以回饋式類神經網路模式預測營造工程物價指數之研究

A Study of Forecasting Construction Cost Indices using Recurrent Neural Network

龔逸書(Yi-Shu Kung)

指導教授 ： 曾惠斌

國立臺灣大學/工學院/土木工程學研究所/碩士(2008年)

https://doi.org/10.6342/NTU.2008.10151

摘要

在全球化的影響之下，經濟活動的影響層面往往牽扯整個世界的運作。近來由於新興國家的崛起而造成了大量的原物料需求，全球的物資也紛紛湧入大量開發的國家中，而這樣的結果也就造成了原物料的飛漲。營建業本身就是需要依賴大量且多樣材料的行業，在物價上漲時受到的影響往往更加劇烈，因此本研究希望建立一臺灣地區營造工程物價指數之預測模式，以作為工程主辦單位編列公共建設預算及營造廠商計算工程投標價格之參考。
經本研究結果發現，使用回饋式類神經網路模式所建構的預測模式，因能模擬出臺灣地區營造工程物價指數序列之非線性的特性，在與臺灣地區營造工程物價指數之實際值比較過後，能得到一可靠的結果。並且在與靜態預測模式的倒傳遞類神經網路比較之中，具備回饋機制的回饋式類神經網路因為使用動態預測的方法，而能夠改善因時間拉長而造成誤差增加的情況，使得本預測模式能更貼近真實的情形。同時採用回饋式類神經網路在預測臺灣地區營造工程物價指數之下的中分類項目指數和個別分類項目指數也都能得到可靠的結果。

關鍵字

營造工程物價指數 ； 類神經網路 ； 回饋式類神經網路

並列摘要

無資料

並列關鍵字

Construction cost index ； Neural network ； Recurrent neural network

參考文獻

15. 陳宗祥(2005)，「營造工程物價指數增減率與工程款調整合理性之研究」，臺灣大學土木工程學研究所碩士論文。

1. Catfolis, T(1993). “A Method for Improving the Real-Time Recurrent Learning Algorithm,” Neural Network, vol. 6, No. 6, 807-821.

2. Chow, T.W.S. and Y. Fang(1998). “A Recurrent Neural-Network-Based Real-Time Learning Control Strategy Applying to Nonlinear Systems with Unknown Dynamics,” IEEE Trans. On Industrial Electronics, vol.45, NO.1, 151-161.

3. Chow, T.W.S., X.D. Li, and Y.Fang(2000). “A Real-Time Learning Control Approach for Nonlinear Continuous-Time System using Recurrent Neural Networks,” IEEE Trans. on Industrial Electronics, vol.47, NO.2, 478-486.

4. Connor, J.T., R.D. Martin, and L.E. Atlas(1994). “Recurrent Neural Network and Robust Time Series Prediction,” IEEE Trans. on NN, vol.5, NO.2, 240-254.