臺灣博碩士論文加值系統

國內加油站土壤及地下水污染(簡稱土水污染)之環境責任課責問題，多年來早已成為環保主管機關關切重點項目之一，因此針對改善加油站土水污染情事，必需藉由加油站許可及定期監測申報之事前防治機制，併同法令修正與時俱進、推動加油站環境污染責任保險制度，應可減低其土水污染風險及後續整治處理成本。而環境污染責任保險(Liability insurance )屬於環境管理經濟誘因手段，具有同時轉嫁企業環境風險與退回企業繳納整治處理費之優點，例如裨於風險理財、損失預防等。惟，國內環境污染責任險制度多仍屬初發或草案研究討論階段且尚未成熟穩定，諸如對於保險費率之釐定、費率條件與風險因素等相關資訊，多屬闕如。因此，確有必要先針對環境污染責任險相關資訊進行因地制宜研究與討論，方能降低對於國外保險人的依賴並掌握國內目前之環境污染整治處理成本。
爰此，本研究論文主要研究需求、目的，係基於相關風險因素/條件，為釐定環境責任保險費率之必要基礎元素，擬嘗試導入包含專家模糊德爾菲法(FDM)、模糊層級程序分析方法(FAHP)及模糊網路程序分析方法(FANP)等方法論，以企解決本研究系統評估過程之模糊、不確定因素，真實的反應專家小組之回饋暨評估意見，進而依據研究結果釐定評估本研究命題之指標系統框架(framework)芻議，以及同時完成現階段研究系統可行性評估結論，復於界定研究範疇內，擬透過大數據導向(Big-data-oriented)方法論與思維，初探建立國內現階段可行之相關改善整治經費風險規模推估或預測模型，以俾作為掌握國內土水污染責任險費率釐訂之污染整治處理成本高、低風險規模參考依據，以及作為討論因地制宜性風險費率釐定、調整之另一重要參酌依據。
本研究建議以「座落位置」、「儲油槽容量」、「位於地震潛勢斷層帶」、「站齡」、「環境意外事件、維運管理效能」等指標項次分別作為「設置區位」、「基本設施」、「環境現況」、「營運現況」、「環境管理」等五項Criteria之現階段可行性佈署指標。此外，本研究大數據導向推估/預測模型，除可正確掌握高(中)風險規模外，且少有將其誤判或預測為較低預測風險規模等級之錯估風險損失成本，現階段應可合理佈署應用。其中，ANN模型之量性敏感度分析結果，多與前揭質性調查之可行性佈署建議結論相容，而Apriori演算關聯規則推估模型，亦合理對應至Drill down 與關聯性研究剖析之結果。
然而，本研究論文現階段之研究結論芻議，除可作為建議與國內加油站土壤與地下水整治成本責任險(第一人)費率釐定作業需求前之乙項必要基礎工程；此外，企藉由本研究論文之拋磚，能啟發後續相關研究討論與量能之投入。

The issue of environmental liability concerning the soil and groundwater pollution caused by gas stations in Taiwan has been drawing environmental authorities’ attention in these years. Some feasible mechanisms in a manner could improve or reduce the potential risk of soil and groundwater pollution incidents resulted from gas stations and their environmental remediation after-costs as well, such as a requirement of prior permit, a regularly monitoring and reporting program, a reasonable liability insurance system of environmental pollution, and a set of rolling amendments to soil and groundwater pollution. The liability insurance of environmental pollution is one kind of economic incentive measures in the field of environmental management, and it was proved to be a useful approach to transfer environmental risk and refund remediation fees of enterprise. Moreover, the liability insurance of environmental pollution also has a beneficial advantage for enterprises to plan their risk-based management programs at the same time: financial management or loss prevention, for instance. However, the reasonable liability insurance system of environmental pollution is still at its developing phase in Taiwan. There are various risk-based parameters and factors associated with this insurance system that have to be identified or determined beforehand. Take the premium rating process, major risk-based rating factors, and environmental conditions for example, these details in need seem to be insufficient for properly developing this kind of insurance system in Taiwan. Therefore, it is urgent and necessary to carry out some studies on discussing and localizing certain data and information for developing a reasonable liability insurance system of environmental pollution in Taiwan. Undoubtedly, this way will be a great benefit to exactly clarify our domestic remediation costs of environmental pollution and avoid over using some inappropriate data or information come from insures of other countries.
