近年來，為了延長結構的使用壽命及保護結構免於遭受下次災害的破壞，結構健康監測越來越受工程界重視。層間位移量與層間位移比在建築結構損壞中，為重要評估基準。一般來說，對於長期監測與成本考量下進行監控，感測器首選為加速度計。進而延伸出使用加速度計量測值，進行積分分析，分析結果為層間位移量與層間位移比，與實際位移計量測值做為比較。本研究在國家地震中心進行共兩組結構試驗與實驗驗證，模擬試驗來評估力平衡式地震儀的可靠性。

地震災害時常造成相當嚴重之損傷，不論是人員傷亡或是建築財產損失，科學家們也一直致力於研究地震災害，試圖開發一個即時且準確之地震預警，然而礙於其困難度，目前尚未提出一個相當可靠的方法，本研究也為了能夠降低地震帶來之巨大災害，致力於開發可靠之地震預警系統，而為了因應現在高樓林立之趨勢，本研究試圖預測各樓層於地震反應下所造成之最大樓層加速度。支持向量迴歸為支持向量機所提供之一種方法，是機器學習的一種，能夠將各樣本之多筆輸入參數投影至更高維度進行迴歸，讓原先無法分類迴歸之資料於高維度空間中得以進行適當地分類迴歸。本研究自中央氣象局地震測報中心以及國家地震研究中心於中科管理局暨工商大樓所設置之加速度監測系統取得大量之地震事件資料，選取六項地震初達波特徵並加上結構週期以及樓層高度等八個參數，採用支持向量迴歸法並以上述八個參數作為輸入，利用充足之訓練樣本進行迴歸並建構一通用型訓練模型，並且利用適量之測試樣本代入上述之訓練模型進行測試，驗證本研究之準確度。而本研究為了提供更為廣泛之應用，試圖引入縮尺模型進行振動台試驗，增加特定結構物之訓練樣本進行訓練迴歸，建構客製化支持向量迴歸模型，提供具特殊需求之結構使用。

經由提出改用時間延滯參數為縱座標的改良式穩定圖與建立三階段的篩分程序，本研究團隊最近發展出一套足以精準識別結構各振態頻率、阻尼比與振形的隨機子空間識別機制。本研究乃根據這個新開發隨機子空間識別法於土木結構應用的基礎，針對典型辦公大樓結構建立一套迅速有效的結構健康診斷及損傷偵測工具。我們首先從中科管理局及工商大樓的微振訊號精確決定?各個振態之頻率、阻尼比與振形向量，然後根據長期量測進行各項振態參數的變化趨勢探討，從而詳細評估各項環境因素的影響。透過2016年1月至2017年9月的長期隨機子空間識別分析，本研究取頂樓加速度量測的標準差來代表結構之均方根反應，結果發現其正是影響各振態參數的最直接環境因素，與各振態頻率極密切負相關，並和各振態阻尼比高度正相關。推測乃因較大的振動反應造成邊界或構件間之接觸條件趨向鬆散，從而令各振態頻率變小且阻尼比提高。綜合共21個月的完整觀察，中科管理局大樓與工商大樓各自目標振態頻率的變化百分比都達12%左右。接著針對此目標振態頻率統計其與平均加速度反應的關係，從而擬合出最佳化的指數函數，並據以排除環境因素的影響。後續則利用濾除環境效應後之振態頻率長期變化，取其單日移動平均與移動標準差，經由統計分析發展出兩項損傷指標來建立敏感的樓房損傷偵測機制。接著透過廣泛數值驗證，本研究所發展之樓房損傷指標可以有效偵測使目標振態頻率降低不小於1.5%的損傷。最後經由建立有限元素模型並配合側推分析模擬兩棟大樓在不同地震力作用下實際可能達到之損傷，據以推估所建立方法所能達到的可能實際損傷偵測效能。

強震即時警報主要目的為能在強震波來臨前，準確於當地提出警報，以避免人員的傷亡與財產的損失，同時避免因為過度預測的誤報，所造成社會成本的損失。因此，準確的分辨該次地震是否會對於人員傷亡與財產損失，為強震即時警報技術研發的首要目標。然而，實際上造成傷亡與損失的，並不是地震本身，主要為地震導致結構物破壞(例如建築物倒塌、橋梁斷裂、交通運輸脫軌、水壩潰提等，為主要的傷亡來源)、結構物附屬設施掉落或損壞(例如天花板掉落、儲存櫃倒塌砸傷人員、瓦斯管線斷裂造成火災等)、重要設備物的損傷或功能性喪失(例如重要歷史文物受損、高科技面板廠房Stocker內產品破裂、高科技晶圓廠房爐管內產品破裂、高科技廠房內Scanner當機導致無預警長期停工等)等等。考慮結構型態的不同所呈現的結構特性亦不同，且各類結構物的受震後反應皆不同，較難以用統一方式概括。本研究擬結合人工智慧與結構動力特性分析技術，發展結構受震反應快速評估技術，期能助於估計對於各類結構物、附屬設施及設備物的可能損害程度，以及所引致的人員損傷程度，更為準確的分辨來臨之地震是否可能造成傷亡與損失，期能藉由自動化控制的輔助，獲得更佳的警報效果。本研究擬採用初達P波前三秒內資訊，配合人工智慧技術建立類神經模型，並推估即將來臨之地震訊號在頻譜振幅與頻譜相位中的含量，進而推估地表地震訊號。將所得地表訊號結合目標結構物各樓層之轉換函數，即可大致推估出各樓層的最大受震加速度反應。最後，利用雙塔試驗模型、中科管理局大樓及兩棟建築物等案例探討此研究在實務上所能達到的成果。試驗結果顯示，本研究所提出之方法大致上皆可有效預測的最大樓板反應。其中，在實驗室之雙塔試驗模型，以及兩棟建築物的案例，其預測結果較為準確；相對的，在中科管理局大樓案例預測結果較為不準確，且不論是使用量測訊號所得之轉換函數，或是有限元素模型所得之轉換函數，結果均較為不準確，其原因可能為該結構系統較為複雜所導致。最後，目前本研究所探討的案例仍不足，未來應增加案例，並探討應用於各種不同形式結構物之可行性。

本研究依據前人的研究成果，基於隨機子空間識別法（SSI）發展出一套唯輸出系統識別方法（Output-Only System Identification）應用於結構健康診斷（SHM）當中。以協方差型隨機子空間識別法（SSI-COV）做為識別方法的基礎，引入多個穩定標準（criteria）去除穩態圖（stabilization diagram）中不穩定的系統極點，並運用奇異值決定系統階數的選取範圍。如此一來，便可以增加識別結果的穩定性並減少由操作者主觀意識的不同而產生的誤差。此外，結合精緻頻域分解法（rFDD）區分結構模態與諧波（harmonic）。協方差型隨機子空間識別法由前述過程去除虛假模態與諧波模態後，即可獲得準確且穩定的模態參數。最後，再利用識別出來的模態參數建立柔度矩陣來偵測損壞位置。另外，再結合奇異譜分析法（SSA）與隨機遞減法（RDM）提出一種阻尼比的識別方式。本研究使用振動台試驗的試體（八層樓鋼構架）以及兩個實際結構（中保雲端數據中心大樓、關渡大橋）來進行驗證，由分析結果顯示，本文提出之方法能夠有效的識別出結構的模態參數並成功偵測損傷位置。