(3.92.96.236) 您好!臺灣時間:2021/05/06 23:07
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:洪既珍
研究生(外文):Chi-Jane Huang
論文名稱:運用適應性網路模糊推論系統於軍事機關工程 採購底價訂定模式之研究-以陸軍某軍團為例
論文名稱(外文):Applying the Adaptive Network-Based Fuzzy Inference System to Predict the Ceiling Price for Military Engineering Procurement: A Case Study of an Army Group
指導教授:賀增原賀增原引用關係
指導教授(外文):Tzeng-Yuan Heh
口試委員:紀岍宇楊福正賀增原
口試委員(外文):Chien-Yu JiFu-Cheng YangTzeng-Yuan Heh
口試日期:2014-04-29
學位類別:碩士
校院名稱:國防大學
系所名稱:運籌管理學系
學門:商業及管理學門
學類:行銷與流通學類
論文種類:學術論文
論文出版年:2014
畢業學年度:102
語文別:中文
論文頁數:101
中文關鍵詞:底價適應性網路模糊推論系統預測
外文關鍵詞:Ceiling priceANFISPredict
相關次數:
  • 被引用被引用:0
  • 點閱點閱:239
  • 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:15
  • 收藏至我的研究室書目清單書目收藏:0
以經濟有效之方式獲得適當之工程,是國軍採購之原則,當中底價合理訂定為採購招標作業中之重要關鍵。雖然有商情法規及資訊系統輔助,然實務上相關作業辦法仍不夠周全。有眾多的外在因素會影響到施工成本,加上許多軍事任務之需求,採購期程特重時效等因素,許多機關採購人員在訂定工程底價方面備感困惑。
本研究旨在預測工程採購之建議底價。依據歷史文獻顯示,底價訂定預測模型在人工智慧運用上有相當之參考價值。本研究初次以類神經網路結合模糊推論之適應性網路模糊推論系統建立工程採購底價訂定預測模型。研究結果並與倒傳遞類神經網路模型比較其誤差值,以瞭解適應性網路模糊推論系統是否可建構出更準確的預測模型。
研究結果顯示適應性網路模糊推論系統是一個準確度極高的預測工具。本研究可提供採購人員於調製底價表時,用精確、科學且快速的預測方式做出合理之底價建議,同時減少人為主觀偏誤,提升工程採購效率。

This is a principle of military procurement to consider the economic and efficiency way to obtain appropriate engineering. By setting a reasonable ceiling price is the critical factor in the procurement bidding process. Although Offers regulations and information systems assistance, the relevant regulations still have not been complete enough in the actual works. There are many external factors that will affect the cost of construction. Also many military task demands, procurement processes are focus on time efficiency and other factors. Many organ procurement staff was troubled about setting the ceiling price of engineering.
In this study focus on at forecasting the proposed ceiling price of engineering procurement. Based on past studies have shown that the ceiling price setting of predictive models have considerable reference value in Artificial Intelligence. For this study, at first combine neural network with an adaptive fuzzy inference network fuzzy inference system (ANFIS) to establish the ceiling price of engineering procurement predictive models. Those results were compared the errors with back-propagation neural network model. It will be understood that if adaptive network fuzzy inference system could establish a more accurate predictive model.
The results showed that adaptive network fuzzy inference system is a highly accurate predictive tool. Those results could be procurement staff used to estimate the ceiling price with a precise, scientific and efficient way to make a reasonable prediction of the ceiling price recommendations. Simultaneously it will reduce human subjective bias, and improve efficiency of engineering procurement.

