(3.236.231.14) 您好!臺灣時間:2021/04/15 08:35
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:::

我願授權國圖
: 
twitterline
研究生:王鈺婷
研究生(外文):Yu-Ting Wang
論文名稱:應用蜜蜂繁殖演化結合自組織映射圖網路於台灣地區鋼鐵需求漲跌幅之預測
論文名稱(外文):Applying HBMO-based SOM in Predictingthe Taiwan Steel Demand Fluctuation
指導教授:邱垂昱邱垂昱引用關係
口試委員:呂執中彭泉陳凱瀛
口試日期:2013-06-14
學位類別:碩士
校院名稱:國立臺北科技大學
系所名稱:工業工程與管理系碩士班
學門:工程學門
學類:工業工程學類
論文種類:學術論文
論文出版年:2013
畢業學年度:101
語文別:中文
論文頁數:76
中文關鍵詞:預測最佳化蜜蜂繁殖演算法自組織映射圖網路
外文關鍵詞:predictoptimizationHoney-bee mating optimizationSelf-Organizing Map
相關次數:
  • 被引用被引用:1
  • 點閱點閱:118
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
鋼鐵產業為導入工業化發展之重要基礎工業,為技術、資本與能源密集度極高之產業,更緊密連結上下游產業。舉凡各民生工業無不與鋼鐵產業息息相關,然而台灣屬於島嶼型國家,雖佔地理優勢,但缺乏天然資源,煉鋼之原料多數依賴進口,隨著國際鐵礦、能源等原料上漲,運輸成本也因油價上漲而提高,導致鋼鐵產業生產成本居高不下。綜觀而言影響鋼品價格因素大致可區分為生產成本、供需關係、市場環境,偋除大環境之影響,生產成本是造成鋼品價格變化的直接因子,但鋼品的供需關係才是真正影響價格走勢的主要因素。因此本研究目的為結合蜜蜂繁殖演算法與自組織映射圖網路,建立一套鋼鐵成品需求漲跌幅預測系統,期望能確切掌握未來的鋼品需求情勢,保護國內鋼鐵市場免於國外的低銷策略傾銷台灣,國內中下游用鋼需求也能藉此得到保障,營造供需雙方互利之局面,使台灣鋼鐵產業更具競爭力。
經實驗結果顯示,本研究所提出的有因素篩選機制之蜜蜂繁殖演化自組織映射圖網路預測系統,優於無因素篩選機制之傳統自組織映射圖網路預測系統,且分割型模式之蜜蜂繁殖演化自組織映射圖網路更能準確預測鋼品需求漲跌幅。可知不同的資料前處理模式,確實會影響鋼品需求預測準確度。


The steel industry is an important basis for industrial development, and it’s characteristics are technology-intensive, capital-intensive and energy-intensive, and closely link with its upstream and downstream industries. Covered the important raw material for livelihood industries. All of those fields are intimately with steel industry.
However, Taiwan is the island-oriented country. Although being provided with the geographical advantage, but Taiwan lacks of natural resources. The majority of steel-making raw materials dependent on imports. With rising transportation cost of raw materials trading around the worldwide markets, this situation will trigger the problem of oil price-hike, leading to the production costs of the steel industry stays high.
Many factors will affect steel price, including production cost relationship between supply and demand, and market environment; but dismiss the impact of the environment, the production cost is a direct factor of the price fluctuation. More important, the relationship between supply and demand of steel products is the main factors to influence the trend of the involving prices.
The purpose of this study is to combine honey-bee mating algorithms and neural network, then establishing a set of demand fluctuation forecast about steel finished goods. We expect the certainty of the future of the steel product demand situation. Not only to protect the domestic steel market from foreign low-priced competitive strategy, but also to guarantee to the domestic steel of supply chain from middle to downstream. Finally, to create ALL-WIN for whole supply chain of the both sides;to be more precisely, making Taiwan''s iron and steel industry more competitive.
To compared HBMO-based SOM with SOM. The experimental results show that HBMO-based SOM with factors selection is better than SOM with all factors, and the model of divided-HBMOSOM can more accurate the Taiwan steel demand fluctuation. Shows different data pre-processing mode will definitely affect the steel demand fluctuation forecast accuracy.


