(3.238.130.97) 您好!臺灣時間:2021/05/14 18:59
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

: 
twitterline
研究生:蔡博安
研究生(外文):Tsai Po-An
論文名稱:應用支援向量機與集成學習法預測工程專案績效
論文名稱(外文):Applying Support Vector Machines and Ensemble concepts in predicting Construction Project Success
指導教授:王裕仁王裕仁引用關係
指導教授(外文):Wang Yu-Ren
學位類別:碩士
校院名稱:國立高雄應用科技大學
系所名稱:土木工程與防災科技研究所
學門:工程學門
學類:土木工程學類
論文種類:學術論文
論文出版年:101
畢業學年度:100
語文別:中文
中文關鍵詞:專案先期規劃支援向量機拔靴集成法多模激發法
相關次數:
  • 被引用被引用:9
  • 點閱點閱:820
  • 評分評分:
  • 下載下載:57
  • 收藏至我的研究室書目清單書目收藏:1
營造工程日趨大型化、複雜化,導致工程最終成果不確定性增加,故在這與日進步的時代中,營建工程大都以專案的形式執行,如能於規劃階段完善的考慮,避免不必要的成本浪費及時程延誤,就能增進專案成功的機率,因此提升專案在早期的規劃完整性就顯得更為重要。
本研究將探討營建專案先期規劃之執行成效與專案最終績效間之關係,引用岳東穎(2009)研究所建立的台灣營建業之建築專案先期計劃階段範圍定義評析指標,針對台灣營建業之建築專案作研究分析。針對建築專案之專案績效(成本好與壞及時程好與壞)建立分類模型並進行預測,本研究應用支援向量機集成學習(拔靴集成法與多模激發法)預測專案績效,其中以專案定義評析指標中所對應的權重分數為輸入項目;專案績效的好與壞為輸出項目,研究結果並與陳建豪(2011)應用類神經網路集成學習的模型預測進行比較。
此研究結果可以提供業主、承包商或專案管理人員確實掌握整個專案在先期階段的規劃完整性,並預估專案績效可能最終成果為何,期望能幫助專案團隊於專案先期針對規劃不完備之部分進行改善,最終能有效提升專案整體專案成本與時程績效。
The construction projects are getting bigger and more complex in recent years.There are more and more uncertainties involved in the project delivery process.If the planning can be well conducted in the early stage,the projects could be completed with less cost and within time constraints.Therefore it is important to improve the planning at the early stage to improve the chance of successful project deliveries.
This research intends to study the relationship between the early project planning and final project performance.The Project Definition Rating Index (PDRI) for Taiwan’s Builing Industry will be incorporated in this research as a survey instrument for further analysis. Classification models will be developed to predict project cost and schedule performance.Support Vector Machines (SVMs) ensemble concepts (Bagging and Boosting) are incorporated to develop the prediction models.The PDRI scores from the survey are set as the input variable and the project performances are set as the output variable.The results are compared with ANNs ensemble model results.
This research provides valuable information for the Owners,Contractors,and Project Management Teams to assess the project at the early stage.The developed models can assist the project team to improve their early planning and to increase the probability of final project success.
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 2
1.3 研究流程 2
1.4 章節架構介紹 4
第二章 文獻探討 5
2.1 專案先期規劃 5
2.2 專案定義評析指標(PDRI) 10
2.2.1 建築專案定義評析指標 11
2.2.2 國內外PDRI研究之相關文獻 15
2.3 專案績效指標與規劃設計階段之相關研究 18
2.3.1 規劃設計階段對成本之影響 18
2.3.2 規劃設計階段對時程之影響 19
2.4 支援向量機 20
2.5 集成學習 22
2.5.1 拔靴集成法(Bagging) 24
2.5.2 多模激發法( AdaBoost) 25
2.6 小結 26
第三章 研究方法 27
3.1 研究架構 27
3.2 專案先期規劃問卷內容 27
3.3 專案績效指標 30
3.4 分析方法 30
3.4.1 敘述統計 31
3.4.2 支援向量機 31
3.4.3 集成學習 34
3.5 小結 36
第四章 研究分析與討論 37
4.1 專案資料敘述性統計 37
4.1.1 受測者基本資料分析 37
4.1.2 受測公司基本資料 38
4.1.3 受測專案資料分析 39
4.2 LSSVM支援向量機預測及集成學習法預測 40
4.2.1 LSSVM支援向量機單一預測 41
4.2.2 LSSVM支援向量機結合拔靴集成法 44
4.2.3 LSSVM支援向量機結合多模激發法 47
4.3 小結 51
第五章 結論與建議 54
5.1 結論 54
5.2 建議 55
5.3 後續相關研究方向與建議 55
1.Ask, K. and Eikvil, L.(1999). Text categorisation: A Survey. Technical report, Norwegian Computing Center.
