臺灣博碩士論文加值系統

本研究應用倒傳遞類神經網路（Back-Propagation Neural Network, BNN）與多元線性迴歸（Multiple Linear Regression, MLR）建立臺中縣營建工地空氣品質預測模式，使用之變數為懸浮微粒（PM2.5）、懸浮微粒（PM10）、建築（房屋）工程（SRC）、建築（房屋）工程（RC）、隧道工程及其他營建工程，以2008年1月至11月數據建立最適化網路後，對2008年12月之PM2.5作預測，並比較BNN與MLR之預測結果。
本研究利用BNN及MLR模擬預測臺中縣PM2.5之研究結果顯示，BNN及MLR模型對於PM2.5之濃度及變動趨勢皆可掌握，其中MLR於大里之測試及預測效果較BNN為佳，預測之相關係數以大里（6V1）及沙鹿（6V1、5V1、4V1）之0.47為最高，以豐原（4V1、3 V1、2 V1）之0.29為最低； BNN於豐原及沙鹿之測試及預測效果較MLR為佳，預測之相關係數以豐原（6V1、4V1~2V1）之0.94為最高，以大里（4V1、3V1）之0.40為最低。BNN訓練之相關係數介於0.73~0.95，MLR測試之相關係數介於0.68~0.76，模擬預測結果BNN之相關係數介於0.4~0.94，MLR之相關係數介於0.29~0.47，整体而言，BNN預測結果優於MLR。

This research uses Back-Propagation Neural Network（BNN）and Multiple Linear Regression（MLR）to establish construction sites’ air quality forecasting module in Taichung County. The variables are PM2.5, PM10, SRC, RC, tunnel constructions and other construction works. By using the optimized network established from data of January to November 2008, a forecast was produced using BNN and MLR for the result in 2008.
By using BNN and MLR, this research have produced a simulated forecast for PM2.5 in Taichung County. Both BNN and MLR forecasting models have showed capabilities in capturing the changes and trend of the PM2.5 concentration level. At DaLi MLR outperformed BNN in forecasting results in DaLi, the forecasted relative factor is highest in DaLi（6V1）and ShaLu（6V1, 5V1, 4V1）at 0.47 and lowest at FongYuang（4V1, 3V1, 2V1）at 0.29. BNN outperformed MLR in forecasting results in FongYuan and ShaLu, the forecasted relative factor is highest in FongYuan（4V1, 4V1~2V1）at 0.94 and lowest in DaLi（4V1, 3V1）at DaLi. BNN’s relative training factor is between 0.73~0.95 whereas MLR’s relative testing factor is between 0.68~0.76. The relative factor of simulated forecast is between 0.4~0.94 for BNN and 0.29~0.47 for MLR, overall speaking BNN’s forecast is better than MLR.

目 錄
第一章 前言 1
1.1 研究緣起 1
1.2 研究目的及流程 3
第二章 文獻回顧 5
