readmdb

安家固園數據建立三維簡化地層數據處理

一、數據基本處理：

• 數據來源：使用安家固園的「粗估」的有效孔數據，「粗估」代表勉強可進行HBF與NJRA液化分析，也就是樣本除基本參數外，可沒PI、可沒D50、可沒D10

• 各孔內樣本「統一土壤分類」需先轉整數，若無「統一土壤分類」時，則給予空字串

• 標記「岩層」：樣本「深度」大於等於10m且「SPTN」大於等於50者，或是樣本位於所屬孔最下層且「SPTN」大於等於50者，則此樣本視為岩層，不進行後續土層分群

• 標記「回填層」：樣本「深度」小於10m且「SPTN」大於等於50者(於mdb資料處理中已識別描述中出現例如柏油、塑料等，改SPTN為50視為非液化)，則此樣本視為回填層，不進行後續土層分群

• 標記「非液化層」：樣本「統一土壤分類」字首為「C」、「O」、「P」者，或字首為「M」但非「ML」與「MH」者，則此樣本視為非液化層，不進行後續土層分群

二、統計補值：

因之後要進行自動分群，其樣本參數需為數值才可進行計算，故依照全樣本計算相關之統計資訊，統計補值原則如下：

• 自動偵測與補值的對象共有8種參數，分別為：「SPTN」、「含水量(%)」、「比重」、「空隙比」、「單位重(t/m^3)」、「液性限度(%)」、「塑性指數(%)」、「細料(%)」，欄位會另外儲存避免污染原儲存值

• 先依照全樣本的「統一土壤分類」欄位進行統計，共可有25種統計分類，並對每種分類計算所屬8參數之平均值

• 再依照全樣本的「繪圖單元」欄位進行統計，不同「繪圖單元」視為不同分類，並對每種分類計算所屬8參數之平均值

• 依照全樣本的「SPTN」統計，設計「SPTN」區間為「0-3」、「3-5」、「5-7」、「7-10」、「10-13」、「13-16」、「16-20」、「20-25」、「25-30」、「30-40」、「40-50」共11種區間，每種區間視為不同分類，並對每種分類計算所屬8參數之平均值

• 針對各樣本8參數進行補值。若原本就有有效值就不補，若無才進行統計補值。統計補值優先順序為：

  • 若樣本有「統一土壤分類」，但缺少8參數之一，就依照「統一土壤分類」分類統計資訊取得缺少之參數

  • 若樣本無「統一土壤分類」，但有「繪圖單元」，且依照上述補值計算後仍缺少8參數之一，則依照「繪圖單元」之分類統計資訊補上缺少參數

  • 若樣本無「統一土壤分類」且無「繪圖單元」，但有「SPTN」，且依照上述補值計算仍缺少8參數之一，則依照「SPTN」之分類統計資訊補上缺少參數

三、分群技術：

分群技術已調研「主成份分析」與「分群演算法」，簡介如下：

• 主成份分析(Principle Component Analysis, PCA)：為一種多變數統計分析方法，也是資料降維和視覺化的常用方法

  • PCA的原理：輸入矩陣投影到一個新的正交坐標系下，使得矩陣在新坐標軸上的投影(主成分的樣本值)的方差最大。PCA核心運算主要有三種：特徵分解，奇異值分解，非線性反覆運算偏最小二乘法(NIPALS)。本研究測試後採NIPALS為主

  • 數據正規化：因數據各參數範圍值域不同，或是有字串分類(例「統一土壤分類」)，故數據得先數化與正規化處理，其中：

    • 針對「統一土壤分類」由細往粗編號，例如「CL」為1而至「SP」為25

    • 因後續有降維機制，故此處數據正規化係針對主成份分析降維後的特徵向量進行正規化。主要使各特徵向量的平均值為0，各特徵向量除以特徵向量之標準差，藉此縮放各參數至同尺度

  • 數據降維：因數據維度過高會導致分群困難或效果不佳，故需先通過主成份分析做座標轉換後，將特徵向量依照絕對值大小排序，並取指定數量(NIPALS分析的nCompNIPALS數)的特徵向量出來還原成為分析數據。此法可剔除含量(權重)過低的特徵向量，使數據特性更加明顯，藉此提高分類品質

