淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


下載電子全文限經由淡江IP使用) 
系統識別號 U0002-1107200810263200
中文論文名稱 類神經網路於高層建築設計風載重案例式專家系統之應用
英文論文名稱 The Application of Artificial Neural Networks in a Case-Based Design Wind Load Expert System for Tall Buildings
校院名稱 淡江大學
系所名稱(中) 土木工程學系碩士班
系所名稱(英) Department of Civil Engineering
學年度 96
學期 2
出版年 97
研究生中文姓名 陳冠廷
研究生英文姓名 Kuan-Ting Chen
學號 695380500
學位類別 碩士
語文別 中文
口試日期 2008-06-13
論文頁數 94頁
口試委員 指導教授-王人牧
委員-鄭啟明
委員-洪士林
委員-王人牧
中文關鍵字 風力頻譜  案例相似性  專家系統  類神經網路  輻狀基底函數神經網路 
英文關鍵字 Wind Force Spectrum  Case Similarity  Expert System  Artificial Neural Network  Radial Basis Function Neural Network 
學科別分類 學科別應用科學土木工程及建築
中文摘要 人類自古以來在解決問題過程中遇到困難時,最常使用之方法即為從過去相近案例中學習解決問題的經驗,並以此經驗去解決目前所遭遇之問題。此方法即為案例式推理。專家系統是以領域專家長期累積的解題經驗,經歸納整理後提供他人該領域之專家意見或建議。而案例式專家系統可搜尋出與使用者欲解決問題最接近案例,並提供其解決方法或經驗。類神經網路模仿人腦神經元模式去模擬或預測複雜領域之結果。透過過去合理之案例訓練神經網路以達到學習之效果,再模擬或預測使用者欲求解問題之解答。
本研究將案例式推理和類神經網路應用於風工程領域,建構出一套應用於高層建築設計風載重之案例式專家系統。藉由此系統可提供使用者取得指定建物模型風洞實驗之風力頻譜和風力係數。若是系統中並無相同之案例,將從既有案例中推斷出最相近模型建物之風力頻譜。模擬風力頻譜部份,則是透過類神經網路將指定案例相似性最高之前若干件案例納入神經網路訓練,並模擬出指定案例之風力頻譜。
由於近年來網際網路的蓬勃發展,因此將網路資訊技術整合進此案例式專家系統,便可使大眾更容易取得專家之意見。其網路資訊主要技術為,資料庫MS SQL Server及案例式推理引擎CBR Works之結合,以及透過FLASH、Java Server Page把使用者輸入資訊、CBR Works所搜尋出之案例,及MATLAB Web Server執行輻狀基底函數神經網路後之模擬頻譜展示至網頁上。
而輻狀基底函數神經網路不論是模擬訓練或驗證數據之順風向或橫風向風力頻譜,其模擬結果除了低頻部份之誤差較大以外,其餘部份均在可接受範圍內。在模擬現今風洞試驗尚未有資料之案例的風力頻譜時,僅能以人為觀察其模擬結果是否合理。
英文摘要 Since ancient times, the most common way to solve problems for human beings, who encounter difficulties, is making use of the problem solving experience of similar situations, and applies it to the current problem. The description given above is case-based reasoning. An expert system that offers users advices and suggestions of a specific domain is a system based on accumulated and deducted expert experiences. And a case-based expert system searches for the most similar case to provide solutions or problem solving experiences to the current problem. Artificial neural network is an approach to simulate or predict the results of complex domain by using similar (but highly simplified) models of the biological structures found in human brain. Training ANN with existing cases with reasonable answers, it can simulate or predict the results of problems which people who want to know.
This research constructed a case-based design wind load expert system for high-rise buildings using case-based reasoning and ANN. Users can acquire the design wind spectrums and coefficients of specific target buildings. If the same case is not in the system, it settles on the most similar one from the existing cases and offers the wind coefficients and spectrums of the similar case. For more accurate design wind loads of the target building (not one of the existing cases), pre-trained ANN learned from a group of similar ones in the case database can simulate the wind spectrums of the target building.
Due to the flourishing of the Internet, integrating web-based techniques into this case-based expert system provides more convenient consultations to the public. And the web-based techniques include combining the database MS SQL Server with the case-based engine CBR Works, and using FLASH and Java Server Page to display users’ inputs, the searching outcome of CBR Works, and the RBFNN(Radial Basis Function Neural Network) simulated wind spectrum, executed by MATLAB Web Server.
