後續研究建議

本研究由於研究範圍的限制、研究能力的不足及研究時間的不夠，導致在研究的過 程中採取了單一解決方案，無嘗試更多的解決方案。因此提出一些後續研究建議，供未 來有興趣研究此一議題的研究者一些參考方向。

一、本研究預測模型是使用誤差倒傳遞演算法所建構的倒傳遞類神經網路模型，然類 神經網路有多種不同的演算法，未來可利用不同的機率神經網路、學習向量量化 網路、反傳遞網路等監督式演算法建構不同的類神經網路預測模型，以研究能否 得到更佳的預測效果。

二、研究內模型參數中，變數是一個很重要的因素，若能選擇加入平時成績、獎懲紀錄 及請假到課情形等變數，也許可以再提高預測的準確性，嘗試是否可以得出比本研 究得出的最佳參數更佳，獲得更佳的預測值，如何取得變數或參數也是未來研究的 重要課題。

三、運用模擬考各科級分來預測學測各科級分時，所得測試誤差值及驗證誤差值均偏 高，未來亦可研究數值偏高是否因為過度訓練所致，並得以衡量是否取用之標準。

56

四、本研究係以參加學測模擬考的高三畢業生為研究對象，所得之研究結果有其適用範 圍，建議後續研究者可針對重考生或是加入術科等不同領域別進行研究，並加以比 較分析其中差異所在。

57

58

59

劉玉春、王澤玲、林益三和陳清平(1990)，高中學生在學三年成績與大學入學考試成績 相關性之研究，台北：大學入學考試中心。

蔡永軒(2005)，大學考試分發入學計分科目權重設計對招生結果影響之研究，台灣大學 商學研究所碩士論文。

蔡岱蓉(2009)，應用灰關聯分析與類神經網路訓練於IC裝銲線產量之預測，義守大學工 業工程與管理學系研究所碩士論文。

賴士葆(1995)，生產作業管理，台北：華泰書局。

謝邦昌、邱志洲(2000) ，類神經網路分析，曉園出版。

鍾秋才(2010)，高職共同科目模擬考成績與入學測驗之相關研究，中華大學應用數學 學系碩士論文。

蘇柏豪(2013)，四技二專統一入學測驗成績預測建模研究－以台中市某職業學校商管群 為例。國立中興大學應用數學系碩士論文。

蘇昭安(2003)，應用倒傳遞類神經網路在颱風波浪預報之研究，國立臺灣大學工程科 學與海洋工程學系碩士論文。

60

英文部分：

Archer, B. H. (1980), “Forecasting Demand: Quantitative and Intuitive Techniques”, International Journal of Tourism Management, 1 (1), 5-12.

Bell, W. (1997). “Foundations of Futures Ftudies: Human Science for a New era”, Volume 2:

Values, Objectivity, and the Good Society, New Brunswick, NJ: Transaction.

Donlebell and Krasner, O. J. (1977). “Selecting Environmental Forecasting from Business Planning Requirements”, Academy of Management Review, 19, 373-383.

Johnson, R. A. and Wichern, D. W. (2007). Applied Multivariate Statistical Analysis (6th ed.), New Jersey:Pearson Education.

Lewis, C. D. (1982). Industrial and Business Forecasting Methods, London: Butterworths.

Laiq, K., Kamran, J., and Sidra, M., (2010). “ANN Based Short Term Load Forecasting Paradigms for WAPDA Pakistan”, Australian Journal of Basic and Applied Sciences, 4(5), 932-947.

Mackay, D. J. C. (1992). “Bayesian Interpolation”, Neural Computation, 3, 415-447.

Rosmina, B., Nabil, B., Charles B., and Suhaila, S., (2007). “Artificial Neural Network for Precipitation and Water Level Predictions of Bedup River”, IAENG International Journal of Computer Science.

Vellido, A., Lisboa, P.J.G. and Vaughan, J., (1999). “Neural Network in Business:A Survey of Applications”, Expert Systems with Applications, 17, 51-70.

Widrow, B. and Hoff, M. E. (1986). “Adaptive Switching Networks”, Parallel Distributed Processing, Cambridge, MA: MIT Press, 1, 123-134.

Wu, P. (1995). Neural Network Source Code, NCSU, Raleigh, N.C., U.S.A..

