台灣主要建築與工程之結構系統為鋼筋混凝土(RC)結構物，火災發生後對其結構系統受火損之量化與質化調查(尋因)，與後續居安使用功能之評核(驗果)至關重要。本所於107年度增加進行火害現場結構材料探傷檢測系統韌體之開發，其可用於量測鋼筋混凝土結構材料之彈性波速，並根據104-106年度於實驗室與現場系列調查之數據所提出的「簡速非破壞性」之火損初勘量化評估方法，藉由正規化指標(剪-壓波速比，如圖1所示)評估其火害相關之因果數據，如火場最高受溫分佈與柱-梁-版之混凝土強度折減率，可分別作為後續火場調查與構材火損判識參考。為進一步擴大既有之研究成果，導入人工智能分析，增加現場應用案例，並開發鋼筋握裹損傷判釋方法，而進行此研究工作。
圖1 剪壓波速比與混凝土殘留強度比及最高溫度相關性
人工智能應用與火害特徵調查之資料庫建立
有鑑於目前在剪壓波速比與火場因果之資料僅181筆，因此在人工智能應用策略上，先行透過關聯相關性確認主要因子，而後採用機器學習演算法進行推測。輸入與輸出因果關聯相關性顯示剪力波速、壓力波波速、剪壓波速比與最高溫度及強度折減比例有高度相關，將剪壓波速比做為輸入，最高溫度與強度折減比例分別作為輸出，進行支援向量機、線性回歸、類神經網路以及決策樹M5P之預測模型建立，結果(如圖2所示)顯示在最高溫度與強度折減比例之預測模型上，採用支援向量機之演算法有最佳效果，若與採用二次式進行之工程統計方法相比，在最高溫度預估上仍以支援向量機演算法較佳，但在強度折減比例預估上兩者相近，在此情況下，建議先採用有明確數學式之二次式工程統計方法進行應用。
圖2 支援向量機演算法推估由剪壓波速比推估混凝土火害最高溫度與強度折減比結果圖
本研究為後續可應用深度學習進一步應用進行混凝土構造火害探傷工作，建立雲端資料庫平台，以增加資料量之收集。初步以收集資料為主要目的，利用微軟免付費之Microsoft SQL Server建置雲端資料庫，並使用ASP進行操作介面建置，可採用一般網頁瀏覽器即可遠端登入進行操作。為進行有效管理，對於資料庫使用之權限分為管理者與使用者，管理者為本所以及執行研究團隊，使用者為透過簽訂合作意向之合作單位。
應用導波進行握裹力傷損調查判釋方法開發
本研究提出之兩階段調查策略具有可行性(如圖3所示)，第一階段採用應用雷利波之多頻道表面波分析方法，可獲得混凝土剪力波速剖面影像，以10%之剪力波速折減作為特徵值可定義受損範圍，判釋此受損範圍之分布特徵，若呈現自表面向下延伸則顯示遭受火損，若此範圍超越保護層，則進入第二階段判釋。第二階段判釋採用距敲擊點10公分處之接收器進行時頻分析，在時頻譜上若呈現水滴狀能量分布則為正常，若呈現類靴狀且突出段在40-100kHz範圍則顯示可能有握裹力喪失之可能性，需進行殘餘握裹力調查。
圖3 二階段握裹力傷損調查判釋方法
後續建議
本研究成果顯示採用人工智能協助火害判識應用具有正面積極性，為更進一步由定義特徵之機器學習提升至可具有更大自由度之深度學習，雲端資料庫平台之建立為必要工作。目前僅以資料收集為主，後續應進一步拓展此資料庫平台之功能性與資訊性，使平台本身即具有立即自行處理新資料之能力。而為達到此目的，火害非破壞量測資料之持續納入資料庫至為重要，自行發展具上網並可推播功能之商用量測設備可降低資料提供之複雜性與不便，可有利於本工作之持續推動。