誌謝 i
摘要 ii
Abstract iii
表目錄 vi
圖目錄 vii
第一章 緒論 1
1.1研究背景與動機 1
1.2研究目的 3
1.3研究範圍與限制 4
1.4研究流程 4
第二章 文獻探討 7
2.1底價訂定作業概述 7
2.1.1底價定義 7
2.1.2採購法於底價相關規定 7
2.1.3底價定訂原則與時機 9
2.1.4底價訂定流程 10
2.2工程採購價格訂定機制 18
2.3工程採購成本與價格因素分析 20
2.3.1成本的類別 20
2.3.2影響工程成本與價格因素分析 21
2.4國內外相關研究 25
2.5小結 31
第三章 研究方法 33
3.1實證資料說明及樣本選擇 33
3.2類神經網路 33
3.2.1類神經網路理論與架構 33
3.2.2倒傳遞類神經網路 37
3.2.3倒傳遞演算法則 39
3.2.4 倒傳遞模型建置步驟 42
3.2.5類神經網路優缺點分析與應用 46
3.3適應性網路模糊推論系統 52
3.3.1適應性網路模糊推論系統概述 52
3.3.2演算法則 53
3.3.3流程與模型建置 55
3.3.4 ANFIS應用 57
3.4衡量指標 61
第四章 實證結果與分析 62
4.1實證資料說明 62
4.2倒傳遞類神經網路模型建置 62
4.3適應性網路模糊推論系統模型建置 65
4.4實例驗證 76
4.5小結 77
第五章 結論與建議 79
5.1研究結果 79
5.2建議及未來研究方向 79
參考文獻 81
附錄 5139【其他土木工程類】決標資料 89
一、中文部份
尤韻涵(2009)。臺股指數開盤價格之預測-應用類神經網路及灰預測模型(未出版之碩士論文)。輔仁大學,新北市。
方俊峰(2009)。適應性網路模糊推論系統於流域暴雨-河川洪水位預報模式之研究(未出版之碩士論文)。中國科技大學,臺北市。
王國武、林惠燦(2003)。機關訂定採購底價另類思考。營建知訊,251,頁13-19。
王進德(2008)。類神經網路與模糊控制理論入門與應用。臺北市:全華科技圖書公司。
王麗華(2006)。底價的訂定與決標金額預測之研究-以X機關未達公告金額購案為例(未出版之碩士論文)。國防管理學院,臺北市。
余泳儒(2008)。應用類神經網路以預測臺灣養殖日本鰻產地價格之研究(未出版之碩士論文)。國立中正大學,嘉義縣。
吳太隆(2004)。機率模型應用在工程底價訂定之研究(未出版之碩士論文)。國立臺灣科技大學,臺北市。
吳志文(2002)。以類神經網路探討船舶事故之研究(未出版之碩士論文)。國立成功大學,臺南市。
吳楓偉(2009)。船艦訊跡匿蹤之研究(未出版之碩士論文)。國防管理學院,臺北市。
吳韻青(2012)。營造工程估算機制系統研究(未出版之碩士論文)。國立成功大學,臺南市。
呂宗懋(2004)。公共工程標價與標案規模之實證研究-以橋樑工程為例(未出版之碩士論文)。國立高雄第一科技大學,高雄市。
呂美智(2005)。政府工程採購影響決標價因素實證研究-以某縣政府為例(未出版之碩士論文)。逢甲大學,臺中市。
巫沛倉(無日期)。類神經網路簡介,義守大學工業工程系碩士班上課講義。2010年4月13日,取自http://www.im.isu.edu.tw/faculty
/pwu/expert/ann.ppt.