The major objective of this study aims to determine the necessary and fundamental elements as well as risk-based factor indictors that pertain to premium rating process of an environmental liability insurance system on the basis of some certain risk-based factors and environmental conditions. In order to scientifically determine the major rating factors and develop a currently workable framework of risk-based factor indicator system with a general common consensus by using the questionnaire survey method in a group of domain experts. The fuzzy Delphi method (FDM), fuzzy analytic hierarchy process (FAHP), and fuzzy analytic network process (FANP) were used within this study to precisely collect the feedback of our respondent group as well as minimize some fuzzy and uncertain interferences during different assessment phases of our questionnaire survey, and therefore to achieve an intended outcome of this study mentioned above. In addition, this study also tries to develop and deploy a set of feasible data mining models on the basis of Big Data thinking and approaches for rationally predicting/estimating the risk scales of remediation costs for gas stations within a certain defined study scope.The analysis results based on big-data-oriented modeling could provide some localized and alternative criteria on re-discussing as well as re-modifying the premium rating process of a reasonable environmental liability insurance system associated with soil and groundwater pollution for gas stations in Taiwan.
According to results of our questionnaire survey, the currently workable top-down framework of risk-based factor indicator system comprises one goal, five criteria, and five risk indicator groups. These five risk indicator groups are Site/District of gas station, Capacity of gasoline/diesel storage tanks, Located at a potential earthquake fault zone, Operation years of gas station, and Environmental contamination incidents & Effectiveness of operation and maintenance, and they relate to five criteria of Location, Facilities, Environmental circumstance, Operation and maintenance, and Environmental management respectively. Furthermore, the big-data-oriented prediction/estimation models developed in this study indicate that not only they can be appropriately deploy and exactly classify any gas stations with potential higher risk of remediation costs, but also they can significantly reduce the loss and cost of misclassification for insures. The quantitative sensitivity analysis results of the artificial neural networks (ANN) model and association rules discovered based on the Apriori algorithm are properly compatible with the qualitative conclusions of our questionnaire survey and consistently and reasonably compliance with the results of data-oriented drill downanalysisrespectively.