Despite the low-frequency area has higher error, both alongwind or acrosswind RBFNN simulated spectrums have little error comparing with the real data. As for using RBFNN simulating those models which aren’t under wind tunnel test yet, we could estimate that the simulation is reasonable by the opinion of experts.
論文目次 目錄 I
圖目錄 IV
表目錄 IX
程式目錄 X
第一章  緒論 1
1-1 研究動機與目的 1
1-2 研究方法 2
1-3 論文組織 3
第二章  文獻回顧 5
2-1 風工程相關理論 5
2-1-1 平均風速剖面 5
2-1-2 鈍體氣動力現象 7
2-1-3 動態反應 7
2-1-4 結構物之風載重 10
2-2 案例式專家系統理論簡介 13
2-2-1 案例式專家系統軟體 CBR-Works 13
2-2-2 運算單元軟體 MATLAB Web Server 17
2-3 類神經網路簡介 18
2-3-1 神經網路架設步驟 19
2-3-2 使用隨機選取中心法之輻狀基底函數神經網路 19
2-3-3 輻狀基底函數學習演算法 21
2-3-4 定訂中心點數及神經元輻狀函數 22
2-4 類神經網路於風工程領域之相關研究 23
第三章  系統設計理論 25
3-1 案例式專家系統 25
3-1-1 案例庫與資料庫之整合 25
3-1-2 案例相似度 29
3-1-3 案例式專家系統之網路化 31
3-2 輻狀基底函數神經網路預測高層建築設計風載重 33
3-2-1 神經網路輸入及輸出值之探討 34
3-2-2 中心點數之選取 40
3-2-3 模擬順風向風力頻譜 41
3-2-4 模擬橫風向風力頻譜 42
3-3 MATLAB Web Server系統設計理論 43
第四章  系統展示與實作 45
4-1 系統架設環境 45
4-2 案例實作 46
第五章  結論與建議 65
參考文獻 69
附錄A  模擬現有案例風力頻譜 71
附錄B  模擬無實驗數據風力頻譜 91


圖目錄
圖2-1 流體流經鈍體之氣動力現象 7
圖2-2 單自由度系統示意圖 8
圖2-3 Concept Manager 14
圖2-4 圖形化相似度編輯器 15
圖2-5 CBR-Works運作流程圖 17
圖2-6 MATLAB Web Server運作流程圖 18
圖2-7 神經網路架設流程 19
圖2-8 輻狀基底函數神經網路架構 20
圖2-9 模擬階段之輻狀基底函數神經網路架構 21
圖3-1 資料庫於案例式專家系統中之定位 26
圖3-2 案例式專家系統資料庫關聯圖 27
圖3-3 資料庫與案例庫之整合流程 28
圖3-4 各原始頻譜數據依據深寬比特性代入所屬神經網路訓練 35
圖3-5 BD11BD12_A_Along各原始數據之輸入與輸出值 36
圖3-6 BD11BD12_A_Along之網路架構 37
圖3-7 位於一般座標下之橫風向風力頻譜圖 38
圖3-8 位於雙對數座標下之橫風向風力頻譜圖 39
圖4-1 系統首頁 47
圖4-2 選擇建物斷面種類 48
圖4-3 輸入建物基本資料 49
圖4-4 確認目標建物之各個屬性 50
圖4-5 搜尋前十筆與目標建物最為相近之案例 50
圖4-6 編號第124號案例之詳細資訊 51
圖4-7 編號第124號案例與目標建物之順風向風力頻譜 52
圖4-8 編號第124號案例與目標建物之橫風向風力頻譜 53
圖4-9 深寬比1.5、高寬比5.72與最接近案例之順風向風力頻譜 54
圖4-10 深寬比1.5、高寬比5.72與最接近案例之橫風向風力頻譜 55
圖A-1 順風向A113頻譜數據與RBFNN模擬結果之比較 71
圖A-2 順風向A113頻譜數據與RBFNN模擬結果之誤差百分比 71
圖A-3 順風向A114頻譜數據與RBFNN模擬結果之比較 72
圖A-4 順風向A114頻譜數據與RBFNN模擬結果之誤差百分比 72
圖A-5 順風向A115頻譜數據與RBFNN模擬結果之比較 73
圖A-6 順風向A115頻譜數據與RBFNN模擬結果之誤差百分比 73
圖A-7 順風向A116頻譜數據與RBFNN模擬結果之比較 74
圖A-8 順風向A116頻譜數據與RBFNN模擬結果之誤差百分比 74
圖A-9 順風向A117頻譜數據與RBFNN模擬結果之比較 75
圖A-10 順風向A117頻譜數據與RBFNN模擬結果之誤差百分比 75
圖A-11 順風向A123頻譜數據與RBFNN模擬結果之比較 76
圖A-12 順風向A123頻譜數據與RBFNN模擬結果之誤差百分比 76
