如期、如質、如度完成工程專案，為工程專案管理之三個重要領域，儘管學理上發展出許多排程模式如甘特圖、平衡線圖、網狀圖或模擬，然而工期估算不如成本，有一快速簡單又準確量化之評估方法，亦不如品質有明確之規範或標準可資遵循，致使業主往往依賴工程師經驗概估工期，或依政策目標或營運目標而訂定工期，而廠商又限於備標時間的短暫，亦無能力正確估算工期，工期爭議問題日益頻繁。
本研究目的係透過倒傳遞類神經網路建構工期推估模式，以期提供主辦機關較準確且快速地進行工期推算，亦可提供廠商投標之際，匆促的時間壓力下能夠快速估算工期，俾使提供設計單位與廠商或主辦機關能夠快速且準確地做工期推估，並可作為合約工期訂定之參考。

To get projects done on time, within budget and at a certain quality level has been the main concerns of a construction project. However unlike budget and quality, there is neither a systematic way to estimate duration of a project nor standard specifications to be followed.
Therefore this research aims at establishing a duration estimating model by analyzing the WBS and identifying the duration of different categories of architecture construction projects with application of expert interviews.
Summarizing the duration influencing factors, it then applies Back-Propagation Network technique with practical cases to implement the model.

目錄              I
圖目錄            III
表目錄            IV
第一章 緒論	1
1.1 研究動機	1
1.2 研究目的	1
1.3 研究範圍	2
1.4 研究方法	2
1.5 研究流程	4
1.6 研究架構	5
第二章 文獻回顧	7
2.1 合理工期	7
2.2 類神經網路種類介紹	10
2.3 監督式學習網路	18
2.4 倒傳遞網路	21
第三章 模式建構	29
3.1 影響因子選定	30
3.2 模型架構	41
3.3 參數設定	44
第四章 資料分析	57
4.1 倒傳遞類神經網路分析	57
4.2 迴歸分析	67
4.3 RMSE比較	77
4.4 小結	78
第五章 結論與建議	79
5.1 結論	79
5.2	建議	80
參考文獻	81
附錄	83

圖目錄
圖1.1 研究流程圖	5
圖2.1 生物神經元模型	10
圖2.2 人工神經元模型	12
圖2.3 倒傳遞網路架構圖	22
圖3.1 倒傳遞網路模型建構流程圖	29
圖3.2 建築工程分工結構圖	30
圖3.3 基礎工程迴歸分析	36
圖3.4 結構工程迴歸分析	37
圖3.5 裝修工程迴歸分析	38
圖3.6 景觀工程迴歸分析	39
圖3.7 總工期迴歸分析	40
圖3.8 研究模型架構圖	43
圖4.1 基礎工程模型參數設定	57
圖4.2 基礎工程模型分析預測成果	58
圖4.3 基礎工程模型誤差分析圖	58
圖4.4 結構工程模型參數設定	59
圖4.5 結構工程模型分析預測成果	60
圖4.6 結構工程模型誤差分析圖	60
圖4.7 裝修工程模型參數設定	61
圖4.8 裝修工程模型分析預測成果	62
圖4.9 裝修工程模型誤差分析圖	62
圖4.10 景觀工程模型參數設定	63
圖4.11 景觀工程模型分析預測成果	64
圖4.12 景觀工程模型誤差分析圖	64
圖4.13 總工期模型參數設定	65
圖4.14 總工期模型分析預測成果	66
圖4.15 總工期模型誤差分析圖	66

表目錄
表2.1 類神經網路模型種類表	15
表2.2 類神經網路應用於營建領域文獻	16
表2.3 倒傳遞網路相關研究	27
表3.1 訪談對象表	33
表3.2 工期之關鍵影響因子	35
表3.3 裝修工程迴歸分析結果	38
表3.4 模型因子與顯著值	41
表3.5 研究模型架構表	42
表3.6 基礎工程模型網路架構測試表	44
表3.7 基礎工程模型學習速率測試表	45
表3.8 基礎工程模型慣性因子測試表	46
表3.9 結構工程模型網路架構測試表	47
表3.10 結構工程模型學習速率測試表	48
表3.11 結構工程模型慣性因子測試表	48
表3.12 裝修工程模型網路架構測試表	49
表3.13 裝修工程模型學習速率測試表	50
表3.14 裝修工程模型慣性因子測試表	51
表3.15 景觀工程模型網路架構測試表	52
表3.16 景觀工程模型學習速率測試表	53
表3.17 景觀工程模型慣性因子測試表	53
表3.18 總工期模型網路架構測試表	54
表3.19 總工期模型學習速率測試表	55
表3.20 總工期模型慣性因子測試表	56
表3.21 各模型架構表	56
表4.1 各模型RMSE值	67
表4.2 RMSE比較表	78