Though results and conclusions summarized in this study are on the basis of some certain study assumptions and limitations, they do obviously play an infrastructure as well as initiative role for determining major risk-based rating factors and providing alternative premium rating process of a reasonable environmental liability insurance system associated with soil and groundwater pollution for gas stations in Taiwan. Besides, this study also attempts to inspire the follow-up studies and discussions in terms of issues of environmental liability insurance.

摘要 I
Abstract II
表目錄 VIII
圖目錄 X
第一章緒論 1
1.1研究緣起 1
1.2研究目的 6
第二章文獻回顧 7
2.1國內、外加油站問題 7
2.2國內加油站污染防治脈絡 8
2.2.1營運脈絡與現況 8
2.2.2污染與防治制度現況 9
2.2.3土壤及地下水污染場址初步評估暨處理等級評定 19
2.3加油站土水污染整治技術暨相關費用評估 21
2.4環境風險與環境(污染)責任保險之名義與發展脈絡 34
2.4.1環境風險之名義 34
2.4.2環境風險管理與評估 34
2.4.3環境責任之名義 38
2.4.4國內、外環境(污染)責任保險制度與費率 39
2.5指標之名義與應用 42
2.5.1指標名義 42
2.5.2指標功能 43
2.6量測(Measurement)理論 43
2.6.1構念與概念 43
2.6.2信度與效度 43
2.7模糊理論 45
2.8大數據發展與演算模型應用脈絡 47
2.8.1大數據與資料探勘(Big data and Data Mining) 47
2.8.2標準作業程序(CRISP-DM) 52
2.8.3 類神經網路模型 53
2.8.4關聯分析(Association analysis)模型 57
2.9國內相關研究現況 58
第三章研究設計與方法 67
3.1第一部分：Phase I研究架構與方法流程 68
3.1.1研究之調查方式、對象與範疇 69
3.1.2建立指標系統架構草案 71
3.1.3專家問卷調查 76
3.1.4界定解模糊化處理原則與問卷量表設計原則 78
3.1.5界定調查結果之定性與定量收斂原則 79
3.2第一部分：Phase II研究架構與方法流程 79
3.2.1導入FAH(N)P研究流程 80
3.2.2確定問題與建立層級分析架構及問卷量表設計原則 87
3.2.3界定模糊化處理原則與進行優先向量分析及一致性檢定 88
3.2.4界定解模糊化處理原則 89
3.3第二部分：建立加油站土水整治經費風險規模推估模型與資料源 89
3.3.1 ANN推估建模(Modeling) 89
3.3.2關聯分析與關聯規則推估建模(Modeling) 93
第四章結果與討論 97
4.1 FDM調查階段 97
4.1.1調查架構內容與調查結果統計分析 97
4.1.2 指標系統調查收斂共識 100
4.2 FAH(N)P調查階段 101
4.2.1 FAH(N)P之層級架構脈絡與調查問卷回收處理原則 101
4.2.2調查結果統計分析 102
4.2.3釐訂指標系統層級架構及風險因素指標 103
4.2.4現階段可行性評估 106
4.3加油站土水整治經費風險規模推估模型 107
4.3.1 ANN Modeling 108
4.3.2關聯分析與關聯規則Modeling 111
4.3.2.1土水污染物與整治(改善)經費規模之資料關聯性 112
4.3.2.2土水污染整治技術與經費規模之資料關聯性 115
4.3.2.3土水污染物與整治技術之資料關聯性 117
4.3.2.4定量與定性變項之Drill down統計分析 119
4.3.2.5土水污染類型之資料關聯性 121
4.3.2.6關聯規則Modeling 126
第五章結論與建議 131
5.1結論 131
5.2後續展望與建議 135
參考文獻 137
附件 142

中文部分
1.行政院環境保護署，地下儲槽系統網路申報資料查核、諮詢及勾稽計畫，美商傑明工程顧問（股）台灣分公司，EPA-102-GA12-03-A025，臺北市，(2008)。
2.大陸水工股份有限公司，統一精工鳳山二站加油站土壤、地下水整治計畫書，統一精工股份有限公司，台南市，(2011)。
3.王明智，“土壤有機質多寡對柴油污染土生物降解之影響”，碩士論文，中華醫事科技大學生物安全衛生研究所，台南市，(2010)
4.陳逸文，“加油站洩漏-油槽及管線地下室化可行性評估”，碩士論文，國立中央大學環境工程研究所，桃園市，(2006)。
5.行政院環境保護署，土壤及地下水油品類污染整治作業參考指引(104年版)，臺北市，(2015)。
6.張鶯譯，“建立臺灣地區與環境責任有關風險條件指標暨資訊應用系統之芻議”，碩士論文，國立宜蘭大學環境工程學系，宜蘭縣，(2012)。
7.行政院環境保護署，“環保政策風險管理發展計畫”，瑞鉅災害管理及安全事務顧問股份有限公司，EPA-96-K101-02-103，臺北市，(2007)。
8.美商傑明工程顧問（股），“加油站土壤及地下水污染責任保險開發計畫”，行政院環境保護署，EPA-103-GA11-03-A293 ，臺北市，(2016)。
9.吳熖煌，“應用模糊層級分析法於工程專案計畫書風險評估”，碩士論文，大同大學工程學院工程管理在職專班，臺北市，(2011)。
10.凌于右，“以模糊層級分析法建構港濱觀光開發評估模式”，碩士論文，國立高雄大學都市發展與建築研究所，高雄市，(2006)。
11.陳威能，“應用模糊分析網路程序法探討郵輪母港發展之策略分析－以基隆港為例”，碩士論文，國立臺灣海洋大學航運管理學系，基隆市，(2014)。
12.傅振暘，“應用模糊層級分析法建構校內科展評分最佳模式之研究-以建臺高中校內科展為例”，碩士論文，國立中興大學應用數學系，台中市，(2014)。
