. $. › !. × &. ƒ. <. x. square testD A½ <. . ß. ‡. _ /8. dyyyDJK x. 9. Tƒ / Y. ›. ›. ›. =. ^ á. ›. ƒ. ›. .. á. á. .  . Ø. . Ê ©. 8. 9.

(219). . . /. gƒ. ›. . . /ë. . . !. !. M. t. p˜ƒ M. ›. 5¡¢. O(contingency coefficient)Ø ×. rs . 5. `. dÒdVdÒ{V¶Ò¶. dyyeDJ5 9. (correlation analysis) >. Uå. < N[¤ Ø. ³ ›. . _. .tƒ. % ¤. AÅ. /. . ÒK 9 “×. 2¡¢. 2¼ V

(220). JK.   . L. å ½. 2©. [¤. ª. ï. . 2

(221). V©. . /. —*ß Ü. z. ƒ =. t›. û. /8 “×. ¤. ^ s. .  .  ª. [. y Achi. å. .tu. [ 2

(222). JU$ 9. å. . . Ø. K.

(223)  P

(224).  Í Ë. Ì }. ² ñ.  tm. ï. ÷ rl ò. U. Z {. O. .  . h. 3. i ƒ. w. . ". . Í. M ò. =. r = L → L/ 32³. ' ¯ . . . 6. Q. ¼ Ý “. ó. ’. . &. ¿. . 3Ë w. t%. Ä. . h. . Ý. J. I 6. M. ü.  Q. 7. ×. ×. ò. V3. í$. &'. JK. Œ.  ². §. &. Ä. Ñ. Ä. ,. ñ O. Í. ‹. ò. gZ. ÷ ò. ø. ÷. Œ. t-¬. Î. < &. %. . Y. . 5ò. . ò. .. . < ". 9. r. íÉ. Ãpã ¶Éb(c)K >. ". O J;. à L = =.  ·. &'N . . É. @. <. .

(225) ø. C. ?. €. í. p r = L → L/ 32KT. ¿. E . B x.  x. Ó. " 9. w. -¬ . .  ò. &'N. %.

(226). 3. €. ø -Y. ã ¶Éb}. ì. . ò. +. w. ÷. Í ø. “. ”. •. &. JK.  g. tm <. †. g w. . Œ. f. ¿. Ì. 2Ý |. ². ¥. -W. . ó. . j. k. . . . tJ— ¶Éb †. tu. m. v. .  ‰. 0 Ì. ð.  yc yde z8. ² â. ’. ². ƒ. tm. e ­ dy. @. %. _. . . ˜/K. Á by ùJK. tm.   bo ù­ ebd ùR. ¿. 3Ë. Ñ. Ñ. . ã ¶ÉdJã ¶Éd(a)V¶Éd(b)V¶Éd(c)3Ë " v }. Á bdn ùJK. K. . . ×. N. ÷. ã ¶Éd(f)V¶Éd(e)3Ë &. 7. K. . < ×. . .  } í yc ¶b¾¶P . %. . . Ì. R. “× ˆ. . Ñ.

(227). 3Ë. . ùÍ 7. pÍ. ½. >. €. (Fabio,1996)J. “â ü. íœB. ñ. . . 7. W. .  L ~ L/ 8 ­ L ~ L / 128gà L 5¦ 9. }. .  °. Y. -¿. .

(228). + Ý. T. 9. J±. }. N. ø. . . . . 5 . Ñ. . . . 9. . . n. . 23Ë. .  6. . ]. . §. . .   . R. ã ¶Éd(d)³ ‡. ~. &' P  . K.

(229) (a). . (b). . (c). . (d). . (e). . ã ¶ÉbK}. . ñ. ò. .

(230).   . =. >. ãJK.

(231) — ¶ÉbK Ì. ². tm. K. ! 3Ë. Ê Ì. 4. 3Ë ². “×. Ì. ² K. tm. D íK.  P . P .  . tK t(sec)K. eK. {noK. yc ¶b¾¶K. byc doeK. byK. bŽ¶K. yc ¶b¾¶K. byc dŽyK. beK. b{yK. yc ¶b¾¶K. byc {beK. dyK. ŽnK. yc ¶b¾¶K. byc {¶yK. deK. ¾nK. yc ¶b¾¶K. byc doeK. {yK. ooK. yc e{{¾K. byc {ŽyK. {eK. eoK. yc ¶b¾¶K. byc doeK. ¶yK. eyK. yc e{{¾K. byc ¶¶yK. ¶eK. ¶{K. yc ¶K. byc yŽK. eyK. ¶yK. yc e{{¾K. byc {ŽyK. . . œÍ.  .