李俊青(2008)。供應商議價過程與出價預測模式之研究(未出版之碩士論文)。國立臺灣科技大學,臺北市。
沈憶萍(2012)。國軍採購案底價訂定預測之研究(未出版之碩士論文)。國防大學管理學院,臺北市。
卓宥愉(2013)。應用適應性模糊類神經網路預測科學園區污水廠流放水水質(未出版之碩士論文)。朝陽科技大學,臺中市。
周郁霖(2013)。使用類神經網路預測電力負載與預測標準普爾500指數(未出版之碩士論文)。國立高雄海洋科技大學,高雄市。
林佩萱(2012)。運用人工智慧於信用卡額度之研究(未出版之碩士論文)。國防大學管理學院,臺北市。
林保宏、林清吉、林坤宏(2005)。公路工程標比分析之研究。中華技術季刊,68(10)。
林浩維 (2012)。洪水位預報敏感度分析之研究(未出版之碩士論文)。中國科技大學,臺北市。
林鴻銘(2005)。政府採購法之實用權益(七版),臺北市:永然文化出版股份有限公司。
行政院公共工程委員會(1998) 。《政府採購法》。臺北市:行政院公共工程委員會。
邱松山(2012)。以類神經網路與支援向量機預測公共工程決標金額之研究(未出版之碩士論文)。國立高雄應用科技大學,高雄市。
邱琛智(2002)。公共工程採購應用合格最低標之研究(未出版之碩士論文)。國立中央大學。桃園縣。
邱仲賜(2007)。公路工程採購訂定底價與決標價間差距之研析(未出版之碩士論文)。逢甲大學。臺中市。
邵繼堯(2010) 。應用人工智慧於預測橋梁工程決標金額之研究(未出版之碩士論文)。國立臺灣科技大學,臺北市。
洪振家(2009)。以模糊時間序列為主的類神經網路方法預測臺灣證券交易所股價指數選擇權價格(未出版之碩士論文)。國立臺灣科技大學,臺北市。
洪詠譯(2008)。使用時間序列分析與類神經網路預測航空燃油價格(未出版之碩士論文)。國立高雄第一科技大學,高雄市。
洪嘉陽(2007)。應用模糊類神經網路預估專案間接費用比例之研究(未出版之碩士論文)。國立高雄第一科技大學,高雄市。
洪兆能(2011)。以整批式最小平方估測模式預測公共工程標價之研究(未出版之碩士論文)。國立高雄應用科技大學。高雄市。
韋桂仁(2002)。公共工程標價偏低時之審標作業研究(未出版之碩士論文)。國立中央大學。桃園縣。
唐國盛(2003),政府採購法律應用篇,五版,永然文化出版股份有限公司。
徐培哲(2007)。應用迴歸分析、卡爾曼濾波及類神經網路於道路工程標價預測之研究(未出版之碩士論文)。逢甲大學,臺中市。
涂進財(2007)。倒傳遞類神經網路應用於船舶穩度之探討(未出版之碩士論文)。國防管理學院,臺北市。
翁振芳(2011)。建構於雲端環境之多人線上遊戲動態資源分配機制(未出版之碩士論文)。國立交通大學,新竹市。
國防部(2003)。《軍事機關採購作業規定》。國防部昌昇字第0920006060號令訂定發布。
張昱仁(2009)。以類神經網路技術預測半導體價格之研究-以DRAM為例(未出版之碩士論文)。逢甲大學,臺中市。
張淑娟(2012)。運用適應性網路模糊推論系統預測船舶完整穩度之研究。國防管理學院,臺北市。
張斐章、張麗秋、黃浩倫(2004)。類神經網路理論與實務。臺北市:東華書局。
張光甫、王吉杉、黃正翰、陳禱安(2004)。公共工程工料價格資料庫之建置與運用,臺北市。
莊秉欣(2009)。臺灣液晶顯示器面板產業需求預測模式之研究(未出版之碩士論文)。東海大學,臺中市。
莊景勛(2013)。模糊調適性網路於臺北市中古屋價格之預測(未出版之碩士論文)。明志科技大學,新北市。
許廷彰(2009)。應用模糊理論與統計精煉模型於道路工程標價之預測(未出版之碩士論文)。逢甲大學,臺中市。
郭炳煌(2002)。以統計方法與類神經網路模式預估工程直接成本之研究(未出版之碩士論文)。高雄第一科技大學,高雄市。
陳仲閔(2005)。應用 ANFIS 於整合式導航系統之誤差補償(未出版之碩士論文)。國立臺灣海洋大學,高雄市。
陳治勳(2008)。應用模糊類神經網路於房地產價格之研究-以北、高兩市為例(未出版之碩士論文)。國立屏東商業技術學院,屏東市。
陳姿先(2004)。美國國庫券與歐洲美元利率期貨價格間預測關係之探討:根據時間序列與人工智慧模型(未出版之碩士論文)。國立成功大學,臺南市。
陳照烱(2011)。底價及價格分析,100年度採購專業人員訓練基礎班教材。
陳適宜(2009)。基因類神經網路在臺股指數期貨的預測與蝶式交易策略研究(未出版之碩士論文)。國立臺北大學,臺北市。
傅靖中(2008)。類神經網路於有線電視系統之電力契約容量之預測(未出版之碩士論文)。義守大學,高雄市。