13.王朝正，“模糊語意問卷及信效度之相關研究”，碩士論文，國立台中師範學院教育測驗統計研究所，臺中市，(2002)。
14.楊振豪，“終身學習課程推薦機制之研究：以數位學習平台為例”，碩士論文，龍華科技大學資訊管理系，桃園市，(2016)。
15.盧木賢，“資料採礦應用於Web Marketing”，碩士論文，淡江大學資訊工程學系，新北市，(2003)。
16.黃弘毅，“智慧型供應商選擇支援系統”，碩士論文，國立成功大學資訊管理研究所，臺南市，(2002)。
17.謝俊輝，“應用大數據及分析網路程序法探討學校用地再利用策略之研究”，碩士論文，國立臺北大學不動產與城鄉環境學系，新北市，(2016)。
18.張原賓，“以類神經網路模型預測航空旅客運量”，碩士論文，國立成功大學民用航空所，臺南市，(2008)。
19.行政院環境保護署，“污染場址管理之風險分析系統研析及環境風險評估方法整合計畫”中興工程顧問股份有限公司，臺北市，(2013)。
20.經濟發展局，加油站經營與管理，臺北市，(2009)。
21.楊靜怡，“颱洪災害回復力之評估：以台中市、台中縣龍井鄉與東勢鎮為例”，碩士論文，國立臺北大學不動產與城鄉環境學系，新北市，(2009)。
22.何雅婷，“建構台灣既有建築環境性能改善評估系統之研究-以辦公建築為例”，國立成功大學土木工程研究所，臺南市，(2011)。
23.陳培旼，“加油站土壤氣體及地下水監測模擬”，碩士論文，國立交通大學土木工程研究所，新竹市，(2010)。
24.葉保強、江珍宜，“從商業倫理探討企業的環境責任”，國立中央大學哲學研究所，碩士論文，桃園市，(2005)。
25.葉俊榮、張文貞、汪信君，公害糾紛處理與環境損害責任之運作機制探討及法制研修推廣，行政院環保署，EPA-97-K105-02-205，(2008)。
26.張益誠，“應用因子分析方法為臺灣地區建構永續發展趨勢評估指標系統”，國立臺灣大學，環竟工程學研究所，博士論文，(2001)。
27.林文英，“非都市土地使用類別適宜性分析方法之研究”，碩士論文，國立中興大學，臺中市，(2008)。
28.簡禎富、李培瑞、彭誠湧，“半導體製程資料特徵萃取與資料挖礦之研究＂，資訊管理學報，10卷1期，頁63-84(2003)。
29.鍾玉科，“運用多準則決策法則建構智慧商場建築智能評比系統＂，創新研發學刊，第五卷，第一期，頁7-22（2009）。
30.陳昭宏，“亞太港埠競爭力與核心能力指標之研究”，運輸學刊，，第13卷，第1期，第1-25頁，臺北市（2011）。
31.李惠妍，“類神經網路與迴歸模式在台股指數期貨預測之研究”，碩士論文，國立成功大學，臺南市，(2003)。
32.林峰祿，“應用AHP評選出口行銷目標市場之個案研究”，碩士論文，國立交通大學，新竹市，(1982)。
33.葉保強，建構企業的社會契約，鵝湖出版社，臺北(2002)。
34.張紹勳，研究方法，滄海書局，臺中市(2004)。
35.吳明隆，SPSS 統計應用學習實務-問卷分析與應用統計，知城數位科技股份有限公司，臺北市(2006)。
36.王保進，中文視窗版SPSS與行為科學研究，心理出版社，臺北市(2006)。
37.陳瑞順，管理資訊系統，全華科技圖書股份有限公司，臺北市(2007)。
38.查偉，大數據大時代：新一代儲存技術及實作，佳魁資訊股份有限公司，臺北市(2017)。
39.曾憲雄等，資料探勘，旗標出版股份有限公司，臺北市(2005)。
40.丁一賢等，資料探勘，滄海書局，臺中市(2005)。
41.謝邦昌，資料採礦與商業智慧-SQL Server 2005，鼎茂圖書出版股份有限司，臺北市(2005)
42.尹相志，Microsoft SQL Server 2005-Data Mining 資料採礦，悅知文化，臺北
市(2007)。
43.梁定澎，決策支援系統與企業智慧，智勝文化事業股份有限公司，臺北市(2006)。
44.葉怡成，應用類神經網路，儒林圖書有限公司，臺北市(1997)。
45.吳柏林，時間序列分析導論，華泰書局，臺北市(1995)。
46.牛田一雄等，資料採礦利用Clementine 使用手冊，鼎茂圖書出版股份有限公司，臺北市(2006)。
47.葉怡成，“類神經網路模式應用與實作＂，儒林出版社，臺北市(2003)

英文部分
1.Ayag, Z., Ozdemir, R.G.,“A hybrid approach to concept selection through fuzzy analytic network process.” Computers ＆ Industrial Engineering, Vol. 56, pp. 368-379(2009).
2.Agrawal R., T. Imielinski, A. Swami, “Mining Association Rules between Sets ofItems in Large Databases,＂Proceedings of the 1993 ACM SIGMOD Conferenceon Management of Data, Washington D.C., pp. 207-216, May 1993 (1993).
3.Ayag, Z., Ozdemir, R.G., “A hybrid approach to concept selection through fuzzy analytic network process.” Computers ＆Industrial Engineering,Vol. 56, pp. 368-379 (2009).
4.Buckley,J.J. , “Fuzzy Hierarchy analysis. Fuzzy Sets and System,”17,233-247. (1985).
5.Belton, V., Gear , A.E. “The Legitimacy of Rank Reversal—A Comment,＂Omega, 13(3), 227-230 (1985).
6.Bob, M.M., Brooks, M.C., Mravik, S.C., Wood, A.L. “A modified lighttransmission visualization method for DNAPL saturation measurements in2-D models”, Advances in Water Resources, 31(5), pp.727-742 (2008).
