中小學校舍耐震評估－以演化式支持向量機推論系統為評估方法

To Evaluate the Seismic Performances of the School Buildings using Evolutionary Support Vector Machine Inference System (ESIS)

陳清山(Ching-Shan Chen)；鄭明淵(Min-Yuan Cheng)；吳育偉(Yu-Wei Wu)

中小學校舍 ； 性能目標地表加速度 ； 支持向量機 ； 快速混雜基因演算法 ； 耐震評估 ； School Buildings ； Performance-Target Ground Acceleration ； Support Vector Machine ； Fast Messy Genetic Algorithms ； Seismic Assessment

建築學報

87期（2014 / 03 / 01）

103 - 119

繁體中文

臺灣位於環太平洋地震帶，地震頻繁，歷年來之地震常造成中小學校舍極大的損傷。由於校舍除了做為教育場所外，大地震過後亦常當作災民的臨時收容所，地位極為重要。故如何評估現有校舍的耐震能力，以發揮校舍的功能，乃一件刻不容緩的工作。性能目標地表加速度為國家地震工程研究中心所提出的理論，代表校舍結構可否滿足耐震能力的一個重要指標，其值之計算繁複且耗時，非一般工程人員可勝任。本研究為解決上述問題，以人工智慧方法發展一演化式支持向量機推論系統（ESIS），此系統乃結合支持向量機（SVM）以及快速混雜基因演算法（fmGA）兩種理論而成，可快速評估性能目標地表加速度。本研究以異於傳統的研究方法切入耐震評估領域，以新的思維探討校舍耐震能力。文末以臺灣地區525棟典型校舍做為研究範例，並將樣本區分為訓練範例及測試範例。從研究結果中可知，訓練範例之誤差均方根值（RMSE）介於0.06464與0.08758之間； 測試範例的RMSE則介於0.01329與0.02876之間，顯示結果十分良好，可提供學術界及工程界的參考。

School buildings in Taiwan are designed to serve not only as places of education but also as temporary shelters in the aftermath of major earthquakes. Effective evaluation of the seismic resistance of current school buildings is a critical issue that deserves further exploration. The National Center for Research on Earthquake Engineering (NCREE) currently employs performance-target ground acceleration (Ap) as the key index to evaluate school structure compliance with seismic resistance requirements. However, computational processes are complicated, time consuming, and require the input of many experts. To address this problem, this research developed an evolutionary support vector machine inference system (ESIS) that integrated two AI techniques, namely, the Support Vector Machine (SVM) and Fast Messy Genetic Algorithm (fmGA). Based on training results, the developed system can predict the Ap of a school building in a significantly shorter time base, thus increasing evaluation efficiency significantly. Samples of 525 typical school buildings in Taiwan were used in this research. Divide them as training cases and testing cases, which were used to calculate the root mean square error (RMSE). According to the results, the RMSE of the training cases are between 0.06464 and 0.08758, while the testing cases are 0.01329 and 0.02876. Another aim of this research is to retain and apply expert knowledge and relevant experience to the solution of similar problems in the future.