2.Baluja, S., Rowley, H. (2007). Boosting sex identification performance. International Journal of Computer Vision (IJCV), 71(1), pp. 111-119.
3.Breiman, L. (1996). Bagging predictions. Machine Learning, 24(2), pp. 123-140.
4.Burati, J. L., Farrington, J. J. and Ledbetter, W. B. (1992). Causes of Quality Deviations in Design and Construction. Journal of Construction Engineering and Management,118(1), pp.34-46.
5.Cho, C. S. (2000). Development of the Project Definition Rating Index (PDRI) for Building Projects. University of Texas at Austin, Austin, Ph.D. Thesis.
6.Cho, C. S., Furman, J. C. and Gibson, G. E. (1999). Development of the Project Definition Rating Index (PDRI) for Building Projects. A report to the Construction Industry Institute, The University of Texas at Austin, Research Report 11-155.
7.Cleland, D. I. and King, W. R. (1983). System Analysis and Project Management. 3d Ed, New York: McGraw-Hill.
8.Dasarathy, B. V. and Sheela, B. V. (1979). A Composite classifier system design: Concepts and methodology, Proceedings of the IEEE, 67(5), pp. 708–713.
9.Davel, M. and Barnard, E. (2006). Developing consistent pronunciation models for phonemic variants. Proceedings of the 9th International Conference on Spoken Language Processing (Interspeech), Pittsburgh, Pennsylvania, pp. 1760-1764.
10.Dumont, P., Gibson, G. E. and Fish, J. (1997). Scope Management Using the Project Definition Rating Index (PDRI). ASCE Journal of Management in Engineering, 13(5), pp. 54-60.
11.Freund, Y., Schapire, R. E. (1996). Experiments with a New Boosting Algorithm. Proc. International Conference on Machine Learning, San Francisco, pp. 148-156.
12.Friedman, J., Hastie, T. and Tibshirani, R. (2000). Additive logistic regression: A statistical view of boosting. The Annals of Statistics, 38(2), pp. 337-374.
13.Gibson, E. and Gebken, R. (2003). Design quality in pre-project planning: applications of the Project Definition Rating Index, Building Research and Information, 31(5), pp. 346-356.
14.Gibson, G. E. and Hamilton, M. R. (1994). Analysis of Pre-Project Planning Effort and Success Variables for Capital Facility Projects. A report to the Construction Industry Institute, Source Document 105, Austin, TX.
15.Gibson, G. E., Kaczmarowski, J. and Lore, H. (1995). Pre-Project Planning Process for Capital Facilities. ASCE J. Construction Engineering and Management, 121(3), pp. 312-318.
16.Griffith, A. F. and Gibson, G. E. Jr. (2001). Alignment During Preproject Planning. Journal of Management in Engineering, 17(2), pp. 69-76.
17.Griffith, A. F., Gibson, G. E., Hamilton, M. R., Tortora, A. L. and Wilson, C. T. (1999). Project Success Index for Capital Facility Construction Projects. ASCE J. Performance of Constructed Facilities, 13(1), pp. 39-45.
18.Hackney, J. W. (1992). Control and Management of Capital Projects. Second Edition, New York: Mc Graw-Hill, Inc.
19.Hamilton, M. R. (1994). The Relationship between Pre-Project Planning Effort and Success for Capital Construction Projects. University of Texas at Austin, Austin, TX, Ph. D. Thesis.
