應用巨量資料空間資訊系統之建置：利用粒子群最佳化分析建構崩塌地

The Study of Big Data Analysis on Spatial Information System: Particle Swarm Optimization Approach for Landslide Mapping

萬絢(Shiuan Wan)；鄭育欣(Yu-Hsin Cheng)；柳宗林(Zhong-Lin Liu)

崩塌地 ； 資料維度縮減技術 ； 粒子群最佳化 ； landslide ； data dimension reduction technology ； particle swarm optimization

嶺東學報

47期（2020 / 12 / 01）

215 - 232

繁體中文

空間決策支援系統結合地理資訊系統技術與決策支援理論，可提升對空間問題的決策效能，過去分析崩塌地的研究著重於統計和模擬，本研究嘗試以非監督式最佳化的群聚理論，進行崩塌地的空間分析。巨量數據因為其維度很高，在收集資料時必須將沒有用的屬性進行刪減，因此資料維度縮減技術（dimensional reduction）進行，可以協助使用者從大量的資料中挖掘資料間的結構、簡化資料的複雜性，以解決空間分析的困難性。本研究嘗試以聚類分析（K-means）結合粒子群最佳化（Particle Swarm Optimization）在知識界限圖內，以雪霸崩塌地的資料庫中，選取最具代表性的臨界點（切割點），利用粒子群最佳化建立知識規則，依其將真值量化後之離散化算法，求出重要核心因子，獲得門檻值（threshold）。即以研究區內崩塌地的空間分布進行運用KPSO（K-means + Particle Swarm Optimization）分析，並取得崩塌地之地文、水文因子、地形因子、植生因子等相關因子探討，崩塌之影響機制及崩塌地潛感分布，期能有助於掌握崩塌發生之詮釋空間資訊，進而建置完整之崩塌地決策支援系統。

The spatial decision support system combines geographic information system technology and decision support theory to improve the decision-making efficiency of spatial problems. The past researches on the analysis of landslide are focused on statistics and simulation. This research attempts to use unsupervised optimization clustering theory to carry out the spatial analysis of landslide. Because of its high dimensionality, large amounts of data must be deleted when collecting data. Therefore, dimensional reduction technology can dig out the structure of data and simplify the data from a large amount of data to solve the difficulty of spatial analysis. However, this research attempts to use cluster analysis (K-means) combined with particle swarm optimization (Particle Swarm Optimization) to select the most representative critical point (cutting Point). The particle swarm optimization to establish knowledge rules, according to the discretization algorithm after the truth value is quantified as well as find the important core factors and then finally obtain the threshold. That is, the hybrid model of KPSO (K-means + Particle Swarm Optimization) analysis based on the spatial distribution of the landslide in the study area. The geological, hydrological factors, topographical factors, vegetation factors and other related factors of the landslide is then applied to discuss the impact mechanism. The potential distribution of the landslide can help to grasp the interpretive spatial information and then build a complete landslide decision support system.

1. 溫琇玲,廖洪鈞,林郁欽,蘭雅森(2001)。鑑別分析法應用於坡地社區邊坡崩塌機率之評估研究。建築學報，37，49-63。
   連結：
2. 萬絢,王吉成,雷祖強,周天穎(2007)。以空間資訊技術與布林粗糙集合分析雪霸崩塌地石礫土與壤土之差異性研究。台灣地理資訊學刊，5，1-15。
   連結：
3. Guillande, R.,Gelugne, P.,Arqintzeff, J. M.,Brousse, R.,Horowicz, J.,Deffontaines, B.,Parrot, J. F.(1995).Automated mapping of the landslide hazard on the island of Tahiti based on digital satellite data.Mapping Sciences & Remote Sensing,32(1),59-70.
4. Lan, H. X.,Zhou, C. H.,Wang, L. J.,Zhang, H.Y.,Li, R.H.(2004).Landslide hazard spatial analysis and prediction using GIS in the Xiaojiang watershed Yunnan, China.Engineering Geology,76,109-128.
5. Wu, Kuo-Lung,Yang, Miin-Shen(2002).Alternative c-means clustering algorithms.Pattern Recognition,35,2267-2278.
6. 王鑫,李光中(1988).新開挖道路邊坡之穩定性預測及追蹤查證.
7. 張石角(1987)。山坡地潛在危險之預測及其在環境影響評估之應用。中華水土保持學報，18(2)，41-62。
8. 陳怡睿,謝舜傑,陳信達(2005)。應用知識庫分類法判釋 SPOT衛星影像坡地崩塌之研究。台灣地理資訊學會年會暨學術研討會，台中:
9. 陳慶逸,余繁(2004)。應用於資料探勘之演化式群聚分析技術。智慧型知識經濟暨第二屆演化代計算應用研討會，台北:
10. 曾憲雄,蔡秀滿,蘇東興,曾秋蓉,王慶堯(2006).資料探勘.臺北市:旗標出版社.
11. 黃筱梅(2001)。國立臺灣大學森林學研究所。
12. 雷祖強(2004)。內政部營建署雪霸國家公園管理處委託研究內政部營建署雪霸國家公園管理處委託研究,未出版
13. 蕭國鑫,尹承遠,劉進金,游明芳,王晉倫(2003)。SPOT 影像與航照資料應用於崩塌地辨識之探討。航測及遙測學刊，8(4)，29-42。