7.Etebarian A., Shirvani A., Soltani I., Moradia A. , “The application of Fuzzy Delphi Method (FDM) and Fuzzy Analytic Hierarchy Process (FAHP) for Evaluating Marine Casualties,” Recent Advances in Computer Science and Applications, pp. 54-69 (2013).
8.Hosmer, D. W. and Lemeshow, S.,“Applied Logistic Regression,＂ New York:John Wiley & Sons, Inc. 2nd (2000).
9.Ishikawa, A., M., Amagasa, T., Shiga, G.,Tomizawa, R., Tatsuta, and H., Mieno. “The Max-Min Delphi Method and Fuzzy Delphi Method vie Fuzzy Integration, ” FuzzySets and Systems, No. 55 , pp. 241-253 (1993).
10.IISDnet.(2000),Measurement and Indicator for SD.International Institute forSustainable Development(IISD).
11.M.A. Friedl and C.E. Brodley, “Decision Tree Classification of Land Cover from
Remotely Sensed Data, ＂Remote sens. Environ. No. 61, pp. 399-409 (1997).
12.Miller,I., Harker, P.T., “Globally effective questioning in the analytic hierarchyprocess.European Journal of operational Research,” 48 , 88-97 (1990).
13.Moroizumi, T., Sasaki, Y. “Estimating the Nonaqueous-Phase Liquid Contentin Saturated Sandy Soil Using Amplitude Domain Reflectometry,” SoilScience Society of America Journal, 72(6), pp.1520-1526(2008).
14.O'Carroll, D.M., Sleep, B.E., “Hot water flushing for immiscibledisplacement of a viscous NAPL,” Journal of Contaminant Hydrology,91(3-4), pp.247-266(2007).
15.Process for decision Making with Dependence and Dependence and Feedback , RWS Publications, Pittsburgh, USA (1996).
16.Saaty, T. L., “The Analytic Hierarchy Process,New York:McGraw-Hill,＂(1980).
17.Saaty, T.L. , “How to make a decision: The Analytic Hierarchy Process,European Journal of Operational Reseach,”48, 9-26(1990).
18.Saaty, T. J., Decision making in Complex Environments, The Analytical Hierarchy Process for decision Making with Dependence and Dependence and Feedback , RWS Publications, Pittsburgh, USA (1996).
19.Saaty, T. L.,The Analytic Network Process: Decision Making With Dependence and Feedback, RWS Publications, Pittsburgh, USA (2001).
20.USEPA, 2014, Semiannual Report Of UST Performance Measures End Of Fiscal
Year 2014.

網站
1.土壤及地下水污染整治法https://sgw.epa.gov.tw/public/prevent/03
2.經濟部能源局http://web3.moeaboe.gov.tw/ECW/populace/home/Home.aspx
3.環境資源資料庫http://erdb.epa.gov.tw/DataRepository/PollutionProtection/SoilSite.aspx
4.2015-中央大學資安災害復原講座p15~p22
http://www.tyrc.ncu.edu.tw/images/b/bd/1041008.pdf
5.土壤及地下水管理資訊系統https://sgw.epa.gov.tw/ContaminatedSitesMap/Default.aspx?NewAreaNo=U
6.土壤及地下水場址初級評定系統
http://sgw.epa.gov.tw/envsystem/information/info.aspx
7.美國環保署USEPAhttp://www.cluin.org/products/mtbe/usersearch/mtbe_search.cfm.
8.經濟部工業局https://www.moeaidb.gov.tw/external/ctlr?PRO=index&lang=0
9.全國法規資料庫http://law.moj.gov.tw/
10.美國環保署https://www.epa.gov/
11.人工智能課程-神經網絡
https://www.tutorialspoint.com/artificial_intelligence/artificial_intelligence_neural_net works.htm
12.2015-中央大學資安災害復原http://www.tyrc.ncu.edu.tw/images/b/bd/1041008.pdf
13.台灣碩博士論文知識加值系統
http://ndltd.ncl.edu.tw/cgi-bin/gs32/gsweb.cgi/ccd=u2R33w/webmge?mode=basic
14.行政院環保署土壤及地下水污染整治網，地下水污染物監測、管制標準(2017)， https://sgw.epa.gov.tw/public/misc/service/pollutant?method=GW
15.行政院環保署土壤及地下水污染整治網，土壤污染物監測、管制標準(2017)，https://sgw.epa.gov.tw/public/misc/service/pollutant?method=Soil