2.1 臺中縣概述 5
2.2 營建工程粒狀物來源及特性 10
2.3 營建工程粒狀物管制 17
2.3.1營建工程粒狀物排放量估算 17
2.3.2 粒狀物控制設備 23
2.3.3 空氣污染防制費徵收 27
2.4 模式預測之應用 32
第三章 研究方法 37
3.1 數據來源及方法 37
3.2 類神經網路 37
3.2.1 類神經網路的理論 40
3.2.2 類神經網路架構與運作 44
3.3 倒傳遞類神經網路 45
3.4 回歸分析法理論與架構 49
3.4.1 多元線性迴歸分析法 49
3.4.2 最小平方法 51
3.5 模式預測之評估 53
第四章 結果與討論 57
4.1 模型之參數篩選 57
4.2 BNN模擬結果 62
4.2.1 BNN於大里地區模擬之結果 62
4.2.2 BNN於豐原地區模擬之結果 69
4.2.3 BNN於沙鹿地區模擬之結果 75
4.3 MLR模擬結果 81
4.3.1 MLR於大里地區模擬之結果 81
4.3.2 MLR於豐原地區模擬之結果 88
4.3.3 MLR於沙鹿地區模擬之結果 94
4.4 BNN與MLR模式比較 100
4.5本研究與其他相關研究模擬結果比較 103
4.5.1 其他相關研究模擬結果 103
4.5.2 PM2.5與PM10模擬結果比較 104
第五章 結論與建議 105
5.1 結論 105
5.2 建議 106
參考文獻 107


圖目錄
圖1.1 研究流程圖 4
圖2.1 臺中縣各鄉鎮市位置圖 6
圖2.2 臺中縣各鄉鎮市97年面積分佈圖 6
圖2.3 臺中縣各鄉鎮市97年人口數及人口密度分析圖 7
圖2.4 臺中縣總懸浮微粒88~97年濃度柱狀圖 8
圖2.5 房屋建築施工中之總樓地板面積與浮總微粒分析圖 9
圖2.6 懸浮微粒形成機制 11
圖2.7 原生性粒狀污染物主要產生源 11
圖2.8 建築與橋樑工地之PSD採樣結果圖 12
圖2.9 營建工程施工流程 14
圖2.10 營建工程空污費徵收申報流程 31
圖3.1 神經元之構造圖 41
圖3.2 人工神經元模型 41
圖3.3 轉移函數 42
圖3.4 類神經網路訓練之流程圖 44
圖3.5 MAPE之預測範圍 53
圖3.6 相關係數（R值）之預測範圍 54
圖4.1 營建工地開發中面積與大里測站PM2.5趨勢圖 58
圖4.2 營建工地開發中面積與豐原測站PM2.5趨勢圖 58
圖4.3 營建工地開發中面積與沙鹿測站PM2.5趨勢圖 59
圖4.4 BNN大里6V1PM2.5訓練圖 64
圖4.5 BNN大里6V1PM2.5預測圖 64
圖4.6 BNN大里5V1PM2.5訓練圖 65
圖4.7 BNN大里5V1PM2.5預測圖 65
圖4.8 BNN大里4V1PM2.5訓練圖 66
圖4.9 BNN大里4V1PM2.5預測圖 66
圖4.10 BNN大里3V1PM2.5訓練圖 67
圖4.11 BNN大里3V1PM2.5預測圖 67
圖4.12 BNN大里2V1PM2.5訓練圖 68
圖4.13 BNN大里2V1PM2.5預測圖 68
圖4.14 BNN豐原6V1PM2.5訓練圖 70
圖4.15 BNN豐原6V1PM2.5預測圖 70
圖4.16 BNN豐原5V1PM2.5訓練圖 71
圖4.17 BNN豐原5V1PM2.5預測圖 71
圖4.18 BNN豐原4V1PM2.5訓練圖 72
圖4.19 BNN豐原4V1PM2.5預測圖 72
圖4.20 BNN豐原3V1PM2.5訓練圖 73
圖4.21 BNN豐原3V1PM2.5預測圖 73
圖4.22 BNN豐原2V1PM2.5訓練圖 74
圖4.23 BNN豐原2V1PM2.5預測圖 74
圖4.24 BNN沙鹿6V1PM2.5訓練圖 76
圖4.25 BNN沙鹿6V1PM2.5預測圖 76
圖4.26 BNN沙鹿5V1PM2.5訓練圖 77
圖4.27 BNN沙鹿5V1PM2.5預測圖 77
圖4.28 BNN沙鹿4V1PM2.5訓練圖 78
圖4.29 BNN沙鹿4V1PM2.5預測圖 78
圖4.30 BNN沙鹿3V1PM2.5訓練圖 79
圖4.31 BNN沙鹿3V1PM2.5預測圖 79
圖4.32 BNN沙鹿2V1PM2.5訓練圖 80
圖4.33 BNN沙鹿2V1PM2.5預測圖 80
圖4.34 MLR大里6V1 PM2.5 測試圖 83
圖4.35 MLR大里6V1 PM2.5 預測圖 83
圖4.36 MLR大里5V1 PM2.5 測試圖 84