20.Hamilton, M. R. (1994). The Relationship between Pre-Project Planning Effort and Success for Capital Construction Projects. University of Texas at Austin, Austin, TX, Ph. D. Thesis.
21.Hanna, A. S. (2010). Effect of Preconstruction Planning Effort on Sheet Metal Project Performance. Journal of Construction Engineering and Management, 136, pp. 235-241.
22.Hansen, L.K. and Salamon, P. (1990). Neural network ensembles. IEEE Transactions on Pattern Analysis and Machine Intelligence, 12(10), pp. 993-1001.
23.Hsu, C. W., Chang, C. C. and Lin, C. J. (2003). A Practical Guide to Support Vector Classication. Technical Report, Department of Computer Science and Information Engineering, University of National Taiwan, Taipei.
24.Kim, K. J. (2003). Financial time series forecasting using support vector machines, Neurocomputing, 55(1-2), pp.307-319.
25.Matthews, B., Sylvie, J. R., Lee, S. H., Thomas, S. R., Chapman, R. E. and Gibson, E. G. Jr. (2006 ). Addressing Security in Early Stages of Project Life Cycle. Journal of Management in Engineering, 22(4), pp.196-202.
26.MÄuller K.-R., Smola A., RÄatsch G., SchÄolkopf B., Kohlmorgen J., Vapnik V.(1997). Predicting time series with support vector machines. In: Gerstner W., Germond A., Hasler M., and Nicoud J.-D. (Eds.), Artificial Neural Networks ICANN97, Berlin. Lecture Notes in Computer Science 1327, pp. 999-1004.
27.Mitropoulos, P., and Howell, G. A. (2002). Renocation Project: Design Process Problems and Improvement Mechanisms. ASCE Journal of Management in Engineering, 18(4), pp. 179-185.
28.Pena, W., Parshall, S. and Kelly, K. (1987). Problem Seeking - An Architectural Programming Primer. Washington, D.C. AIA Press.
29.Shakhnarovich, G., Viola, P. A., Moghaddam, B. (2002). A unified learning framework for real time face detection and classification. Proceedings of the Fifth IEEE International Conference on Automatic Face and Gesture Recognition (FGR), pp. 16-26.
30.Suykens, J. A. K., De Brabanter, J., Lukas, L. and Vandewalle, J. (2002). Weighted least squares support vector machines: robustness and sparse approximation. Neurocomputing, Special issue on fundamental and information processing aspects of neurocomputing, 48(1-4), pp. 85-105.
31.The Construction Industry Institute (1996). Project Definition Rating Index (PDRI) – Industrial Projects. Implementation Resource 113-2, Austin, TX
32.The Construction Industry Institute (1999). Project Definition Rating Index (PDRI) – Building Projects. Implementation Resource 155(2), Austin, TX
33.Trafalis, T. B., Ince, H. (2000). Support Vector Machine for Regression and Applications to Financial Forecasting, IEEE Computer Society, 6, pp. 348-353.
34.Vapnik, V. (1995). The Nature of Statistical Learning Theory, Springer-Verlag, New York.
35.Wang, Y. R. (2002). Applying the PDRI in Project Risk Management. University of Texas at Austin, Austin, TX, Ph. D. thesis.

