以共用领域类神经网路架构土石流预警系统之研究.ppt

按一下以編輯文字樣式,按一下以編輯母片,第二層,第三層,第四層,第五層,*,以共用臨域類神經網路架構土石流預警系統之研究,2007.04.25,簡報大綱,前言,文獻回顧,理論概述,研究區域與資料彙整,結果與討論,結論,心得,前言,臺灣位處於環太平洋之地震帶，地震頻仍，加以颱風季節豪雨斷，山崩、地及土石等自然災害應運而生，其中又以土石災害最為嚴重。,土石災害之主要成因為水文與地文條件，但其牽涉的範圍甚廣，包括水文學、氣象學、測學、地形學與地質學等，並包含大的空間與時間的變性及非線性因子，一般傳統模式並無法有效的予以分析。,前言,因此本研究嘗試用神經網架構土石預警系統，針對土石之影響因子與因時因地而有所同的特性進研究、分析。,並希望能透過土石災害發生前之各種資的蒐集，建一土石預警的神經網架構，研判土石發生的機制，推估土石發生的時機，從而進一步解神經網於土石預警的合性及適性，以作為日後研究及實際操作執之考依據。,文獻回顧,謝正等（,1995,）用多變分析中之二群體區別函,(Two-group discrimination function),的方法繪製土石之界雨線，以期能對土石預警基準的劃定有一較佳之依據。,詹錢登等（,1999,）以機觀點探討山坡地水文特性及地文特性與土石發生條件之關性，根據水文及地文之確定性，分別以一階二級動差法及蒙地卡模擬法，分析同土石發生機下之土石發生條件。,文獻回顧,張斐章、心平（,1995,）曾應用模糊與神經網於土石預警系統，其主要以神經網為主軸，輔以模糊的概，藉雨多寡及研究地區地形對土石發生的影響，判斷是否達土石之警戒標準。,張東炯（,2000,）以倒傳遞神經網針對過去調查所得資，進土石發生情況之研究。其結果與調查所得比較後發現，神經網架構具穩定性，且在訓學習過程所得成功平均高達,91.073,，而在測試驗證過程，整體成功約為,76.5,。,文獻回顧,邱曉萍（,2002,）曾用共用域神經網進雨逕之推求，其模式架構上先以共用域方法進資之分，而後半階段則以迴歸分析建構輸入輸出資間的相對應關係。,理論概述,共用鄰域,本研究中架設以共用域為概的神經網，即共用域神經網,(SNN),，此網架構可分為部分，前半段先以共用域分方法將土石發生的資做分，而後半段則用監督式學習方法針對分出的結果與實際資做比對，並進而決定其分的結果所佔之權重比，使具同權重之分群集具一定的指標性意義。,理論概述,一般的分方法通常只具有處如圖,2,之球群集能，對於如圖,3,之非球群集則通常無法達到人滿意之結果。,理論概述,共用域演算法則為先給予一對特定值,K,(,鄰近資點個,),與,KT,(,資點比較之重覆資點個,),。,經由各資點對其最短距之點的搜尋，決定各資點之相鄰,K,個資點，之後再比較各資點之,K,個資點是否有一定之相似,(,即其重覆點之個是否大於等於設定之,KT,值,),，是，則可將之定義為屬於同一群集之個體。,理論概述,相似度的比較：,選取要比較的個點必須互相於彼此的半徑之內，也就是比較的資點必須存在彼此資點所含括之,K,個鄰近點內，之後再判斷除要比較的資點之外，其所含括的,K,1,（點與點之距皆相同）個資點，其重覆出現的資點個是否有大於,KT,值，是，則將之分為同。,理論概述,圖,4,為對圖,3,之非球群集分所得之結果，由圖形中可以看出當調整值（,K,與,KT,）為,K,22,與,KT,6,時，我們可以輕地將原本的同心圓圖形分為三。,理論概述,監督式學習法則,經由以上之共用域演算法分後，可以得到某些具特殊意義的群，首先由這些群中計算出每個聚之中心點,wj,(,j,=1,n,；,n,為分群,),。,並給定每個群一,qj,值,(,j,=1,n,；,n,為分群,；,其中，,qj,為,01,的隨機值,),，即輸出權重值，接著進權重調整，改變原分的輸出權值為，其中,為學習速，,01,，其值固定變；為訓範的輸出值。,理論概述,將上述的學習法則歸納可以為下步驟：,其中：,D,(,wj,x,(,t,),表示第,j,個規則單元的中心點,wj,與輸入值的距。,為在三角形從屬函的模糊運算中，與中心點,wj,的寬值。,理論概述,上述網的學習演算可架構出網模式，以進預測函或實際系統的工作。在學習運算中，值可以由試誤法找出，在本研究是先找出群間之最大值，再經由斷地修正，直到其所得之誤差為最小為止。,在網預測階段則包含個部份，第一步驟是形式套配，第二步驟是權重均分，運用模糊控制的觀進預測，其演算步驟如下：,理論概述,步驟一：,輸入與第,j,個聚的套配情況以套配指,S j,0,1,表示：,其中，,(w,j,),代表第,j,個聚，其中心權重點為,wj,，間隔寬為,。,S,稱為套配測或相似測，可以任何的形式表現，此處以下式及圖,7,表示：,理論概述,上述的計算中，輸入值與第,j,個聚的中心向的距大於，則,Sj,=0,，表示第,j,個聚對於該輸入值的影響權重等於,0,。