圖A-13 順風向A124頻譜數據與RBFNN模擬結果之比較 77
圖A-14 順風向A124頻譜數據與RBFNN模擬結果之誤差百分比 77
圖A-15 順風向A125頻譜數據與RBFNN模擬結果之比較 78
圖A-16 順風向A125頻譜數據與RBFNN模擬結果之誤差百分比 78
圖A-17 順風向A126頻譜數據與RBFNN模擬結果之比較 79
圖A-18 順風向A126頻譜數據與RBFNN模擬結果之誤差百分比 79
圖A-19 順風向A127頻譜數據與RBFNN模擬結果之比較 80
圖A-20 順風向A127頻譜數據與RBFNN模擬結果之誤差百分比 80
圖A-21 橫風向A113頻譜數據與RBFNN模擬結果之比較 81
圖A-22 橫風向A113頻譜數據與RBFNN模擬結果之誤差百分比 81
圖A-23 橫風向A114頻譜數據與RBFNN模擬結果之比較 82
圖A-24 橫風向A114頻譜數據與RBFNN模擬結果之誤差百分比 82
圖A-25 橫風向A115頻譜數據與RBFNN模擬結果之比較 83
圖A-26 橫風向A115頻譜數據與RBFNN模擬結果之誤差百分比 83
圖A-27 橫風向A116頻譜數據與RBFNN模擬結果之比較 84
圖A-28 橫風向A116頻譜數據與RBFNN模擬結果之誤差百分比 84
圖A-29 橫風向A117頻譜數據與RBFNN模擬結果之比較 85
圖A-30 橫風向A117頻譜數據與RBFNN模擬結果之誤差百分比 85
圖A-31 橫風向A123頻譜數據與RBFNN模擬結果之比較 86
圖A-32 橫風向A123頻譜數據與RBFNN模擬結果之誤差百分比 86
圖A-33 橫風向A124頻譜數據與RBFNN模擬結果之比較 87
圖A-34 橫風向A124頻譜數據與RBFNN模擬結果之誤差百分比 87
圖A-35 橫風向A125頻譜數據與RBFNN模擬結果之比較 88
圖A-36 橫風向A125頻譜數據與RBFNN模擬結果之誤差百分比 88
圖A-37 橫風向A126頻譜數據與RBFNN模擬結果之比較 89
圖A-38 橫風向A126頻譜數據與RBFNN模擬結果之誤差百分比 89
圖A-39 橫風向A127頻譜數據與RBFNN模擬結果之比較 90
圖A-40 橫風向A127頻譜數據與RBFNN模擬結果之誤差百分比 90
圖B-1 模擬A地況、深寬比1.5且高寬比3.5之順風向風力頻譜 91
圖B-2 模擬A地況、深寬比1.5且高寬比4.5之順風向風力頻譜 91
圖B-3 模擬A地況、深寬比1.5且高寬比5.5之順風向風力頻譜 92
圖B-4 模擬A地況、深寬比1.5且高寬比6.5之順風向風力頻譜 92
圖B-5 模擬A地況、深寬比1.5且高寬比3.5之橫風向風力頻譜 93
圖B-6 模擬A地況、深寬比1.5且高寬比4.5之橫風向風力頻譜 93
圖B-7 模擬A地況、深寬比1.5且高寬比5.5之橫風向風力頻譜 94
圖B-8 模擬A地況、深寬比1.5且高寬比5.5之橫風向風力頻譜 94

表目錄
表2-1 地表粗糙度分類表 6
表3-1 查詢輸入值與現有案例各個屬性值 29
表3-2 各屬性之權重與重要性 30
表3-3 BD11BD12_A_Along RBFNN之RMSE與中心點數比較表 40
表3-4 BD11BD12_A_Along網路架構 42
表3-5 BD11BD12_A_Across網路架構 43
表4-1 BD11BD12_A_Along RBFNN模擬各原始資料比較表 56
表4-2 BD11BD12_A_Across RBFNN模擬各原始資料比較表 57
表4-3 於A地況、深寬比1且高寬比4建物之各樓層所受平均風力 58
表4-4 於A地況、深寬比1且高寬比4建物之各樓層背景部份載重 58
表4-5 於A地況、深寬比1且高寬比4建物之各樓層共振部份載重 59
表4-6 於A地況、深寬比1且高寬比4建物之各樓層風力比較 60
表4-7 於A地況、深寬比2且高寬比6建物之各樓層所受平均風力 61
表4-8 於A地況、深寬比2且高寬比6建物之各樓層背景部份載重 61
表4-9 於A地況、深寬比2且高寬比6建物之各樓層共振部份載重 62
表4-10 於A地況、深寬比2且高寬比6建物之各樓層風載重比較 63

程式目錄
程式3-1 CBR-Works自訂標籤 32
程式3-2 CBR-Works自訂重要性標籤 32
程式3-3 使用HTTP參數與CQLConnect.exe溝通 33
程式3-4 RBFNN訓練階段網路輸入及輸出值 38
程式3-5 將風力頻譜水平與垂直值還原且繪製在雙對數座標 39
程式3-6 使用JSP取得中繼檔內之變數 44
程式3-7 函式格式M檔將計算結果寫入中繼檔 44
參考文獻 1. John D. Holmes, 2001, “Wind Loading of Structures”, SPON PRESS.
