學校建築耐震能力資料探勘模型評估與系統建置

Developing a School Building’s Seismic Capacity Evaluation System by Using Best Fix Result from the Data Mining Models

10.6149/JDM.2016.0501.01

王文清(Wen-Ching Wang)；廖佳俊(Chia-Chun Liao)

典型校舍 ； 資料探勘 ； 預測模型 ； Typical school buildings ； Data mining ； Predictive models

災害防救科技與管理學刊

5卷1期（2016 / 03 / 01）

1 - 25

繁體中文

本文以資料探勘技術建置校舍建築耐震能力初步評判系統。探勘資料以教育部近年已完成的臺東縣中小學的272 棟耐震能力詳細評估資料新建為採礦資料庫，並以決策樹（decision trees）、貝式機率分類（bayes classifier）、及類神經網路（cellular neural network）等三種演算法共五種預測模型進行預測精準度評估，分析結果顯示決策樹演算法作為資料探勘模型，預測準確率可達93.82%，為五種模型中最佳的預測模型。再依最佳預測模型建置一套快速評估學校建築物耐震能力的系統，提供給學校建築管理人員在可獲得的建築耐震評估所需資料前提下，將未進行耐震能力評估的建築物資料輸入系統，讓學校能更快速的初步判斷建築物的耐震能力，進而減少震災發生時生命財產的損失。為再次驗證系統的可信度，本文採用其他學者之學校建築耐震評估資料輸入系統中測試，亦能得到相似的準確率，多重驗證本文成果具實用性。

A preliminary School Building’s Seismic Capacity Evaluation System is established by using the data mining technique. The detailed seismic capacity evaluation reports of Taitung’s 272 elementary and high school buildings were used as the basis to establish a data mining data base. Three algorithms and five predictive models were used to evaluate the forecast precision of the seismic capacity of each building. The three algorithms are Decision Tree, Bayes Classifier, and Cellular Neural Network. The best model from the analysis results is the decision tree algorithm, whose accuracy rate has reached to 93.82%. A rapid school building’s seismic capacity evaluation system was then established based on the best fix model. The school building administrators can use this system to evaluate typical school building’s seismic capacity which has no detailed seismic capacity evaluation report. To check the applicability of the system, school buildings’ seismic detailed evaluation reports not from Taitung schools were also used and compared. The accuracy of this system was confirmed.

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—以臺南縣為例。建築學報，58，1-18。
   連結：
2. 黃世建、蕭輔沛、邱聰智，2010，〈臺灣校舍結構耐震評估補強技術介紹〉，行政院公共工程委員會公共工程電子報，第27期。2016年1月17日，摘錄自https://www.pcc.gov.tw/epaper/9910/cement.htm
3. Chapman, P., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C., & Wirth, R. 2000. CRISP-DM 1.0 Step-bystep data mining guide. Retrieved January 18, 2016, Retrieved from https://the-modeling-agency.com/ crisp-dm.pdf
4. Berry, M.,Linoff, G.(2004).Data mining techniques for marketing, sale, and customer relationship management.New York:Wiley.
5. Cabena, P.,Hadjinaian, P. O.,Stadler, D. R. J.,Verhees, J.,Zanasi, A.(1997).Discovering data mining from concept to implementation.Upper Saddle River, NJ:Prentice Hall.
6. Dunham, H.(2002).Data mining: Introductory and advanced topics.Upper Saddle River, NJ:Prentice Hall.
7. Efraim, T.,Ramesh, S.,Dursun, D.(2010).Decision support and business intelligence systems.Upper Saddle River, NJ:Prentice Hall.
8. Fayyad, U.,Stolorz, P.(1997).Data mining and KDD: Promise and challenges.Further Generation Computer System,13,99-115.
9. Han, J.,Kamber, M.,Pei, J.(2005).Data mining: Concepts and techniques.Waltham, MA:Morgan Kaufmann.
10. 丁菁怡(2012)。碩士論文(碩士論文)。高苑科技大學建築研究所。
11. 尹相志(2006)。SQL Server 2005 資料採礦聖經。臺北市:學貫行銷股份有限公司。
12. 江鳳玲(2011)。碩士論文(碩士論文)。國立臺北科技大學土木與防災研究所。
13. 林琨偉(2011)。碩士論文(碩士論文)。國立臺灣大學土木工程學研究所。
14. 徐竹安(2010)。碩士論文(碩士論文)。國立中興大學土木工程學系所。
15. 張嘉祥、陳嘉基、葉旭原、王貞富(1998)。規劃設計階段學校建築耐震相關事項評估。建築學報，24，23-24。
16. 張憲卿(1999)。淺談臺灣歷史上的大地震。地球科學園地季刊，10，20-29。
17. 許丁友、鍾立來、廖文義、邱建國、簡文郁、周德光(2003)。國家地震工程研究中心報告國家地震工程研究中心報告,臺北市:國家地震工程研究中心。
18. 許茂雄、張嘉祥、姚昭智、劉玉文(1993)。臺南市國民中小學及幼稚園學校建築結構安全評估報告。臺南市:國立成功大學建築系。
19. 陳錫慶(2006)。碩士論文(碩士論文)。國立雲林科技大學營建工程系碩士班。
20. 湯志民(2006)。學校建築與校園規劃。臺北市:五南。
21. 黃世建、鍾立來、簡文郁、蕭輔沛、陳鴻銘、沈文成(2012)。臺灣校舍結構耐震評估與補強計畫之推動。結構工程，27(1)，4-16。
22. 葉貝羚(2007)。碩士論文(碩士論文)。國立成功大學建築學系碩博士班。
23. 廖述賢、溫志皓(2012)。資料探勘理論與應用：以IBM SPSS Modeler 為範例。新北市:博碩文化。
24. 趙宜峰、陳鴻銘、葉勇凱、簡崑棋、朱奕齊、高偉格(2012)。校舍耐震評估與補強資料庫之建置與應用。結構工程，27(1)，47-60。
25. 潘泰成(2008)。碩士論文(碩士論文)。靜宜大學資訊碩士在職專班。
26. 鄧彬斌(2005)。碩士論文(碩士論文)。國立臺灣大學土木工程學研究所。
27. 謝邦昌、鄭宇庭、蘇志雄(2011)。SQL Server 2008 R2 資料採礦與商業智慧。臺北市:碁峰資訊。
28. 鍾立來、簡文郁、葉勇凱、黃世建、佘健維、張撼軍(2005)。國家地震工程研究中心報告國家地震工程研究中心報告,臺北市:國家地震工程研究中心。
29. 藺以忠(2006)。碩士論文(碩士論文)。國立臺灣科技大學營建工程系。

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。
2. 陳清山(2021)。中小學校舍耐震評估模式之優化－以敏感度分析及人工智慧理論為研究方法。建築學報，115，1-20。