,理論概述,步驟二：,預測值 以權重均分的方式計算，依照未知預測值佔各個從屬函權重的百分比，乘以該從屬函的權重加之後，再求其平均值以得出該預測值 。在此網模式中，預測值的計算方式如下式所示：,理論概述,模式建構完成之後，所有相關之將固定變，其驗證階段則將新的資與訓階段所得到之每群的中心點間，求算新的資於每個群集中心點的距，依模式預測階段之方法進演算，最後可預測出輸入資所相對映之結果。,理論概述,以簡例對,SNN,類神經網路架構測試,隨機產生,450,筆的資，並將這,450,筆資分為三組，分別用以充做,訓、驗證及測試階段,之資，資的筆分別為,300,、,100,及,50,，而網的架構上則為一雙輸入單輸出之,SNN,共用域神經網，以,x,、,y,為其輸入值，,z,則為其輸出值，其結果如下：,理論概述,在,SNN,的分階段，為讓資的群過大而產生過描述的情況，選取的群設定為資組的,1/10,較為適宜，當,K,10,、,KT,6,所分出之,32,個聚為分之結果，而經由多次的測試，選定值為,0.33,，以上即為模式測試之相關的設定。,依照相同的設定分別進驗證與測試，可以得到錯的結果，而由圖,8,至圖,10,看，雖然沒有每個點都抓得到，但就整個趨勢看，其結果尚屬錯，由此簡函的執可以知道此一模式架構應屬一可的方法。,研究區域與資料匯整,研究區域,本研究以南投縣的陳有溪域為主要的研究區域，其地位置於台灣中央，縣內山多平原少，山地約佔,80%,，全長約,42.4,公，域面積,449.67,平方公，平均坡約,1/20,，河道深狹，水湍急，屬急河川。,研究區域與資料匯整,資料蒐集與分析,本研究所蒐集之災害資為陳有溪域在民國七十到八十七間所發生的土石災情，蒐集的資分為,地文因子,及,水文因子,部份。,在地文因子方面用值地形模型資配合二萬五千分之一之地形圖，以地資訊系統和集水區資訊系統進地文因子的相關分析與擷取，而水文因子方面則是用集水區鄰近雨站之時雨與土石發生地點的距相關遠近進分析。,研究區域與資料匯整,土石災害發生紀,研究區域與資料匯整,水文因子之分析與擷取,由於雨的分佈在時間及空間上有極大的確定性，同的地點因為其距遠近的關係其雨必定同。,所以在本研究中採用距平方反比法，希望能藉由對雨在空間上分佈的差進簡化的假設，以模式的建構。,研究區域與資料匯整,地文因子之分析與擷取,土石的發生除水文因子之外，尚有如：集水區面積、河川主長、集水區坡,等各項同的地文因子所影響，因此，本研究用,GIS,軟體進地文因子的蒐集與分析。,研究區域與資料匯整,集水區資訊系統,經由集水區資訊系統的集水區特性分析功能，對於割之集水區進分析，可以得到所需之地文因子，如：集水區面積、河川主長、集水區坡及形因子,.,等特徵。,結果與討論,本共用域神經網模式架構如圖,13,所示，前半段為一分型之共用域網，希望藉由輸入項所存在之特定關係做一有效的分，而後半段採監督式之學習方法，用發生與否當為輸出項之期望值，並藉由訓階段斷的比對、修改其權重，使輸入項之各筆資能有適當之歸屬並定義之。,結果與討論,在輸入因子方面有右圖中項，經由同的輸入項進試誤法，測試同之網模式架構，從而決定一最適之共用域神經網模式架構。,結果與討論,表,3,則為同輸入因子之模式架構的測式結果，輸入資為民國七十到民國八十七的雨場及蒐集分析到的地文因子資，共計有十個集水區，每個子集水區約有十場左右的雨場，共計有,1038,筆。,在資的分割上則分為訓階段的,620,筆，而剩下的,418,筆做為測試之用，其中，土石發生之雨場資共計有,26,筆，有,19,筆放置於訓階段，測試階段則為剩餘之七筆。,結果與討論,結果與討論,由結果看出以,有效雨延時,、,有效積雨,、,集水區面積,、,河川主長,、,集水區坡,等五個輸入項為輸入因子之結果最能適描述本研究之土石發生情況。,分設定上則以,K,5,、,KT,2,，共可分為,112,為最佳，在訓階段的,620,筆資中，有,15,筆為誤判，其誤判為,2.4,。,結果與討論,而測試階段的,418,筆資，誤判的筆僅為十筆，發生點的判釋上，七筆中有五筆被判釋而得，而發生與未發生土石情況之判別情形就分混洧表看也有相當高的正確,(,如表,4,及表,5),。,結論,在共用域分方法使用上，雖然,K,與,KT,並沒有特定方法可以決定，必須經由選擇同之組合重複進分測試，然因演算過程具有需要大之記憶體且執速快的優點，所以在模式分運算效上有錯表現。,本研究以監督式學習法則對共用域分方法分之結果架設一層神經網，在結果指出，共用域神經網,(SNN),除在未發生土石雨場有錯表現外，在發生土石的雨場測試上亦可達到,71.4%,之預警效果。,心得,本研究以類神經網路，再藉由地文和水文因子來預測土石流發生的機率，得到一個不錯的結果，以整個架構和其分析結果來看，似乎相當具有可行性。,但我認為本研究只是對陳有蘭溪流域內進行土石流的發生機率的探討，無法真正的提供一個災害的預警系統和模擬土石流的發生時機。,簡報結束 請多指教,