圖4.37 MLR大里5V1 PM2.5 預測圖 84
圖4.38 MLR大里4V1 PM2.5 測試圖 85
圖4.39 MLR大里4V1 PM2.5 預測圖 85
圖4.40 MLR大里3V1 PM2.5 測試圖 86
圖4.41 MLR大里3V1 PM2.5 預測圖 86
圖4.42 MLR大里2V1 PM2.5 測試圖 87
圖4.43 MLR大里2V1 PM2.5 預測圖 87
圖4.44 MLR豐原6V1 PM2.5 測試圖 89
圖4.45 MLR豐原6V1 PM2.5 預測圖 89
圖4.46 MLR豐原5V1 PM2.5 測試圖 90
圖4.47 MLR豐原5V1 PM2.5 預測圖 90
圖4.48 MLR豐原4V1 PM2.5 測試圖 91
圖4.49 MLR豐原4V1 PM2.5 預測圖 91
圖4.50 MLR豐原3V1 PM2.5 測試圖 92
圖4.51 MLR豐原3V1 PM2.5 預測圖 92
圖4.52 MLR豐原2V1 PM2.5 測試圖 93
圖4.53 MLR豐原2V1 PM2.5 預測圖 93
圖4.54 MLR沙鹿6V1 PM2.5 測試圖 95
圖4.55 MLR沙鹿6V1 PM2.5 預測圖 95
圖4.56 MLR沙鹿5V1 PM2.5 測試圖 96
圖4.57 MLR沙鹿5V1 PM2.5 預測圖 96
圖4.58 MLR沙鹿4V1 PM2.5 測試圖 97
圖4.59 MLR沙鹿4V1 PM2.5 預測圖 97
圖4.60 MLR沙鹿3V1 PM2.5 測試圖 98
圖4.61 MLR沙鹿3V1 PM2.5 預測圖 98
圖4.62 MLR沙鹿2V1 PM2.5 測試圖 99
圖4.63 MLR沙鹿2V1 PM2.5 預測圖 99


表目錄
表2.1 營建工程施工中主要空氣污染物 13
表2.2 工程類別法本土化排放係數表 20
表2.3 作業類別法本土化粒狀污染物排放係數 21
表2.4 各項施工作業防制措施等級分類判定標準 22
表2.5 各防制措施之界定與施用對象 25
表2.6 各防制措施之優缺點分析表 26
表3.1 各式類神經網路模式彙整比較表 39
表4.1 營建工地開發中面積與PM2.5相關性分析表 59
表4.2 BNN各架構之預測參數表 60
表4.3 MLR各架構之預測參數表 61
表4.4 BNN於大里模式模擬結果 63
表4.5 BNN於豐原模式模擬結果 69
表4.6 BNN於沙鹿模式模擬結果 75
表4.7 MLR 於大里模式模擬結果 82
表4.8 MLR於豐原模式模擬結果 88
表4.9 MLR於沙鹿模式模擬結果 94
表4.10 PM2.5以BNN訓練與測試之MAPE、RMSE與R值 101
表4.11 PM2.5以MLR訓練與測試之MAPE、RMSE與R值 102
表4.12 PM10以BNN 訓練與測試之MAPE、RMSE與R值 103
表4.13 PM10以MLR 訓練與測試之MAPE、RMSE與R值 104

參考文獻
Acuna G., H. Jorquera, R. Perez, “Neural network model for maximum ozone concentration prediction.,” Lecture Notes in Computer Science, No.1112, pp.263-268, (1996) .
Brook J. R., T. F. Dann, and R. T. Rurnett, “The relationship among TSP, PM10, PM2.5, and inorganic constituents of atmospheric particulate matter at multiple canadian locations.,” Journal of Air ＆ Waste Management. Assoc., Vol.47, (1997) .
Chang S. C., T. Y. Pai, H. H. Ho, H. G. Leu and Y. R. Shieh, “Evaluating Taiwan’s air quality variation trends using grey system theory,” Journal of the Chinese Institute of Engineers, 30 (2) , 361-367 (2007) .