曾治瑋(2009)。應用適應性模糊類神經系統於臺灣地區汽車銷售預測(未出版之碩士論文)。國立臺灣科技大學,臺北市。
曾俊融 (2009)。ANFIS應用於四足機器人跨越非連續河石地形路徑規劃之研究(未出版之碩士論文)。國立交通大學,新竹市。
賀增原、涂進財、楊福正(2006)。應用迴歸分析與類神經網路於船舶穩度之差異。臺船季刊,28(1),頁48-59。
黃子玲(2006)。地方公共工程標價合理性之探討-以大肚鄉為例(未出版之碩士論文)。逢甲大學,臺中市。
黃惠隆、翁忠川、黃月貞(2005)。以車輛偵測器推估旅行時間之研究:以北二高為例。中華技術季刊,63 (1)。
黃濬智(2012 )。具有抑制乘坐者肢體擺動以加強乘載舒適度之智慧型機器輪椅控制模型(未出版之碩士論文)。輔仁大學,新北市。
楊志偉(2009)。英國工程估價制度與導入之研究。國立中央大學(未出版之碩士論文),桃園縣。
溫佳鈴(2013)。利用類神經網路預測磊晶快跑批光電特性之研究(未出版之碩士論文)。國立成功大學,臺南市。
虞順逸(2002)。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(未出版之碩士論文)。雲林科技大學。雲林縣。
葉志明(2011)。太陽光電系統短期發電量預測技術(未出版之碩士論文)。國立臺北科技大學,臺北市。
葉怡成(2001)。應用類神經網路(三版)。臺北市:儒林圖書有限公司。
葉彬(1976)。企業採購。臺北市:三民書局。
鄒杰夫(2008)。臺灣上市類股股價預測模型之研究:倒傳遞類神經網路模型之應用(未出版之碩士論文)。玄奘大學,新竹市。
廖崇仁(2011)。運用倒傳遞網路於精密加工之加工母機預測(未出版之碩士論文)。朝陽科技大學,臺中市。
劉玉婷(2009)。應用迴歸分析及類神經網路建構不動產估價模式:以臺中市住宅為例(未出版之碩士論文)。雲林科技大學,雲林縣。
劉宗欣(2011)。基於自適應神經網路之汙水量預測系統(未出版之碩士論文)。國立高雄第一科技大學,高雄市。
劉致欽(2011)。精進國軍商情分析作業之研究(未出版之指參學院論文)。國防大學指參學院,臺北市。
劉國鋒(2007)。公共工程採最低價決標之合理底價訂定模式之研究。(未出版之碩士論文)。立德大學。臺南市。
鄭凱仁(2011)。公共工程底價訂定機制之探討-以鄉鎮市區公所為例(未出版之碩士論文)。國立中央大學,桃園縣。
鄭雅真(2009)。現金卡違約風險預測模型建構之研究(未出版之碩士論文)。國立臺東大學,臺東縣。
賴志遠(2010)。應用PCA與ANFIS建構IC封裝資料庫預測模型(未出版之碩士論文)。國立勤益科技大學,臺中市。
賴俊宇(2013)。以適應性類神經模糊推論系統預測建築專案績效(未出版之碩士論文)。國立高雄應用科技大學,高雄市。
賴偉嘉(2012)。適應性模糊推論系統與倒傳遞類神經網路應用於桃園地區光化學污染物之預測(未出版之碩士論文)。朝陽科技大學,臺中市。
戴淑瑩 (2007)。臺灣50指數ETF整合型預測之研究(未出版之碩士論文)。國立成功大學,臺南市。
謝素真(2011)。應用實驗設計與倒傳遞神經網路於股價預測之探討(未出版之碩士論文)。中華大學,新竹市。
韓孟辰(2012)。以適應性網路架構模糊推論系統預測工程建設垂直變動量之研究-以路基與建物為例(未出版之碩士論文)。中興大學,臺中市。
顏榮記(2000)。工程估價,臺北市:三民書局。
魏士翔(2011)。ANFIS應用於混凝土抗壓強度預測模式(未出版之碩士論文)。國立高雄應用科技大學,高雄市。
羅名宏(2007)。原住民地區公共工程決標案件價格合理性之探討。國立屏東科技大學(未出版之碩士論文),屏東市。
蘇木春、張孝德(2006)。機器學習-類神經網路、模糊系統以及基因演算法則(修訂二版)。臺北市:全華科技圖書公司。
蘇漢昌(2008)。應用適應性模糊推論系統改善類神經網路預測工業廢水廠出流水水質之研究(未出版之碩士論文)。朝陽科技大學,臺中市。
二、外文部份
Anderson, R. G., Binner, J. M., & Schmidt, V. A. (2012). Connectionist-based rules describing the pass-through of individual goods prices into trend inflation in the United States . Economics Letters, 117, pp. 174–177.
