第四章 建築廢棄物產生量推估模式之建構
第五節 拆除工程建築廢棄物產生量推估模式之訓練與驗證
本研究經由第三章資料之篩選，選定61筆建築工程資料後，利用 隨機選取樣本數之80％作為資料訓練筆數，共有48筆資料進行訓練，
透過EXCEL建製整體建築工程之資料庫，再透過匯入MATLAB之功能 進行類神經網路之操作，而類神經網路各項係數之決定，主要依據表 4-3所示，進行類神經網路之訓練。
圖4-20 類神經網路訓練結果
圖4-21 類神經網路訓練收斂圖
類神經網路之訓練結及收斂如圖4-20及圖4-21所示，所得之正確率 為89.58％，於48筆資料中有5筆資料無法符合訓練之結果，其訓練之誤 差資料如下表4-7所示。由類神經網路訓練後顯示，造成誤差之結果均
第四章建築廢棄物產生量推估模式之建構
落於實際產生量之正負一區間內，產生之結果不至於落差至二區間
試資料中有2筆資料無法符合實際產生之結果，其測試誤差資料如下表 4-8所示。
表4-8 拆除工程測試之誤差資料
筆數 總樓地板面積 m2 構造種類 建築用途 樓層數 實際單位 產生量分類
預測單位 產生量分類
3 94.9 RC 住宅 1 第二類
(0.723 m3/m2)
第三類 (0.893 m3/m2) 4 103.5 磚造 住宅 1 第二類
(0.723 m3/m2)
第三類 (0.893 m3/m2)
第六節 輸入因子變數影響程度之比較 一、單一因子變數影響程度之比較
本研究嘗試將各輸入因子輸入至類神經網路進行訓練與案例驗 證，先將「總樓地板面積」作為影響因子，將其經類神經網路訓練與 驗證，其結果顯示，準確率達78.57％（新建）及53.85％（拆除），如 表4-9、表4-10所示，將個別之影響因子輸入至類神經網路之輸出結果，
可發現新建工程中以總樓地板面積為主要影響建築廢棄物產生量之因 子，而拆除工程則以構造種類為主要影響因子。其餘因子因其準確率 較低，所以影響建築廢棄物產生量的相關性相較為低。
表4-9 新建工程單一因子變數比較 單一影響因子變數之比較
總樓地板面積 構造種類 建築用途 工程金額 78.57％ 71.42％ 71.42％ 71.42％
表4-10 拆除工程單一因子變數比較 單一影響因子變數之比較
總樓地板面積 構造種類 建築用途 建築物樓層數 53.85％ 76.92％ 61.54％ 69.23％
第四章建築廢棄物產生量推估模式之建構
二、二因子輸入變數影響程度之比較
78.57％ 78.57％ 78.57％ 71.42％ 71.42％ 71.42％表4-12 二因子變數比較 61.54％ 53.85％ 53.85％ 76.92％ 69.23％ 61.54％
三、三因子輸入變數影響程度之比較
表4-13 新建工程三因子變數比較 78.57％ 71.42％ 78.57％ 78.57％
表4-14 拆除工程三因子變數比較 61.54％ 76.92％ 69.23％ 53.85％
四、影響因子影響程度之綜合比較分析
型；在相同建築物用途、工程造價及總樓地板面積時，加強磚造、RC 造其建築廢棄物單位產生量均大於SRC造、SS造、STEEL造。於拆除 工程，在相同建築物樓層數、建築物用途別及總樓地板面積時，加強 磚造、RC造與磚造其建築廢棄物單位產生量均大於鋼鐵造或鋼骨造；
在相同建築物樓層數、總樓地板面積與構造種類時住宅類型建築廢棄 物單位產生量會大於工廠類型；相同建築物樓層數、建築物用途別時，
各種構造種類在總樓地板面積越大時，其建築廢棄物單位產生量也會 隨之增加。相同總樓地板面積、建築物用途別時，各種構造種類在建 築物樓層數越高時，其建築廢棄物單位產生量也隨之增加。經上述研 究可歸納入下表4-15所示。
表4-15 影響因子之特性
類別 影響因子 特性
總樓地板面積 與建築廢棄物單位產生量呈現反比關係
工程造價 與建築廢棄物單位產生量呈現正比關係
用途別 建築廢棄物單位產生量：住宅>辦公大樓>工廠>其他(學校，醫院) 新
建 工
程 構造種類 建築廢棄物單位產生量：加強磚造，RC 造>SRC 造，SS 造，STEEL 造 總樓地板面積 與建築廢棄物單位產生量呈現正比關係
用途別 建築廢棄物單位產生量：住宅>工廠>其他(學校，市場)
構造種類 建築廢棄物單位產生量：(加強磚造，RC 造，磚造)>(鋼骨造，鋼鐵造) 拆
除 工
程 建築物樓層數 與建築廢棄物單位產生量呈現正比關係