未來研究方向

依據本研究各步驟之研究流程與分析結果，建議未來可以本研究為基礎，

對下列各研究方向進行延伸與探討：

一、本研究的實驗中所使用的原始資料，乃是從專家諮詢會議錄音檔與會 議記錄所過錄而成，這其中需要人工將資料轉換為實驗所需格式，若 能結合語意辨識分析技術，從專家知識社群的討論中，自動找出關鍵 詞彙與變數之間相互影響的關係程度，或提供友善的人機操作介面，

讓專家得以直接以制式化的格式表達意見，則能使資料處理這部分減 少耗費額外的人力與時間。

二、除了將所有專家意見整合建立為模型之外，能再依專業領域分類，各 別將歸屬不同領域別的專家意見分別作整合模型之構建，如此則能比 較在不同領域的專家，所重視的變數和提出的影響程度也許不盡相 同，進一步分析比較不同背景對模型所造成的差異。

三、目前本研究是針對三次專家會議中的意見匯整進行模型分析，主要是 建立一個以目前環境情況為主的靜態資料模型，但考慮到外在環境發 生變化，而外生變數對於電力負載預測值的影響程度改變時，模型中 之相關機率值應就實際情況進行調整，建議可以本研究架構為基礎，

加以延伸並建立能自動修正微調機率分布的電力負載預測模型。

附錄一：專家諮詢會議資料過錄表（前 5 筆資料）

14. 預估尖峰負載

電量減少 282.8 億度。

Ø 對於尖峰負載影響甚鉅。

Ø 未來台灣景氣好轉下，重大投資案也會增

Ø 服務業部門佔比預估從 69.59%提升為

附錄二：資料過錄格式表

加負載量預估

附錄三：原始資料檔案

參考文獻

一、中文部分

【1】 許士軍(1982)， 「管理學」 ，二版，東華書局。

【2】 廖嘉雄(1999)，「以貝氏網路為基礎的知識處理機制之研究」，東海大學 工業工程研究所碩士論文。

【3】 潘俊帆(2000)，「以貝氏網路為基礎的個人差異化知識處理機制」，東海大 學工業工程研究所碩士論文。

【4】 范樹根(2005)，「結合模糊集合與貝氏分類 應用於無線設備測試良率之研 究」，中原大學資訊管理研究所碩士論文。

【5】 張振魁(2000)， 「以類神經網路提高股票單日交易策略之獲利」，國立中央 大學資訊管理研究所碩士論文。

【6】 周政宏(1995)，「神經網路­理論與實務」，松崗圖書。

【7】 林蔓蓁(1994)，「銀行授信客戶之風險評估」，中央大學資訊管理研究所碩 士論文。

【8】 楊孟龍(2000)，「類神經網路於股價波段預測及選股之應用」，中央大學資 訊管理研究所碩士論文。

【9】 葉怡成(1997)， 「應用類神經網路」，儒林圖書公司。

【10】 許家成(2001)， 「案例式推理於地理資訊系統的應用­以颱風路徑預測為 例」 ，國立臺灣大學地理環境資源研究所碩士論文。

【11】 戴志洋(2001)，「文章信賴分配模型與綜合加權評分機制：運用貝氏網路 於知識討論群組系統」，台灣大學資訊管理研究所碩士論文。

【12】 許哲強(2002)，「台灣區域電力負載預測分析系統之建立與應用研究」，國 立成功大學資訊工程研究所博士論文。

【13】 賴正文(2001)， 「人工神經網路在長期負載預測之應用研究」，台電公司委 託研究計畫。

【14】 陳家榮(1993)，「負載預測發展及制度之規劃研究」，台灣電力公司。

【15】 葉怡成(1995)， 「類神經網路模型應用與實作」 ，儒林圖書。

【16】 台灣經濟研究院，歷年「國內總體經濟預測暨景氣動向調查月報」。

【17】 台灣電力公司企劃處，歷年「長期負載預測報告」。

【18】 台灣電力公司企劃處，歷年「統計年報」。

【19】 吳仁和、林信惠(2001)，「系統分析與設計：理論與實務應用」，智勝文化 出版。

【20】 徐世勳、李篤華、蘇漢邦、林幸君(2005)，「台灣產業結構變動之動態一 般均衡預測－TAIGEM­E 模型的應用」。

【21】 許哲強(2002)，「台灣區域電力負載預測分析系統之建立與應用研究」，成 大資工所博士論文。

【22】 陳順宇(2005)，「多變量分析」，華泰文化出版，台北。

【23】 梁定澎(2006)，「決策支援系統與企業智慧」，智勝文化出版，台北。

【24】 萬哲鈺(2003)，「時間序列講義」。

【25】 賴正文等(2001)，「人工神經網路在長期負載預測之應用研究」，台電公司 委託研究計畫。

【26】 謝邦昌、易丹輝編著(2003)，「統計資料分析：以 STATISTICA6.0 為例」，

中華資料採礦協會出版。

【27】 Chava Frankfort­Nachmias & David Nachmias 著，潘明宏、陳志瑋譯  (2003)，「最新社會科學研究方法」，韋伯文化。