摘 要 i
Abstract ii
誌 謝 iv
目錄 v
表目錄 vii
圖目錄 viii
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研究範圍與限制 3
1.4研究方法與結構 4
第二章 文獻探討 5
2.1鋼鐵產業之介紹 5
2.1.1鋼鐵產業之定義 5
2.1.2鋼鐵冶煉業製程介紹 6
2.1.3台灣鋼鐵產業結構圖 8
2.1.4台灣鋼鐵產業發展之歷程 10
2.1.5鋼鐵產業供需關聯 11
2.1.6鋼鐵相關文獻探討 12
2.1.7鋼品需求之投入變數探討 15
2.2蜜蜂繁殖演算法 18
2.2.1蜜蜂繁殖演算法之背景 18
2.2.2蜜蜂繁殖演算法流程圖 19
2.3類神經網路 26
2.3.1類神經網路之介紹 26
2.3.2類神經網路之架構 27
2.3.3類神經網路之分類 28
2.3.4自組織映射圖網路之背景 30
2.3.5自組織映射圖網路之介紹 32
2.3.6自組織映射圖網路之步驟 33
2.3.7自組織映射圖網路之相關文獻 34
第三章 研究方法 37
3.1研究對象之選定 37
3.2資料來源與期間 38
3.3蜜蜂繁殖演化自組織映射圖網路之建構 41
3.4鋼品之預測實驗說明 44
3.4.1資料前處理階段 44
3.4.2資料前處理程序架構 44
3.4.3實驗結果計算說明 45
3.4.4實驗結果檢定 46
第四章 實驗結果與分析 49
4.1運算環境設定 49
4.2鋼筋之實驗結果 49
4.2.1分割型與混合型模式之前處理結果比較 49
4.2.2分割型模式之HBMOSOM及SOM實驗結果比較 51
4.2.3混合型模式之HBMOSOM及SOM實驗結果比較 53
4.2.4混合型模式及分割型模式之實驗結果比較 55
4.2.5分割型模式之HBMOSOM因素篩選結果 56
4.3 不銹鋼捲片之實驗結果 60
4.3.1分割型模式與混合型模式之前處理結果比較 60
4.3.2分割型模式之HBMOSOM及SOM實驗結果比較 61
4.3.3混合型模式之HBMOSOM及SOM實驗結果比較 63
4.3.4混合型及分割型模式之結果比較 65
4.3.5分割型模式之HBMOSOM因素篩選結果 66
第五章 結論與建議 70
5.1結論 70
5.2未來研究建議 71
參考文獻 72