Wilson, J. H. and Keating, B. (1990). Business Forecasting, Richard D Irwin, Homewood, IL: 6-4.

61

附錄 1：訓練範例各科級分比較圖

圖 4.25 ANN_20_5_9 訓練值與實際值比較圖(國文成績 151-300 筆) 資料來源：本研究整理

圖 4.26 ANN_20_5_9 訓練值與實際值比較圖(國文級分 301-450 筆) 資料來源：本研究整理

62

圖 4.27 ANN_20_5_9 訓練值與實際值比較圖(國文級分 451-567 筆) 資料來源：本研究整理

圖 4.28 ANN_20_5_9 訓練值與實際值比較圖(英文級分 151-300 筆) 資料來源：本研究整理

63

圖 4.29 ANN_20_5_9 訓練值與實際值比較圖(英文級分 301-450 筆) 資料來源：本研究整理

圖 4.30 ANN_20_5_9 訓練值與實際值比較圖(英文級分 451-567 筆) 資料來源：本研究整理

64

圖 4.31 ANN_20_5_9 訓練值與實際值比較圖(數學級分 151-300 筆) 資料來源：本研究整理

圖 4.32 ANN_20_5_9 訓練值與實際值比較圖(數學級分 301-450 筆) 資料來源：本研究整理

65

圖 4.33 ANN_20_5_9 訓練值與實際值比較圖(數學級分 451-567 筆) 資料來源：本研究整理

圖 4.34 ANN_20_5_9 訓練值與實際值比較圖(自然級分 151-300 筆) 資料來源：本研究整理

66

圖 4.35 ANN_20_5_9 訓練值與實際值比較圖(自然級分 301-450 筆) 資料來源：本研究整理

圖 4.36 ANN_20_5_9 訓練值與實際值比較圖(自然級分 451-567 筆) 資料來源：本研究整理

67

圖 4.37 ANN_20_5_9 訓練值與實際值比較圖(社會級分 151-300 筆) 資料來源：本研究整理

圖 4.38 ANN_20_5_9 訓練值與實際值比較圖(社會級分 301-450 筆) 資料來源：本研究整理

68

圖 4.39 ANN_20_5_9 訓練值與實際值比較圖(社會級分 451-567 筆) 資料來源：本研究整理

69

附錄 2：測試範例各科級分比較圖

圖 4.40 ANN_20_5_9 測試值與實際值比較圖(國文級分 151-300 筆) 資料來源：本研究整理

圖 4.41 ANN_20_5_9 測試值與實際值比較圖(國文級分 301-450 筆) 資料來源：本研究整理

70

圖 4.42 ANN_20_5_9 測試值與實際值比較圖(國文級分 451-570 筆) 資料來源：本研究整理

圖 4.43 ANN_20_5_9 測試值與實際值比較圖(英文級分 151-300 筆) 資料來源：本研究整理

71

圖 4.44 ANN_20_5_9 測試值與實際值比較圖(英文級分 351-450 筆) 資料來源：本研究整理

圖 4.45 ANN_20_5_9 測試值與實際值比較圖(英文級分 451-570 筆) 資料來源：本研究整理

72

圖 4.46 ANN_20_5_9 測試值與實際值比較圖(數學級分 301-450 筆) 資料來源：本研究整理

圖 4.47 ANN_20_5_9 測試值與實際值比較圖(數學級分 451-570 筆) 資料來源：本研究整理

73

圖 4.48 ANN_20_5_9 測試值與實際值比較圖(數學級分 151-300 筆) 資料來源：本研究整理

圖 4.49 ANN_20_5_9 測試值與實際值比較圖(自然級分 151-300 筆) 資料來源：本研究整理

74

圖 4.50 ANN_20_5_9 測試值與實際值比較圖(自然級分 301-450 筆) 資料來源：本研究整理

圖 4.51 ANN_20_5_9 測試值與實際值比較圖(自然級分 451-570 筆) 資料來源：本研究整理

75

圖 4.52 ANN_20_5_9 測試值與實際值比較圖(社會級分 151-300 筆) 資料來源：本研究整理

圖 4.53 ANN_20_5_9 測試值與實際值比較圖(社會級分 301-450 筆) 資料來源：本研究整理

76

圖 4.54 ANN_20_5_9 測試值與實際值比較圖(社會級分 451-570 筆) 資料來源：本研究整理