1. 馮信雄，「以簡易風險概念分析營建工程作業工期不確定性之研究」，中華
大學營建管理研究所碩士論文(2002)。
2. 許雅茹、范素玲、曾惠斌，「關鍵鏈管理方法應用於建築工程排程管控之研
究」，第十四屆營建管理研討會 (2010)。
3. 劉萬正，「以DELPHI法探討合理工期之研究─以大型鐵路工程為例」，國立
交通大學交通運輸研究所博士論文(2001)。
4. 經濟部工業局（2005），2002地方特色產業綠皮書，經濟部中部辦公室。。
5. 葉怡成，類神經網路模式應用與實作，儒林圖書公司發行(2009)
6. 黃國偉，「半導體機台網路式預防保養功能架構之設計與實作」，國立成功
大學製造工程研究所碩士論文(2003)。
7. 胡永國，「應用類神經網路推估地下水位洩降所致地層沉陷之研究」，國立
屏東科技大學土木工程碩士班碩士論文(2001)。
8. 許瑞文，「地理資訊系統─類神經網路土石流潛勢判定方法」，國立交通大
學土木工程研究所碩士論文(2003) 。
9. 姚憶芳，「轉換函數模式與倒傳遞類神經網路應用於台北市降雨－逕流預測
之研究」，國立台北科技大學土木與防災技術研究所碩士論文(2002)。
10.李佳勳，「類神經網路應用於高屏溪洪水流量資料推估之研究」，國立屏東
科技大學土木工程碩士班碩士論文(2004) 。
11.張大元，「類神經網路在水庫放流對河川水位增量之研究」，中原大學土木
工程研究所碩士論文 (2003) 。
12.丁宜君，「多變量分析與類神經網路於土石流出量推估之研究－以濁水溪流
域為例」，國立中興大學土木工程學系碩士論文(2004) 。
13.郭彥良，「類神經網路應用於石門水庫放流量預測之研究」，中華大學土木
工程學系碩士班碩士論文(2004)。
14.黃浚瑋，「應用遺傳演算法與類神經網路於地表地下聯合營運」，國立交通
大學土木工程研究所碩士論文(2005)。
15.朱宏杰，「整合最佳化理論與類神經網路於地下水管理規劃」，國立交通大
學土木工程研究所博士論文(2007)
16.黃偉治，「以類神經網路控制可變阻尼與勁度結構之位移研究」，國立交通
大學土木工程研究所碩士論文(2001)。
17.張朝盛，「土壤液化潛能之類神經網路分析」，國立交通大學土木工程研究
所碩士論文(2000)
18.呂孟學，「應用類神經網路於即時停車需求預測之研究」，國立中央大學土
木工程研究所碩士論文(2000)
19.郭炳煌，「以統計方法與類神經網路模式預估工程「直接成本」，國立高雄
82
第一科技大學營建工程研究所碩士論文(2002)。
20.柯千禾，「演化式模糊類神經推論模式於營建管理決策之研究」， 國立台灣
科技大學營建工程系博士論文(2002)。
21.陳士杰，國立聯合大學資訊管理學系人工智慧課程，
http://sjchen.im.nuu.edu.tw/AI/96/Course%205.ppt
22.#define Knowledge Free
http://nxforce.blogspot.com/2008/12/ann-probabilistic-neural-network.html
23.張凱堯，「反傳遞模糊類神經網路於抽水站操作之應用」，國立台灣大學生
工系碩士論文(2007)。
24.陳信達，「以倒傳遞網路模型預測傳統模板基準生產力之研究」，國立高雄
第一科技大學營建工程研究所碩士論文(2003)
25.葉昱鋒，「以倒傳遞類神經網路模型預測潛盾施工生產力之研究-以高雄捷運
隧道為案例」，國立高雄第一科技大學營建工程系碩士論文(2008)
26.許瑞文，「地理資訊系統─類神經網路土石流潛勢判定方法」，國立交通大
學土木工程研究所碩士論文(2003)
27.王坤賢，「類神經網路於鋼構橋樑表面塗裝檢測之應用」，國立交通大學土
木工程學系博士論文(2002)
國外：
28.T. Kohonen, “Learning Vector Quantization for Pattern Recognition”, Technical
Report TKK-F-A601, Helsinki University of Technology, Finland, 1986.
29.T. Kohonen, “Improved Versions of Learning Vector Quantization”, Proceedings
of the International Joint Conference on Neural Networks, San Diego, CA, vol. 1, ,
pp.545-50, 1990.
30.Jeong, Hyung Seok, “Automated contract time determination system for highway
projects” ,Automation in Construction,18 Issue 7, p957-965,Nov2009.
31.Aasadullah Attal, “Development of Neural Network Models for Prediction of
Highway Construction Cost and Project Duration”, A thesis presented to the faculty
of the Russ College of Engineering and Technology of Ohio University, August 2010.