Comrie A. C., “Comparing neural networks and regression models for ozone forecasting,” Journal of Air and Waste Management, Vol.47, pp.653-663, (1997) .
Cowherd C. Jr., and P. J. Englehart, “Paved road particulate emissions,” EPA-600/7-84-077, USEPA, Washington, DC, July, (1984) .
Evans J. S., and D. W. Cooper, “An inventory of particulate emissions from open sources,” JAPCA,30 (12) :1298-1303-89- (1980) .
Lewis E. B., “Control of body segment di fferentiation in Drosophil a by the bithorax gene complex,” Embryonic Development, Part A: Geneti cs Aspects, Edited by Burger, M. M. and R. Weber. Alan R. Liss, New York, 269-288 (1982) .
Midwest R. I., “Characterization of Mud/Dirt carryout onto paved roads from construction and demolition activities,” US EPA-600/R-95-171. Research Triangle Park, NC:USEPA, (1996) .
Pai T. Y., C. F. Ouyang, J. L. Su and H. G. Leu, “Modelling the steady-state effluent characteristics of the TNCU process with ASM2d under varied SRT conditions,” Journal of the Chinese Institute of Environmental Engineering, 10 (1) , 35-42 (2000a) .
Pai T. Y., C. F. Ouyang, Y. C. Liao and H. G. Leu, “Oxygen transfer in gravity flow sewer,” Water Science and Technology, 42 (3-4) , 417-422 (2000b) .
Pai T. Y., C. F. Ouyang, J. L. Su and H. G. Leu, “Modeling the stable effluent qualities of the A2O process with Activated Sludge Model 2d under different return supernatant,” Journal of the Chinese Institute of Engineers, 24 (1) , 75-84 (2001a) .
Pai T. Y., C. F. Ouyang, J. L. Su and H. G. Leu, “Modelling the steady-state effluent characteristics of the TNCU process under different return mixed liquid,” Applied Mathematical Modelling, 25 (12) , 1025-1038 (2001b) .
Pai T. Y., S. H. Chuang, Y. P. Tsai and H. G. Leu, “ Development of two-stage nitrification/denitrification model (TaiWan Extension Activated sludge model NO.1) for BNR process,” Journal of the Chinese Institute of Environmental Engineering, 14 (1) , 51-60 (2004a) .
Pai T. Y., Y. P. Tsai, Y. J. Chou, H. Y. Chang, H. G. Leu and C. F. Ouyang, “Microbial kinetic analysis of three different types of EBNR process,” Chemosphere, 55 (1) , 109-118 (2004b) .
Pai T. Y., S. H. Chuang, Y. P. Tsai and C. F. Ouyang, “Modelling a combined anaerobic/anoxic oxide and rotating biological contactors process under dissolved oxygen variation by using an activated sludge - biofilm hybrid model,” Journal of Environmental Engineering-ASCE, 130 (12) , 1433-1441 (2004c) .
Pai T. Y., “Modeling nitrite and nitrate variations in A2O process under different return oxic mixed liquid using an extended model,” Process Biochemistry, 42 (6) , 978-987 (2007) .
Pai T. Y., K. Hanaki, H. H. Ho and C. M. Hsieh, “Using grey system theory to evaluate transportation on air quality trends in Japan,” Transportation Research Part D: Transport and Environment, 12 (3) , 158-166 (2007a) .
Pai T. Y., Y. P. Tsai, H. M. Lo, C. H. Tsai and C. Y. Lin, “Grey and neural network prediction of suspended solids and chemical oxygen demand in hospital wastewater treatment plant effluent,” Computers & Chemical Engineering, 31 (10) , 1272-1281 (2007b) .
Pai T. Y., “Gray and neural network prediction of effluent from the wastewater treatment plant of industrial park using influent quality,” Environmental Engineering Science, 25 (5) , 757-766 (2008) .
Pai T. Y., S. H. Chuang, H. H. Ho, L. F. Yu, H. C. Su and H. C. Hu, “Predicting performance of grey and neural network in industrial effluent using online monitoring parameters,” Process Biochemistry, 43 (2) , 199-205 (2008a) .
