臺灣博碩士論文加值系統

隨著行政院預算通過之期程或政策強力要求，國內公共工程推案量多寡有激烈波動的現象。某些月份，廠商苦撐等不到足夠工程案之推出，此時為『飢餓期』。某些月份，則又於短期間內工程案推出量暴增，廠商手上已經積滿進行中之工程，對於額外去承接新工程案興趣缺缺，此時則為『撐飽期』。於『飢餓期』廠商為維持公司之生存，不惜低價搶標。而『撐飽期』大部分廠商已無暇承接新案，致使投標家數遽減，投標價高漲，甚至造成流標。
競價的環境下，廠商之『得標金額』除以『工程設計金額』稱為工程『發包折數』，此『發包折數』為工程競標激烈程度之最佳指標。本研究探討『工程推案量之密度』、『競標激烈程度』與『發包折數』之互動關係。搜集最近三十五個月水土保持局六個工程所共計5520筆工程發包詳細資料。以此歷史標案資料來訓練類神經網路，藉以推估往後之『發包折數』情形。
本研究成功訓練倒傳遞神經網路來推測未知月份之發包折數。將競標指數及前數個月之發包折數資料做為輸入層，可有效預測往後工程競標激烈程度--發包折數。此一成果可供工程主管部門安排工程案推出量之重要參考，儘量避免暴起暴落的推案方式。另一方面，亦可提供廠商競標時，投標策略之依據。

The bids price divided by design price called the “discount ratio (DR).”
Due to delay of budget approvals or certain policies from Executive Yuan, serious fluctuation of public construction supply happens all the time in the nation. For period with very deficient construction supply, we call it ’’hungry time.” Contractors try to survive and bid much lower than usually to grape work to run their companies resulting in lower DRs. On the other hand, period with overabundant construction supply, we call it ’’satiation time.” Contractors are too busy too bid more projects, and the DRs upswing.
To realize competitions between contractors, this research focused on the interactions of the discount ratio, the amount/density of construction supply, and the capacity of contractors. We collect more than 5000 construction project data from The Soil Water Conservation Bureau (SWCB). Through elaborated data pre-process, we take competitive bidding index K and discount ratios three months ahead as input factors. By feeding these historic data into artificial neural networks, this research successfully infers the competitions between contractors, and provides future discount ratios. The results are valuable references for the government to avoid drastic fluctuation in bidding supply. It also provides contractors with better bidding strategies.

第一章 緒論 1
1.1 研究背景與動機 1
1.2 問題描述 (Problem Statement) 2
1.3 研究目的 3
1.4 研究範圍與限制 4
1.5 論文架構 4
第二章 文獻回顧 6
2.1 競標、最低標相關文獻 6
2.2 類神經網路相關文獻 8
2.3 預算、最低標及押標金之相關規定 10
2.4 類神經網路(Artificial Neural Network) 11
2.4.1 類神經網路理論 11
2.4.2 前向式架構(Feed-forward Architecture) 13
2.4.3 倒傳遞類神經網路（Back-propagation Network） 14
2.4.4 LMS (Least Mean Square) 演算法 17
2.4.5 模型評估 19
第三章 研究方法 21
3.1研究流程 21
3.2資料說明 23
3.2.1 資料格式 23
3.2.2 水土保持局工程所地理位置 24
3.3 類神經網路模式 26
3.3.1 時間延遲類神經網路(Time-Delay Neural Network TDNN) 29
3.3.2 競爭型之時間延遲類神經網路 31
第四章 分析與貢獻 35
4.1 隱藏層神經元決策 36
4.2 時間延遲的類神經網路 35
4.3競爭型之時間延遲類神經網路 37
4.3.1 過度配適問題(Overfitting) 37
4.3.2 模型成果 38
第五章 結論與建議 40
5.1 結論 40
5.2 建議 41
參考書目與文獻 42
附錄一 水土保持局各類工程預定施工期限表 44
附錄二 水土保持局六個工程所成果折線圖 45

1. 虞順逸、「以迴歸分析預測最低標之研究－以美國A+B 競標法及 我國道路工程為例」，國立雲林科技大學營建工程系碩士論文，2002。
2. 江衍銘、「二階段動態回饋式類神經網路於流量預測」，國立台灣大學生物環境系統工程學研究所碩士論文，2002。
3. 許萬榮、「分別以類神經網路與統計分析溪流發生土石流潛勢度」，朝陽科技大學營建工程系碩士論文，2003。
4. 郭炳煌、「以統計方法與類神經網路模式預估工程直接成本之研究」，高雄第一科技大學營建工程系碩士論文，2001。
5. 曾國源、「以類神經網路架構土石流預警系統之研究」，國立臺灣大學生物環境系統工程學系暨研究所碩士論文，2002。
6. 楊雅媛、「迴歸分析與類神經網路預測能力之比較」，國立政治大學統計研究所碩士論文，2002。
7. 詹仕堅、「使用類神經網路在洪水推估之研究-以集水區地文特徵為基礎」，國立台灣大學地理環境資源研究所博士論文，2003。
8. 邱曉萍、「以共用臨域網路推求降雨-逕流模式」，國立臺灣大學生物環境系統工程學研究所碩士論文，2002。
9. 楊元鎮、「集水區可能最大洪流量之研究」，中原大學土木工程學系碩士論文，2002。
10. 楊竣傑、「應用類神經網路預測混凝土受高溫影響之強度折減」，朝陽科技大學營建工程系碩士論文，2003。
11. 應迦得、「工程競標得標機率之實證與經濟利潤競標模型之探討」，國立臺灣大學土木工程學研究所碩士論文，2002。
12. 鄭有良、「類神經網路於鋪面評估之應用」，國立成功大學土木工 程研究所碩士論文，2003。
13. 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」，國立成功大學管理學院高階管理碩士論文，2003。
14. 吳道生、「營建工程競標理論之研究」，國立台灣大學土木工程學系博士論文，1996。
15. 張政一、「類神經網路於有價證券預測股價及漲跌」、中國文化大學商學院國際企業管理研究所，2000。
16. 羅華強、「類神經網路-MATLAB的應用」，清蔚科技出版，2001。
17. 葉怡成、「類神經網路模式應用與實作」，儒林圖書有限公司，1993。
18. 張斐章、張麗秋、黃浩倫，「類神經網路理論與實務」，東華書局，2003。
19. 莊素玉、「許文龍與奇美實業的利潤池管理」，天下遠見出版，2000。
20. 行政院公共工程委員會、「政府採購法令彙編」，2002。
21. 水土保持局全球資訊網，網址 http://www.swcb.gov.tw/
22. 國立台灣科技大學資訊工程系所，模糊類神經網路實驗室，網址http://neuron.et.ntust.edu.tw/
23. D.K.H.Chua, D.Z.Li, and W.T.Chan,”Case-Based Reasoning Approach In Bid Decision Making”, Journal of Construction Engineering and Management, January/February/35-45 2001。
24. Anil Sawhney1 and Andre´ Mund2,”Adaptive Probabilistic Neural Network-based Crane Type Selection System’ Journal of Construction Engineering and Management, January/May/June /265-273/2002.
25. Li-Chung Chao, and Mieoslaw J. Skibniewski, Member,”Neural Network Method of Estimating Construction Technology Acceptability” Journal of Construction Engineering and Management, August/130-142/1995.