  • 本研究目前降維至5維(nCompNIPALS=5)，主要會考慮樣本的「x」、「y」、「z」、「SPTN所代表的硬度」、「PI所代表的塑性」

• 分群演算法(Cluster Analysis, CA)：分群演算法主要有「K-Means」與「K-Medoids」，簡介如下：

  • K-Means：為一種向量量化方法的分類方式，屬於切割式分群(Partitional Clustering)

    主要將所有樣本分成K群，透過隨機產生K個群中心，並通過演算法調整使各樣本到他們群的中心點距離合最小，也就代表基於相似度分群

  • K-Medoids：為一種向量量化方法的分類方式，類似K-Means，同屬於切割式分群(Partitional Clustering)

    K-Medoids一樣隨機挑選K個群中心，但各群中心都是由原樣本點挑選，通過演算法(Partitioning Around Medoids, PAM)嘗試各個原數據點後，使各樣本到他們群的中心點距離合最小

  • K-Means與K-Medoids之比較

    • K-Means因採取隨機初始中心點位置做計算，可能會每次都有不同結果

    • K-Medoids較不容易受到極端值的影響，且K-Medoids不僅僅可以處理數值型資料，還可以處理類別型的資料，可謂K-Means的進階版

    • PAM是K-Medoids常用的演算法，分聚類的過程就是不斷反覆運算，進行中心點和非中心點的反復替換過程，直到目標函數(距離合)不再有改進為止，故PAM對小的資料集非常有效，對大資料集效率則不高

    • 相比K-Medoids，K-Means在速度上具有強大的優勢，並且適用於龐大的資料量，當樣本多的時候，少數幾個噪音對K-Means的群中心影響也會降低，所以K-Means的應用明顯比K-Medoid多

    • 本研究測試後採K-Means為主要分群方式

  • 本研究輸入進行分群的欄位主要有12參數，分別為：「x」、「y」、「z」、「數值化的USCS」、「SPTN」、「含水量%」、「比重」、「空隙比」、「單位重(t/m^3)」、「液性限度(%)」、「塑性指數(%)」、「細料(%)」，當降維後會轉出新的數據資料，並在進行分群

四、土層分層處理：

土層(全樣本)數據分層處理流程如下：

• 全樣本數據先抽出「回填層」、「非液化層」、「岩層」，取得可能液化之砂層樣本

• 針對可能液化砂層進行分群，執行「統計補值」

• 給予要分群的數量，本研究會區分可能液化砂層成2與3群，並取得各樣本的分群代號

  • 若分2群：群代號1代表回填層，2代表非液化層，3代表岩層，4代表砂層1，5代表砂層2

  • 若分3群：群代號1代表回填層，2代表非液化層，3代表岩層，4代表砂層1，5代表砂層2，6代表砂層3

• 針對全樣本，依照群代號計算8種參數之平均值，分別為：「SPTN」、「含水量(%)」、「比重」、「空隙比」、「單位重(t/m^3)」、「液性限度(%)」、「塑性指數(%)」、「細料(%)」

  • 計算8種參數時，僅以樣本原本的參數值做計算，故不包含統計補值之值。原值可能會有缺值，計算時只拿樣本所屬有效值出來做統計。

• 針對各孔內各樣本，自動合併同群代號成為新土層，並帶入群代號所代表的8參數，輸出結果供GMS建模用

五、鑽孔高程修正處理：

鑽孔高程修正流程如下：

• 依照開放資料DEM(20m)與各鑽孔經緯度，進行內插取得各鑽孔高程

  • 其中x,y為TWD97二度分帶座標，z為朝上為正，depth朝下為正，單位皆為m

  • 輸出給GMS格式時，需給x,y,z，z一樣朝上為正，單位皆為m

  • 經緯度座標系統: EPSG:4326 - WGS84

  • TWD97二度分帶座標系統: EPSG:3826 - TWD97 / TM2 zone 121

• 依照開放資料台灣行政區邊界與各鑽孔經緯度，進行計算各鑽孔所在行政區

  • 其中有幾點會於台灣區外，例如「台北都會區捷運系統淡水線地質調查(淡水河河床)」之孔號「BR-R-3」，其座標(121.4097318,25.17435065)位於台灣輪廓外，故此類情形將標注為「外海」

• 因階段性需要與GMS處理極限，需將鑽孔位於「大同區」、「臺北市各區」、「臺北市」與全鑽孔分開儲存