Pai T. Y., S. H. Chuang, T. J. Wan, H. M. Lo, i Y. P. Tsa, H. C. Su, L. F. Yu, H. C. Hu and P. J. Sung, “Comparisons of grey and neural network prediction of industrial park wastewater effluent using influent quality and online monitoring parameters,” Environmental Monitoring and Assessment, 146 (1-3) , 51-66 (2008b) .
Pai T. Y., R. J. Chiou and H. H. Wen, “Evaluating impact level of different factors in environmental impact assessment for incinerator plants using GM (1, N) model,” Waste Management, 28 (10) , 1915-1922 (2008c) .
Pai T. Y., S. C. Wang, H. M. Lo, C. F. Chiang, M. H. Liu, R. J. Chiou, W. Y. Chen, P. S. Hung, W. C. Liao and H. G. Leu, “Novel modeling concept for evaluating the effects of cadmium and copper on heterotrophic growth and lysis rates in activated sludge process,” Journal of Hazardous Materials, 166 (1) , 200-206 (2009a) .
Pai T. Y., T. J. Wan, S. T. Hsu, T. C. Chang, Y. P. Tsai, C. Y. Lin, H. C. Su and L. F. Yu, “Using fuzzy inference system to improve neural network for predicting hospital wastewater treatment plant effluent,” Computers & Chemical Engineering, 33(7), 1272-1278 (2009b).
Pai T. Y., S. C. Wang, C. F. Chiang, H. C. Su, L. F. Yu, P. J. Sung, C. Y. Lin and H. C. Hu, “Improving neural network prediction of effluent from biological wastewater treatment plant of industrial park using fuzzy learning approach,” Bioprocess and Biosystems Engineering, 32(6), 781-790 (2009c).
Pai T. Y., H. Y. Chang, T. J. Wan, S. H. Chuang and Y. P. Tsai, “Using an extended activated sludge model to simulate nitrite and nitrate variations in TNCU2 process,” Applied Mathematical Modelling, 33 (11) , 4259-4268 (2009d) .
Pai T. Y., S. C. Wang, C. Y. Lin, W. C. Liao, H. H. Chu, T. S. Lin, C. C. Liu and S. W. Lin, “Two types of organophosphate pesticides and their combined effects on heterotrophic growth rates in activated sludge process,” Journal of Chemical Technology and Biotechnology, 84 (12) , 1773-1779 (2009e) .
Pai T. Y., T. J. Wan, Y. P. Tsai, C. J. Tzeng, H. H. Chu, Y. S. Tsai and C. Y. Lin, “Effect of sludge retention time on biomass and kinetic parameter of two nitrifying species in anaerobic/oxic process,” CLEAN-Soil Air Water, 38 (2) , 167-172 (2010a) .
Pai T. Y., R. J. Chiou, C. J. Tzeng, T. S. Lin, S. C. Yeh, P. J. Sung, C. H. Tseng, C. H. Tsai, Y. S. Tsai, W. J. Hsu and Y. L. Wei, “Variation of biomass and kinetic parameter for nitrifying species in TNCU3 process at different aerobic hydraulic retention time,” World Journal of Microbiology & Biotechnology, 26 (4) , 589-597 (2010b) .
Pai T. Y., J. D. Huang, S. C. Wang, D. H. Chang, K. J. Huang, C. C. Lee, S. R. Lin, C. H. Tseng, P. J. Sung and H. G. Leu, “Evaluate the establishment site of ecological water purification processes in Dali River using QUAL2K,” Suatainable Environment Research, 20 (4) , 239-243 (2010c) .
Pai T. Y., C. L. Chen, H. Chung, H. H. Ho and T. W. Shiu, “Monitoring and assessing variation of sewage quality and microbial functional groups in a trunk sewer line,” Environmental Monitoring and Assessment, 171 (1-4) , 551-560 (2010d) .