中文文獻
[1]林益正,國際扁鋼胚價格決定因素之研究,碩士論文,義守大學財務金融學系,高雄,2008。
[2]傅思婷,台灣鋼鐵工業發展政策分析,碩士論文,國立成功大學資源工程學系,臺南,2009。
[3]郭明洲,鋼鐵冶煉業基本資料,台灣經濟研究會產經資料庫,2011。
[4]傅思婷、吳榮華、莊允中、蔡潔娃,「台灣鋼鐵產業政策芻議」,鑛冶,第五十三卷,第二期,2009。
[5]蘇進祿,以資料包絡分析法評估鋼鐵產業經營績效之研究,碩士論文,國立成功大學高階管理碩士在職專班,台南,2004。
[6]何雍慶,鋼品國內供需及其競爭力之調查分析,台灣區鋼鐵工業同業公會,臺北,1998。
[7]行政院主計處,中華民國行業標準分類,第九次修訂版,2011。
[8]林哲充,電爐煉軋業動態營運模式之研究-以T公司為例,碩士論文,國立中山大學資訊與管理系,高雄,2000。
[9]林正暐,台灣鋼鐵產業升級發展策略之研究,碩士論文,國立成功大學資源工程研究所,臺南,2006。
[10]台灣鋼鐵工業同業公會,參訪日期:100年10月5日,http://tsiia.winjet.com.tw/。
[11]任家宏,WTO新架構下兩岸鋼鐵產業競爭之策略與政策因應,在職專班碩士論文,國立中山大學社會科學院高階公共政策碩士學程,高雄,2006。
[12]鋼鐵冶煉業土壤及地下水污染預防與整治手冊,行政院環保署土壤及地下水污染整治基金管理會,2003。
[13]游鴻博,台灣鋼鐵市場需求預測,工業技術研究院工業研究中心,1985。
[14]黃家锵,台灣鋼鐵製品工業需求結構預射-時間序列分析之應用,碩士論文,國立台灣大學商學研究所,臺北,1984。
[15]林詩彥,鋼鐵價格決定機制及影響因素分析,碩士論文,中原大學國際貿易學系,桃園,2006。
[16]黃耀輝,台灣鋼結構產銷供應鍊之市場結構與需求行為分析之研究,碩士論文,國立高雄第一科技大學運籌倉儲營運研究所,高雄,2002。
[17]陳慧君,台灣區不鏽鋼品需求預測之研究,碩士論文,靜宜大學管理碩士在職專班,台中,2007。
[18]吳杉堯、王建良、李元薰,特殊金屬需求量預測-以台灣鎂合金為例,國立高雄應用科技大學工業工程與管理學系,高雄,2012。
[19]莊惠景、梁明義、陳坤銘,台灣地區鋼品需求預測(民國100年至105年),出版地:台灣鋼鐵工業同業公會,2012。
[20]黃培婷,結合蜜蜂交配演算法與支持向量機應用於專利分類,碩士論文,國立臺北科技大學工業工程與管理研究所,臺北,2010。
[21]張炳騰、曾宗瑤、莊惟丞、黃建中,蜂群最佳化之實數求解問題,東海大學工業工程與經營資訊學系,台中,2009。
[22]施柏州,應用蜜蜂繁殖演化倒傳遞類神經網路於台灣地區鋼鐵價格之預測,碩士論文,國立臺北科技大學工業工程與管理研究所,臺北,2011。
[23]林志交,基因演算法於模型影像套合計算之應用,碩士論文,國立成功大學測量工程學系,臺南,2002。
[24]楊東昌,自組織映射圖神經網路改善模式與分群應用之回顧研究,碩士論文,華梵大學工業管理系,新北,2004。
[25]葉怡成,類神經網路模式應用與實作,出版地:儒林圖書股份有限公司,2001,PP. 2-2。
[26]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所,臺南,2002。
[27]許軒銘,基於自組織映射圖網路之向量量化,碩士論文,義守大學資訊工程系,高雄,2012。
[28]潘衍谷,應用SOM-RBFN模式於地下水位預測之研究,碩士論文,國立嘉義大學土木與水資源工程學系,嘉義, 2007。
[29]黃鈺琳,應用自組織映射圖網路與K-Means於中國大陸股票型基金與QDII基金投資策略之研究,碩士論文,國立台灣科技大學資訊管理系,臺北,2011。
[30]葉怡成,類神經網路模式應用與實作,出版地:儒林圖書股份有限公司,2009,PP.8-6~8-13。
[31]吳育奇,自組織映射圖模糊類神經網路於河川流量推估之應用,碩士論文,國立台灣大學農業工程學,臺北,2000。
[32]張華城,應用類神經網路模式於產品造形特徵辨識之研究,碩士論文,國立成功大學工業設計學系,臺南,2000。
[33]黃彥豪,利用自組織映射圖網路於區域雨型分類之研究,碩士論文,國立台灣大學土木工程學,臺北,2003。
[34]何鴻聖,自我組織神經網路在選股策略的應用,碩士論文,國立東華大學國際經濟系,花蓮,2004。
[35]棗厥庸,如何以金融市場的交易軌跡建立財務計量模型,博士論文,國立中央大學財務金融系,桃園,2004。
[36]林維垣,郭子文,黃境煌 ,以自組織映射圖網路為基礎建構多種投資組合策略之研究-以台灣上市電子公司為例,研討會論文,真理大學財經學系,臺北2006。
[37]台灣鋼鐵2012,台北:台灣鋼鐵工業同業公會,2013。
[38]中華民國統計資訊網,參訪日期:100年11月13日,http://www.stat.gov.tw/。
[39]情報贏家資料庫2000。
[40]行政院經濟建設委員會,參訪日期:100年11月16日,http://index.cepd.gov.tw/。
[41]賴鐵軍、郭祝武,應用統計學,出版地:全華科技圖書股份有限公司,2000,p10-16~p10-28。
[42]林惠玲、陳正倉,應用統計學(第三版),出版地:雙葉書廊有限公司,2007,p445~456。
[43]陳佳莉,國內鋼筋產業概況,台灣工業銀行,2006。
[44]郭獻國,鋼筋產業簡介,華銀徵信產經研究部,產經資訊2008。
[45]郭獻國,不銹鋼產業簡介,華銀徵信產經研究部,產經資訊2008。
[46]林偉凱,2005年我國冷熱軋不銹鋼產業回顧,金屬工業研究發展中心,ITIS計劃,2006。

英文文獻
[47]H. A. Abbass, "Marriage in honey bees optimization:a haplometrosis polygynous swarming approach," The IEEE Conference on Evolutionary Computation, Seoul, Korea, 2001, pp. 207-214.
[48]Bozorg.Haddad , A. Afshar and M. A. Marino, "Honey-Bees Mating Optimization (HBMO) Algorithm: A New Heuristic Approach for Water Resources Optimization," Water Resour Manag, vol. 20, no. 5, 2006, pp. 661-680.
[49]R. J. Liou, "Multi-level Thresholding Selection by using the Honey Bee Mating Optimization," Ninth International Conference on Hybrid Intelligent Systems, Shenyang, China, 2009, pp. 147-151.
[50]Y. Marinakis, Magdalene Marinaki and Georgios Dounias, "Honey Bees Mating Optimization Algorithm for the Vehicle Routing Problem," Studies in Computational Intelligence (SCI), vol. 129, 2008, pp. 139-148.
[51]J. Vestano and E. Alhoniemi, "Clustering of the self-organizing map, "IEEE Transactions on Neural Networks,2000,pp.586-600.
[52]M. Dittenbach, A. Rauber and D. Merkl, "Uncovering hierarchical stracture in data using the growing hierarchical self-organizing map, "Neurocomputing,2002,pp.199-216.
[53]P. Mangiameli, SK. Chen, and D. West, "A comparison of SOM neural network and hierarchical clustering methods , " European Journal of Operational Research , 1996, pp.402-417.


電子全文 電子全文(本篇電子全文限研究生所屬學校校內系統及IP範圍內開放)
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