成本估算研究近年之發展

近年來，學者多利用科技的發展，以人工智慧(artificial intelligence) 運 用 於 成 本 估 算 ， 相 關 方 法 包 括 案 例 式 推 導 、 類 神 經 網 路 及 模 糊 系 統 理 論 等，前述方法多採用歷史資料進行分析研究，另模擬也曾被採用。本節後 續介紹各類科技之相關文獻，以了解成本估算之趨勢。

2.1.3.1 案例式推導

余家祥[2001]以案例式推導（Case-Based Reasoning；CBR）方法，預 測建築工程費用，收集 120 個之建築工程案例，以建築物所在縣市、基地 面積、地上樓層數、地下樓層數、總樓地版面積、外牆面積及地下室周長 等，建立建築工程於規劃、初步設計階段之成本概算系統，推估假設工程、

基礎、結構體、外牆裝修、內牆裝修、平頂裝修、門窗、電梯、水電、空 調與消防等各項工程費用及總工程費用。

在五個案例測試下，其中兩個案例工程費用平均誤差在 10%～15%，

三個案例工程費用平均誤差在 15%～20%，與傳統估價方法相比，具有一 定程度之估算精確度，該研究說明案例式推導於工程成本估價之可行性，

改善營建工程中以經驗為導向估價作業之缺失。

2.1.3.2 類神經網路

類 神 經 網 路 （neural network） 具 有 能 力 透 過 演 算 法 訓 練 歷 史 標 案 資 料，可如及時資料般準確。訓練的行為，係透過不斷的調整參數間之權重 關係，直到達到唯一的權重值，使產出的結果最接近期望值。因此，估計 之精確度與這些權重有關，當達到最適權重時，即可視為擷取到該領域之

24

知識；之後，應用上僅係數學運算而已[Hegazy & Ayed, 1997]。近年來採 用類神經網路估算成本的研究不少，泰半佐以各類工程特性作為參數，並 蒐集案例作為測試對象，相關文獻之內容如下：

1. Creese 及 Li[1995]收集位於美國之 12 座木製橋樑之案例，利用類神經 網路之「倒傳遞網路」，透過 10 個訓練範例以 1500 次反覆學習，以 2 個範例測試其結果與實際成本相比較，建立木製橋樑之翼版體積、承 版體積及鋼構重量與工程成本之關係。

2. Adeli 及 Wu[1998]利用類神經網路之「調整式類神經網路」學習，建 立剛性路面工程之數量、厚度與每單位造價之關係。

3. Mosehi 及 Siqueira[1998]收集 75 個低層鋼製建築物工程之案例，利用 其中 34 個案例透過類神經網路中「倒傳遞網路」學習，建立低層鋼製 建築物工程之面積、高度、格柵跨度、垂直荷載與工程直接成本之關 係。

4. 陳信夫[1996]預測建築物工程費用，利用地質狀況、總坪數、地上樓 層數、地下樓層數為自變數，以估價出之每坪造價為自變數，將 9 個 實際案例分成 4 種不同狀況，測試各種方法估價表現，以測試類神經 網路於建築工程成本預測之可能性；結果顯示類神經網路優於多元線 性迴歸法、蒙地卡羅法、工程分項統計估價法及專家估價法。

5. 鄭景鴻[2002]以類神經模糊系統（neuro-fuzzy systems）之技術，並結 合主項比率估價法，建構「公路土石方工程成本概估系統」。

6. 謝 文 山 [2002] 嘗 試 以 人 工 智 慧 技 術 － Evolutionary Fuzzy Neural Inference Model（EFNIM）為模式核心，結合模糊邏輯理論、類神經 網路及基因演算法之架構，以建構粗略及概略估價之成本概算模式。

透過文獻資料的探討與專家訪談，選擇足以充分描述工程專案特性之 影響因素作為粗略與概略估價模式之輸入變數，透過系統功能模組，

使用者得以即時且準確地估算出專案成本。

7. Hegazy 及 Ayed[1997]提出一簡單有效的參數成本模式，該模式以 3 階類神經網路試算表之方式呈現，具簡單、透明及符合實務界操作的 優點。模式程序：先用 NN 決定 10 個變數的權重。NN 試算表模擬，

共分為 7 個步驟，分述如下：

(1) 組織資料：獨立因子確認，以(N)個輸入變數節點表達；相同的，輸 出結果以(O)個節點表達。一旦輸入及輸出參數確認後，相關的數據

25

即 可 從(P)個案例中蒐集。這些資料在NN的訓練階段可為利用。各 參數在試算表中，需轉換為數值，填寫在(N+O)個行及(P)個列。數 值資料可為字元，如四季可以連續數字表達如0-3，可代表春、夏、

秋及冬；另若為二元（binary），則可以如0代表春、1代表夏、秋及 冬。

(2) 資料分等(data scaling)：把輸入部分的第1個矩陣(W行、P列)，調整 量度至［-1,1］的區間以符合NN的處理；以線性公式調整量度，建 立第二個矩陣。

(3) 設定矩陣W之權重（weight matrix W）：首先建立輸入層及隱藏層間 之初始權重之矩陣，所有之輸入（1至N）及偏誤(bias)節點都必須訂 出與隱藏層之關係，隱藏層節點的數目（L），為所有輸入及輸出節 點之一半，所有權重矩陣之數值在NN模式中均必須以函數決定。經 由事先的試驗結果，初始權重值，設定［0.5,1］之間為適宜。

(4) 輸出隱藏層結果：本步驟處理輸入層之資料，並輸出隱藏層之結果，

每個隱藏節點j，得到一個xj的活化值，為輸入量度值之乘積和，每 個節點一個。

(5) 矩陣(W”)權重：如第3步驟，建立(L)隱藏層及偏誤節點，並輸出唯 一節點。

(6) 最終NN結果：如第4步驟，NN(O)之結果由(Y)隱藏層之乘積和經由 tanh函數計算而得。

(7) 最終NN結果：調整量度回至NN輸出，並計算誤差，為(1)之倒轉。

2.1.3.3 模擬

Wang [2002] 發展 SIM-UTILITY，以效用理論為基礎並以模擬工具協 助獲得成本模式，他將效用理論運用在機關的喜好程度，經由各特性之喜 好程度以決定計畫成本，而模擬則是用在提供計畫可能成本的區間，以供 效用函數之執行，他所提的案例是用在決定工程標案上限標價；該成本模 式已利用在工程標案底價核定、廠商投標定價、標價審查等方面。

26