(二)中文文獻
36.王人鋒(2003),兩階段之委員會機器,國立中山大學機械與機電工程研究所,碩士論文,高雄。
37.行政院公共工程委員會(2011),「公共建設之永續性思維與作法--從綠色內涵到節能減碳」,行政院公共工程委員會。
38.李展中(1999),軍事營繕工程全面品質管理之研究-計畫階段審議評估之探討,中正理工學院軍事工程研究所,碩士論文,桃園。
39.李庭毓(2000),在不同的專案特性下控制機制對專案績效之影響,靜宜大學企業管理研究所,碩士論文,台中。
40.岳東穎(2009),台灣建築專案之先期計畫執行現況與分析,國立高雄應用科技大學土木工程與防災科技研究所,碩士論文,高雄。
41.林木柳(2003),由業主觀點探討電廠統包專案之關鍵成功因素-以台電林口氣渦輪機發電計畫為例,交通大學經營管理研究所,碩士論文,新竹。
42.林坤田(2005),統包工程進度之因素分析-以建築工程為例,國立台灣大學土木工程研究所,碩士論文,台北。
43.林金波(2003),風險管理應用在專案成本管理之研究,國立台灣科技大學營建工程系研究所,碩士論文,台北。
44.林盟凱(2004),信用評等時間序列資料分析-結合效能提昇技術之類神經網路分類模型,科技與管理學術研討會,頁574-584。
45.洪佩瑤(2007),統包工程在規劃及執行階段之缺失與因應對策之探討,國立高雄第一科技大學營建工程研究所,碩士論文,高雄。
46.洪琳美(2005),運用支撐向量機與類神經網路於銀行授信之研究,國立台灣科技大學資訊管理系,碩士論文,台北。
47.張玉瑛(2007),以支援向量機預測台灣地區營造工程物價指數之研究,朝陽科技大學營建工程系,碩士論文,台中。
48.梁世連(2001),「工程項目管理學」,東北財經大學出版社,大連。
49.許家豪(2004),營建專案執行階段之績效評估研究-驗證PDRI 模式之可行性,國立雲林科技大學營建工程系研究所,碩士論文,雲林。
50.陳怡萱(2002),專案工程設計階段管理之研究,國立臺灣科技大學營建工程研究所,碩士論文,台北。
51.陳建豪(2011),多模激發法、拔靴集成法及SVM在專案先期規劃對專案績效預測之比較,國立高雄應用科技大學土木工程與防災科技研究所,碩士論文,高雄。
52.陳富榮(2004),大陸地區建廠專案設計管理之研究-以上海張江高科技園區半導體廠個案為例,國立高雄第一科技大學營建工程研究所,碩士論文,高雄。
53.陳瑋琪(2009),AdaBoost 演算法結合支持向量機於水稻田判釋之研究,逢甲大學土地管理系,碩士論文,台中。
54.游忠穎 ( 2010 ),應用專案定義評析指標(PDRI)預測建築專案執行績效之研究,高雄應用科技大學土木工程與防災科技研究所,碩士論文,高雄。
55.湯志康、王偉智、談蔚欣 (2006)「基於Bagging的交通壅賭預測研究」集美大學學報,第11卷,第2期,頁156-160。
56.黃裕勝(2007),以組織結構觀點建立設計專案團隊之研究,國立成功大學土木研究所,博士論文,台南。
57.楊川正(2008),基於AdaBoost 之生物認證融合技術,中正大學資訊工程所,碩士論文,嘉義。
58.詹紹華(2006),公共工程規劃設計階段成本及進度管理問題之研究,國立交通大學土木工程學系,碩士論文,新竹。
59.詹勳錫(2010),先期規劃對專案績效之影響─利用ANN與SVM進行預測,國立高雄應用科技大學土木防災與科技研究所,碩士論文,高雄。
60.廖婉淑 ( 2009 ) ,利用整合式的機器學習方法提高垃圾網站偵測率,台灣科技大學,資訊工程系,碩士論文,台北。
61.劉福勳(2001),「營建管理概論」,詹氏書局,台北市。
62.潘善勇(2005),運用專案管理導入企業資源規劃成功因素之研究─以電子產業為例,國立成功大學工程管理研究所,碩士論文,台南。
63.蔡坤龍(2008),建築工程設計品質管理之研究,國立台灣科技大學營建工程研究所,碩士論文,台北。
64.賴佳君 ( 2005 ) 應用平滑支撐向量機於台指期貨套利之研究,臺灣科技大資訊管理所,碩士論文,台北。
65.戴期甦(2002),成功設計管理因素之探討,中華大學營建管理研究所,碩士論文,新竹。
66.謝玉珊(2006),由病歷摘要判斷國際疾病分類碼,國立雲林科技大學資訊管理研究所,碩士論文,雲林。
67.魏沛銳(2004),國內公共工程規劃設計階段時程延遲原因分析,中華大學營建管理研究所,碩士論文,新竹。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