Azadeh, A., Moghaddam, M., Khakzad, M., & Ebrahimipour, V. (2012). A flexible neural network-fuzzy mathematical programming algorithm for improvement of oil price estimation and forecasting. Computers & Industrial Engineering, 62, pp. 421–430.
Bennett, C., Stewart, R. A., & Beal, C. D. (2013). ANN-based residential water end-use demand forecasting model. Expert Systems with Applications, 40, pp. 1014–1023.
Chen, M. Y. (2013). A hybrid ANFIS model for business failure prediction utilizing particle swarm optimization and subtractive clustering. Information Sciences, 220, pp. 180–195.
Chang, T. S. (2011). A comparative study of artificial neural networks, and decision trees for digital game content stocks price prediction. Expert Systems with Applications, 38, pp. 14846–14851.
Diersen, S., Lee, E. J., Spears, D., Chen, P., & Wang, L. (2011). Classification of Seismic Windows Using Artificial Neural Networks. Procedia Computer Science, 4, pp. 1572–1581.
Ekici, B. B. & Aksoy, U. T. (2011). Prediction of building energy needs in early stage of design by using ANFIS. Expert Systems with Applications, 38, pp. 5352–5358.
Elhag, T. M. S., Boussabaine, A. H., & Ballal, T. M. A. (2005). Critical determinants of construction tendering costs: Quantity surveyors’ standpoint. International Journal of Project Management, 23, pp. 538–545.
Emirog˘lu, M., Beyciog˘lu , A., & Yildiz , S. (2012). ANFIS and statistical based approach to prediction the peak pressure load of concrete pipes including glass fiber. Expert Systems with Applications, 39, pp. 2877–2883.
Huang, J. C. (2010). Remote health monitoring adoption model based on artificial neural networks. Expert Systems with Applications, 37, pp. 307–314.
Jang, J. S. R. (1993). ANFIS: adaptive-network-based fuzzy inference system., IEEE Transactions on Systems, Man and Cybernetic , 23, pp. 665 -685.
Hadavandi, E., Shavandi, H., & Ghanbari, A. (2010). Integration of genetic fuzzy systems and artificial neural networks for stock price forecasting. Knowledge-Based Systems, 23, pp. 800–808.
Ho, Y. C. & Tsai, C. T. (2011). Comparing ANFIS and SEM in linear and nonlinear forecasting of new product development performance. Expert Systems with Applications, 38, pp. 6498–6507.
Kucuk, I., Yildirim, T., Gasanly, N. M., & Ozkan, H. (2011). Estimation of thermally stimulated current in as grown TlGaSeS layered single crystals by multilayered perceptron neural network. Expert Systems with Applications, 38, pp. 7192–7194.
Lee, C. C. & Ou-Yang, C. (2009). A neural networks approach for forecasting the supplier’s bid prices in supplier selection negotiation process. Expert Systems with Applications, 36, pp. 2961–2970.