(232) (a). (b). . (c). . (d). . (e). (f). . ã ¶ÉdK}. . ñ. Ê. 4. 3Ë. Ñ.  . .

(233). =. >. ãJK.

(234) . .   % }. . . . ï. . –. –. . <. £. ] gÃ. `. U .

(235). (S/N ratio)- a. bŽŽŽ ¡ by € dd þ. 9 ·. ]. [ . -Ø. J± ñ. ™. . ». &'W. . ã ¶É{ Ãã ¶É{ (a)«. h J;. J. ]. >. ]. ƒ. / a. J. I. §. :. .

(236). . =. j. k. & >. I.  J.  ø. (. «. ó. UV. . . iV3Ë. ò ². .  V]. &'Z. ±. 8. •. JK. m. . . J. tù byc ¾Ž z«. . ³. . . &']

(237). !. Z. 0. ð. . . W. €. ´. K. JK. ³. . . . `. . ½. Ã. ¿. M. tü ˆ m. <. a. bc de ..  Q. ”. . M. ³. 6. Ê. •. . . JK. Y. . . Tbc 3Ë 4. J{c . . 3Ë. -. m. u. ÷. ÷. ø. m. ø. . . ¿ Tó. Jdc Ï/0. ¿. TD. E. (. ø ô. ™. . 1u.

(238). . Ï2. m -. ¿ m. ‘. L TD. u. E m. ˆ. JK. .  4. Ã-. .

(239). . Ã/. . . . d{c nŽ{eV¦ . . . Á by ùJK. W. 1u. 0. . ó. ]. r = L → L / 32 JK. <. ¼. Ï ¯ . . . ó. Á bdn ùJK Ñ. ”. . tm. V3Ë. Ï/0. . Ø. Ì. . ~ Í. . yc ye zã ¶É{ (d)oy‚ ] >. yc b zã ¶É{ (e)ny‚ ]. yc ee zJp’. ny‚ ]. . . . tù5 byc d¶ zã ¶É{ (b)V. tù byc b¶ z". ë. . œÍ. tù byc bŽ z". ç. CHY095 â . ¶É{(c)dy‚ 2 ¶y‚ ]. ƒ. •. dy‚ AS/N eDV¶y‚ AS/N dc eDVoy‚ AS/N bc o¾D ny‚ AS/N bc deD9. ]. <. ”. . . $. 5. .  ×.  bŽŽe ¡ ¾ € ¾ Ò. Ó. . . v. ec {V;. b{c bkmö TCU050VTCU056 2 TCU057 Î. bdbc yŽyyV. p}. ñ. 3Ë. ÷. ø. T. ¿.  . ü. M 9. {. . ÷. ø. ϟ. â. ". /0. §. æ 1K.

(240) K. . ã ¶É{Kó. . ™. }. ñ. ï. ]. .   . . .

(241). =. >. ãJK.

(242)  .  . ã ¶É{ôõ bö JK. .   .

參考文獻

相關文件

This study proposed the Minimum Risk Neural Network (MRNN), which is based on back-propagation network (BPN) and combined with the concept of maximization of classification margin

This study combines the Technology Acceptance Model and Theory of Planned Behavior as its research foundation, added with dimension of perceived value as

3 recommender systems were proposed in this study, the first is combining GPS and then according to the distance to recommend the appropriate house, the user preference is used

IPA’s hypothesis conditions had a conflict with Kano’s two-dimension quality theory; in this regard, the main purpose of this study is propose an analysis model that can

The objective of this study is to analyze the population and employment of Taichung metropolitan area by economic-based analysis to provide for government

Therefore, a study of the material (EPI) re-issued MO model for an insufficient output of the LED chip manufacturing plant is proposed in this paper.. Three material

Thus, the purpose of this study is to determine the segments for wine consumers in Taiwan by product, brand decision, and purchasing involvement, and then determine the

The main objective of this system is to design a virtual reality learning system for operation practice of total station instrument, and to make learning this skill easier.. Students