2. 陳信甫,2003,“紊流邊界層對高層建築設計風力的影響”,淡江大學土木工程學系碩士班論文。
3. 陳姵君,2007,“利用類神經網路預測建築物在干擾效應下之設計風載重”,淡江大學土木工程學系碩士班論文。
4. CBR-Works, http://www.imn.htwk-leipzig.de/~sunpool/software/cbr_works/.
5. 鄧秉泰,2003,“案例式推理在高層建築設計風載重專家系統之應用”,淡江大學土木工程學系碩士班論文。
6. 吳文良,1997,“案例式系統在工程投標初步決策之應用”,淡江大學土木工程學系碩士班論文。
7. 李顯宏,2006,“MATLAB程式設計延伸技巧”,文魁資訊股份有限公司。
8. 張斐章,張麗秋,2005,“類神經網路”,東華書局。
9. A.C. Khanduri, C. Bédard, T. Stathopoulos, 1997, “Modeling wind-induced interference effects using backpropagation neural networks”, J. Wind Eng. Ind. Aero., Vol. 72, pp. 71-79.
10. Peng Huang and Ming Gu, 2005, “Experimental study on wind-induced dynamic interference effects between two tall buildings”, Wind and structures, Vol. 8, No. 3, pp. 147-161.
11. Y. Chen, G.A. Kopp, D. Surry, 2003, “Prediction of pressure coefficients on roofs of low buildings using artificial neural networks”, Journal of Wind Engineering and Industrial Aerodynamics, Vol. 91, pp. 423-441.
12. 謝明芳,2003,“結構風工程知識管理平台架構之探討與建置”,淡江大學土木工程學系碩士班論文。
13. 王俊斌,2005,“FreeBSD 6架設管理與應用”,博碩文化股份有限公司。
14. 李勁,2003,“Windows Server 2003系統建置篇”,文魁資訊股份有限公司。
15. 大藤 幹、半場方人,2006,“最新詳解Javascript & HTML & CSS語法辭典” 增訂新版,博碩文化股份有限公司。
16. 施威銘研究室,2005,“ Flash 8躍動的網頁”,旗標出版股份有限公司。
17. 王汝義,2007,“Flash網站建置技術精粹”,眳p資訊股份有限公司。
18. 呂文達,2006,“JSP 2.0動態網頁技術” 第三版,博碩文化股份有限公司。
19. 朝井 淳,2007,“SQL語法範例辭典”,旗標出版股份有限公司。
20. 施威銘研究室,2006,“資料庫理論與實務Access 2003”,旗標出版股份有限公司。
21. 施威銘研究室,2002,“SQL Server 2000設計實務”,旗標出版股份有限公司。
22. 蔣定安,2002,“資料庫基本理論與實作” 第二版,東華書局。
23. 張錚,2002,“MATLAB教學範本程式設計與應用”,知城數位科技股份有限公司。
24. 李顯宏,2005,“MATLAB 7.X程式開發與應用技巧”,文魁資訊股份有限公司。
論文使用權限
  • 同意紙本無償授權給館內讀者為學術之目的重製使用,於2008-07-18公開。
  • 同意授權瀏覽/列印電子全文服務,於2008-07-18起公開。


  • 若您有任何疑問,請與我們聯絡!
    圖書館: 請來電 (02)2621-5656 轉 2281 或 來信