Lin, C. C., Ou, Y. K., Chen, S. H., Liu, Y. C., & Lin, J. (2010). Comparison of artificial neural network and logistic regression models for predicting mortality in elderly patients with hip fracture. Injury, Int. J. Care Injured , 41, pp. 869–873.
Lingaraju, D., Ramji, K., Mohan Rao, N. B. R., & Rajya Lakshmi, U. (2011). Characterization and prediction of some engineering properties of polymer-Clay/Silica hybrid nanocomposites through ANN and regression models. Procedia Engineering, 10, pp. 9–18.
Li, G. Q., Xua, S. W., & Li, Z. M. (2010). Short-Term Price Forecasting For Agro-products Using Artificial Neural Networks. Agriculture and Agricultural Science Procedia, 1, pp. 278–287.
Makridakis, S. (1986). The Art and Science of Forecasting: An Assessment and Future Directions. International Journal of Forecasting, 2, pp. 15-39.
Marquez, R., Pedro, H. T. C., & Coimbra, C. F. M. (2013). Hybrid solar forecasting method uses satellite imaging and ground telemetry as inputs to ANNs. Solar Energy, 92, pp. 176–188.
Naderloo, L., Alimardani, R., Omid, M., Sarmadian, F., Javadikia, P., Torabi, M. Y., & Alimardani, F. (2012). Application of ANFIS to predict crop yield based on different energy inputs. Measurement, 45, pp. 1406–1413.
Rahimi, A., F. & Abbaspour, G., Y. (2011). Artificial Neural Network and stepwise multiple range regression methods for prediction of tractor fuel consumption. Measurement ,44, pp. 2104–2111.
Park, K. & Shin, H. (2013). Stock price prediction based on a complex interrelation network of economic factors. Engineering Applications of Artificial Intelligence, 26, pp. 1550–1561.
Pousinho, H. M. I., Mendes, V. M. F., & Catalão, J. P. S. (2012). Short-term electricity prices forecasting in a competitive market by a hybrid PSO–ANFIS approach. Electrical Power and Energy Systems, 39, pp. 29–35.
Skitmore, R. M. & Ng, S. T. (2003). Forecast models for actual construction time and cost. Building and Environment, 38, pp. 1075–1083.
Svalina, I., Galzina, V., Lujic´, R., & Šimunovic´, G. (2013). An adaptive network-based fuzzy inference system (ANFIS) for the forecasting: The case of close price indices. Expert Systems with Applications, 40, pp. 6055–6063.
Tan, Z., Quek, C. & Cheng, P. Y. K. (2011). Stock trading with cycles: A financial application of ANFIS and reinforcement learning. Expert Systems with Applications, 38, pp. 4741–4755.
Williams, T. P. (2003). Predicting final cost for competitively bid construction projects using regression models. International Journal of Project Management, 21(8), pp. 593–599.
Wang, W. C. (2004). Supporting project cost threshold decisions via a mathematical cost model. International Journal of Project Management , 22, pp. 99–108.
Wei, L. Y. (2013). A GA-weighted ANFIS model based on multiple stock market volatility causality for TAIEX forecasting. Applied Soft Computing , 13, pp. 911–920.
Wang,W. C., Wang, H. H., Lai, Y. T., &Li, J. C. C. (2006). Unit-price-based model for evaluating competitive bids. International Journal of Project Management, 2(2), pp. 156¬–166.
Wang, W. C., Wang, S. H., Tsui, Y. K., & Hsu, C. H. (2012). A factor-based probabilistic cost model to support bid-price estimation. Expert Systems with Applications, 39, pp. 5358–5366.
Yasarer, H. & Najjar, Y. (2012). Development of Void Prediction Models for Kansas Concrete Mixes Used in PCC Pavement. Procedia Computer Science, 8, pp. 473 – 478.
Zhang, J., He, Z. Y., Lin, S., Zhang, Y. B., & Qian, Q. Q. (2013). An ANFIS-based fault classification approach in power distribution system. Electrical Power and Energy Systems, 49, pp. 243–252.

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