1. 王瀅翠、張嘉祥、陳嘉基、吳建邦(2006)。既存中小學老舊校舍結構調查研究─以台南縣為例。建築學報，58，1-18。
   連結：
2. 李元墩、王水文、蔡柄權、陳金松、吳仕捷、陸正威、王海秀(2009)。校舍耐震評估、補強執行策略─台南市實例。建築學報增刊（技術專刊），70，39-54。
   連結：
3. 莊宗樺、杜怡萱、劉白梅、林宣百(2011)。含磚牆RC構架面外受震行為研究。建築學報，76，73-90。
   連結：
4. Burbudge, R.,Trotter, M.,Buxton, B.,Holden, S.(2001).Drug design by machine learning: Support vector machine for pharmaceutical data analysis.Computers and Chemistry,26(1),5-14.
5. Chen, H. M.,Kao, W. K.,Tsai, H. C.(2012).Genetic programming for predicting aseismic abilities of school buildings.Engineering Applications of Artificial Intelligence,25(6),1103-1113.
6. Chen, W. W.,Yeh, Y. K.,Hwang, S. J.,Lu, C. H.,Chen, C. C.(2012).Out-of-plane seismic behavior and CFRP retrofitting of RC frames infilled with brick walls.Engineering Structures,34,213-224.
7. Cheng, M. Y.,Chen, C. S.(2011).Optimal planning model for school buildings considering the tradeoff of seismic resistance and cost effectiveness: A Taiwan case study.Structural and Multidisciplinary Optimization,43(6),863-879.
8. Cheng, M. Y.,Chen, C. S.(2014).Preliminary planning efficiency evaluation for school buildings considering the tradeoffs of MOOP and planning preferences.Journal of Civil Engineering and Management,20(2),211-222.
9. Cheng, M. Y.,Chou, J. S.,Roy, A. F. V.,Wu, Y. W.(2012).High-performance concrete compressive strength prediction using time-weighted evolutionary fuzzy support vector machines inference model.Automation in Construction,28,106-115.
10. Cheng, M. Y.,Wu, Y. W.(2009).Evolutionary support vector machine inference system for construction management.Automation in Construction,18,597-604.
11. Cheng, M. Y.,Wu, Y. W.,Wu, C. F.(2010).Project success prediction using an evolutionary support vector machine inference model.Automation in Construction,19,302-307.
12. Chou, J. S.,Cheng, M. Y.,Wu, Y. W.,Wu, C. C.(2012).Forecasting enterprise resource planning software effort using evolutionary support vector machine inference model.International Journal of Project Management,30(8),967-977.
13. Chung, L. L.,Chen, Y. T.,Sun, C. H.,Lien, K. H.,Wu, L. Y.(2012).Applicability investigation of code-defined procedures on seismic performance assessment of typical school buildings in Taiwan.Engineering Structures,36,147-159.
14. Delgado-Gomez, D.,Aguado, D.,Lopez-Castroman, J.,Santacruz, C.,Artes-Rodriguez, A.(2011).Improving sale performance prediction using support vector machines.Expert Systems with Applications,38(5),5129-5132.
15. Drucker, H.,Burges, C.,Kaufman, L.,Smola, A.,Vapnik, V. N.(1996).Support vector regression machines.Advances in Neural Information Processing Systems,9,155-161.
16. Feki, A.,Ishak, A. B.,Feki, S.(2012).Feature selection using Bayesian and multiclass support vector machines approaches: Application to bank risk prediction.Expert Systems with Applications,39(3),3087-3099.
17. Goldberg, D. E.,Deb, K.,Kaegupta, H.,Harik, G.(1994).Rapid, accurate optimization of difficult problems using fast messy genetic algorithms.Australian Electronics Engineering,27(2),56-64.
18. Horng, S. J.,Su, M. Y.,Chen, Y. H.,Kao, T. W.,Chen, R. J.,Lai, J. L.,Perkasa, C. D.(2010).A novel intrusion detection system based on hierarchical clustering and support vector machines.Expert Systems with Applications,38(1),306-313.