【28】 哈嘉琪(2005)，「2030 年數位生活情境分析­數位家庭應用之研究」 ，國立 交通大學科技管理研究所碩士論文。

【29】 鄭味亭(2007)，「支援情境變動下的潛在目標用戶探勘系統之構建—以可 停電力潛在用戶探勘為例」，國立臺灣大學資訊管理研究所碩士論文。

二、英文部分

【1】  Baupin, N. and K. Zreik (2000). "Remote decision support system: a  distributed information management system." Knowledge­Based Systems 

13(1): 37­46. 

【2】  Berry, M. J. and G. Linoff (1997). Data Mining Techniques: For Marketing,  Sales, and Customer Support, John Wiley & Sons, Inc. New York, NY, USA. 

【3】  Burnside, E. S. (2005). "Bayesian networks Computer­assisted diagnosis  support in radiology1." Academic Radiology 12(4): 422­430. 

【4】  Charniak, E. (1991). "Bayesian Networks without Tears." AI Magazine 12(4): 

50­63. 

【5】  Enrique, C., Jose, et al. (1997). Expert Systems and Probabilistic Network  Models. New York, Springer­Verlag. 

【6】  Heckerman, D. (1996). "A tutorial on learning with Bayesian networks." 

Microsoft Technical Report MSR­TR­05­06. 

【7】  Heckerman, D. and J. S. Breese (1995). "Causal independence for probability  assessment and inference using Bayesian networks." Systems, Man and  Cybernetics,    IEEE Transactions 26(6): 826­831. 

【8】  Heckerman, D., A. Mamdani, et al. (1995). "Real­world applications of  Bayesian networks." Communications of the ACM 38(3): 24 ­ 26. 

【9】  Janssens, D., G. Wets, et al. (2006). "Integrating Bayesian networks and  decision trees in a sequential rule­based transportation model." European  Journal of Operational Research 175(1): 16­34. 

【10】 Kolodner, J. (1993). Case­based reasoning, Morgan Kaufmann Publishers Inc. 

San Francisco, CA, USA. 

【11】 Kuan, C. M. and H. White (1994). "Artificial neural networks: an  econometric perspective." Econometric Reviews 13(1): 1­91.

【12】 Mingers, J. (1989). "An Empirical Comparison of Pruning Methods for  Decision Tree Induction." Machine Learning 4(2): 227­243. 

【13】 Pearl, J. (1988). Probabilistic Reasoning in Intelligent Systems: Networks of  Plausible Inference, Morgan Kaufmann. 

【14】 Quinlan, J. R. (1986). "Induction of decision trees." Machine Learning 1(1): 

81­106. 

【15】 Quinlan, J. R. (1993). C4. 5: Programs for Machine Learning, Morgan  Kaufmann. 

【16】 Shachter, R. D. (1988). "Probabilistic Inference and Influence Diagrams." 

Operations Research 36(4): 589­604. 

【17】 Shi, X. and A. G. O. Yeh (1999). "The Integration of Case­based Systems and  GIS in Development Control." Environment and Planning B 26(3): 345­364. 

【18】  Johnson (2002). Applied Multivariate Statistical Analysis. Prentice Hall.

三、參考網頁

【1】  Weka 3 ­ Data Mining with Open Source Machine Learning Software in Java. 

Available at: http://www.cs.waikato.ac.nz/ml/weka/. Accessed 25 Feb 2008 

【2】  Classification via Decision Trees in WEKA. Available at: 

http://maya.cs.depaul.edu/~classes/ect584/WEKA/classify.html. Accessed 25  Feb 2008 

【3】 關於類神經網路，網址： 

http://www.gct.ntou.edu.tw/Lab/aiwww/neural.html，閱覽日期：2008/4/16 

【4】 台電企業網站，網址：http://www.taipower.com.tw，閱覽日期：2008/3/22 

【5】 行政院主計處，中華民國總體經濟統計資訊網，閱覽日期：2008/3/22