本研究旨在利用強地動觀測資料，以類神經網路建立地表運動模式，使其能夠將盆地效應真實地反應出來。 本研究方法首先運用資料分類的方式，將一些較為複雜又不易建立關係地表運動影響因子分離出來，例如：斷層型態、震源深度、震波特性、受震地區之地盤構造、地震波傳遞所經路線…等。根據各資料群組的資料屬性界定其邊界條件，並分別建立各個群組的類神經網路模型，以“地震規模”和“震源距離”垂為系統輸入值，以PGA值作為系統輸出值。更進一步結合衰減公式，以修正並擴大各個群組之類神經網路模型的應用範圍。將各個群組之類神經網路模型依據其資料屬性以及邊界條件進行連結，使成為一地表運動模式之專家系統。 最後，分別以淺層地震、深層地震以及歷史性地震事件進行案例研究與探討，並與衰減公式進行比較，可以驗證此系統的可靠性與實用性。

For the purpose of damage assessment of structures during strong ground excitation, it is desirable to identify severity of damage based on the input-output measurement. It is believed that structural identification application from input/output data can lead to an understanding of the deterioration mechanism. A main disadvantage of structural identification has been the lack of experimental information on an actual structure. Both ambient vibration test and forced vibration test can provide information for structural system identification only from low level of excitation. Besides that strong motion instrumentation on structure to collect earthquake response can also provide valuable information for the safety assessment of the structure.

本研究旨在以進行振動台試驗的方法，建立一1/2縮尺五層樓鋼結構建築之原始模型(bench-mark model)，將此一鋼結構建築於動態行為下的反應資料整理後，將完整地置於本中心網站上對外開放的資料庫之內，以提供國內外相關學術領域進行結構物系統識別研究之用。 將振動台試驗所擷取之結果進行整理，可以得到此鋼結構試體於不同結構形式在各種模擬地震規模下之整體結構以及局部桿件的位移、速度和加速度的歷時振動反應。根據試驗結果進行進一步的計算與分析，可以求得此鋼結構試體之動力特性以及於振動過程中之層間位移、各樓層回復力、扭轉效應、各樓層之尖峰位移、各樓層之尖峰速度和各樓層之尖峰加速度，藉此可以了解本結構於地震時所產生之結構行為。 最後，以Drain2D+建立本試驗結構之二維數值模型，根據試驗過程中之不同結構形式所模擬之不同地震狀況，進行動力分析，並與振動台試驗結果做比較，可以驗證此一數值模型的可靠性，並更進一步利用此數值模型求出其結構模態以及塑性鉸產生的時機與順序及其生成的位置。