19. Jiang, A. N.,Wang, S. Y.,Tang, S. L.(2011).Feedback analysis of tunnel construction using a hybrid arithmetic based on support vector machine and particle swarm optimization.Automation in Construction,20,482-489.
20. Jiang, H.,He, W.(2012).Grey relational grade in local support vector regression for financial time series prediction.Expert Systems with Applications,39(3),2256-2262.
21. Kaltakci, M. Y.,Arslan, M. H.,Yilmaz, U. S.,Arslan, H. D.(2008).A new approach on the strengthening of primary school buildings in Turkey: An application of external shear wall.Building and Environment,43(6),983-990.
22. Kao, W. K.,Chen, H. M.,Chou, J. S.(2011).Aseismic ability estimation of school building using predictive data mining models.Expert Systems with Applications,38(8),10252-10263.
23. Sergio, S. R.,Fuente, M. J.(2010).Fault tolerance in the framework of support vector machines based model predictive control.Engineering Applications of Artificial Intelligence,23(7),1127-1139.
24. Tong, S.,Koller, D.(2001).Support vector machine active learning with applications to text classification.Journal of Machine Learning Research,2,45-66.
25. Vapnik, V. N.(1995).The Nature of Statistical Learning Theory.NY, USA:Springer.
26. Wong, W. T.,Shih, F. Y.,Liu, J.(2007).Shape-based image retrieval using support vector machines, Fourier descriptors and self-organizing maps.Information Sciences,177(8),1878-1891.
27. Yongmin, L.,Shaogang, G.,Jamie, S.,Heather, L.(2004).Support vector machine based multi-view face detection and recognition.Image and Vision Computing,22,413-427.
28. Zekeriya, A.,Yusuf, A.(2010).Optimum topology and shape design of prestressed concrete bridge girders using a genetic algorithm.Structural and Multidisciplinary Optimization,41(1),151-162.
29. 江文卿、邱聰智、蕭輔沛、杜怡萱、簡文郁、葉勇凱、鍾立來、黃世建(2008)。國家地震工程研究中心研究報告國家地震工程研究中心研究報告,台北市:國家地震工程研究中心。
30. 江文卿、邱聰智、蕭輔沛、杜怡萱、簡文郁、葉勇凱、鍾立來、黃世建(2008)。國家地震工程研究中心研究報告國家地震工程研究中心研究報告,台北市:家地震工程研究中心。
31. 杜怡萱、葉貝羚、劉子暐(2007)。國家地震工程研究中心研究報告國家地震工程研究中心研究報告,台北市:國家地震工程研究中心。
32. 邱聰智、邱建國、葉勇凱、簡文郁、鍾立來、周德光(2008)。國家地震工程研究中心研究報告國家地震工程研究中心研究報告,台北市:國家地震工程研究中心。
33. 姚昭智(2008)。行政院國家科學委員會專題研究成果報告行政院國家科學委員會專題研究成果報告,台北市:行政院國家科學委員會。
34. 柴駿甫、鄧崇任、翁元滔(2006)。行政院國家科學委員會專題研究成果報告行政院國家科學委員會專題研究成果報告,台北市:行政院國家科學委員會。
35. 翁元滔、林克強、黃世建、邱聰智(2008)。國家地震工程研究中心研究報告國家地震工程研究中心研究報告,台北市:國家地震工程研究中心。
36. 張嘉祥、許茂雄、姚昭智、劉玉文(1995)。台南市區鋼筋混凝土校舍耐震評估。建築學報，13，33-45。
37. 許茂雄、廖文義、杜怡萱、許士昱(2002)。國家地震工程研究中心研究報告國家地震工程研究中心研究報告,台北市:國家地震工程研究中心。
38. 陳清山、陳信安、郭章淵(2008)。行政院國家科學委員會專題研究成果報告行政院國家科學委員會專題研究成果報告,台北市:行政院國家科學委員會。
39. 黃世建、鍾立來、簡文郁、葉勇凱、王翊光、余建維、張撼軍、陳永蒼、周德光、許丁友、邱建國、邱聰智(2005)。國家地震工程研究中心研究報告國家地震工程研究中心研究報告,台北市:國家地震工程研究中心。
40. 黃世建、鍾立來、簡文郁、葉勇凱、余建維、張撼軍、王翊光、陳永蒼(2006)。國家地震工程研究中心研究報告國家地震工程研究中心研究報告,台北市:國家地震工程研究中心。
41. 葉勇凱、黃世建、翁樸文(2007)。國家地震工程研究中心研究報告國家地震工程研究中心研究報告,台北市:國家地震工程研究中心。
42. 廖文義、柴駿甫(2000)。國家地震工程研究中心研究報告國家地震工程研究中心研究報告,台北市:國家地震工程研究中心。
43. 蕭輔沛、邱聰智、劉子暐、邱耀正、黃世建(2008)。台南關廟國小現地試驗簡介。校舍耐震補強現地試驗成果研討會論文集，台北市:
44. 鍾立來、黃世建、簡文郁、葉勇凱、周德光、邱聰智、蕭輔沛(2006)。國民中小學校舍結構耐震能力提升之策略與技術。土木水利季刊，33(2)，86-97。
45. 鍾立來、葉勇凱、簡文郁、蕭輔沛、沈文成、邱聰智、周德光、趙宜峰、楊耀昇、涂耀賢、柴駿甫、黃世建、孫啟祥(2009)。國家地震工程研究中心研究報告國家地震工程研究中心研究報告,台北市:國家地震工程研究中心。

1. 陳清山(2017)。以人工智慧理論探討臺中市中小學校舍耐震因子及耐震能力。建築學報，100，95-116。