Pai T. Y., K. L. Lin, J. L. Shie, T. C. Chang and B. Y. Chen, “Predicting the co-melting temperatures of municipal solid waste incinerator fly ash and sewage sludge ash using grey model and neural network,” Waste Management & Research (2011a) . (In press)
Pai T. Y., C. L. Ho, S. W. Chen, H. M. Lo, P. J. Sung, S. W. Lin, W. J. Lai, S. C. Tseng, S. P. Ciou, J. L. Kuo and J. T. Kao, “Using seven types of GM (1, 1) model to forecast hourly particulate matter concentration in Banciao City of Taiwan,” Water, Air, and Soil Pollution (2011b) . (In press)
Pai T.Y., K. Hanaki, H. C. Su and L. F. Yu, “A 24-h forecast of oxidant concentration in Tokyo using neural network and fuzzy learning approach,” CLEAN-Soil Air Water (2011c) . (In press)
Pai T. Y., P. Y. Yang, S. C. Wang, H. M. Lo, C. F. Chiang, J. L. Kuo, H. H. Chu, H. C. Su, L. F. Yu, H. C. Hu and Y. H. Chang, “Predicting effluent from the wastewater treatment plant of industrial park based on fuzzy network and influent quality,” Applied Mathematical Modelling (2011d) . (In press)
Sohn S. H., S. C. Oh, B. W. Jo and Y. K. Yeo, “Prediction of ozone formation based on neural network,” Journal of Environmental Engineering, 688-696, (2000) .
Whitby K. T, and G. M. Sverdrup, “California Aerosols : Their Physical and Chemical Characteristics,” Advances Environmental Science Technology , Vol. 10,477 (1980) .
Yi J. and R. Prybutok, “A neural network model forecasting for prediction of daily maximum ozone concentration in an industrialized urban area,” Environmental Pollution, Vol.92, (1996) .
王炎秋，「應用類神經網路及時間序列預測台南地區空氣品質-PM10」，碩士論文，立德管理學院資源環境研究所，台南(2006)。
白子易，「下水道系統生化動力模式建立之研究」，博士論文，國立中央大學環境工程研究所，中壢(2001)。
史麗珠、林莉華，「基礎生物統計學」，學富文化事業有限公司，台北(2006)。
李建朋，「應用類神經網路與時間數列預測臭氧濃度之研究」，碩士論文，立德大學資源環境研究所，台南(2010)。
阮成隆，「以倒傳遞類神經網路及多元線性迴歸模擬建築工地對台中縣粒狀污染物之影響」，碩士論文，朝陽科技大學環境工程與管理系研究所，台中(2010)。
林昆明，「灣西部地區露天農廢燃燒污染物之傳輸效應」，碩士論文，臺灣大學環境工程學研究所，台北(2004)。
林翊逵，「回顧近七年來南投地區臭氧變化」，碩士論文，中興大學環境工程學系所，台中(2006)。
林逸塵，「類神經網路應用於空氣品質預測之研究」，碩士論文，國立中山大學環境工程研究所，高雄(2002)。
林惠玲、陳正倉，「應用統計學」，雙葉書廊有限公司，台北(2006)。
胡偉興，「大型營建裸露地PM10與PM2.5排放特性之研究」，碩士論文，國立台北科技大學，台北(2006)。
張燕宗，「以類神經網路與灰色理論預測掩埋場添加灰燼氣體產量之研究」，碩士論文，朝陽科技大學環境工程與管理系研究所，台中（2007）。
梁喬凱，「二次氣膠與光化學軌跡模式整合之研究」，碩士論文，臺灣大學環境工程學研究所，台北(2003)。
葉怡成，「應用類神經網路」，儒林出版社，台北(2001)。
蘇志朋，「以倒傳遞類神經網路及多元線性迴歸模擬建築工地對台中市粒狀污染物之影響」，碩士論文，台中(2010)。
蘇博聖，「利用類神經網路探討中部地區臭氧之減量策略」，碩士論文，中興大學環境工程學系所，台中(2006)。
蘇漢昌，「應用適應性模糊推論系統改善類神經網路預測工業廢水廠出流水水質之研究」，碩士論文，朝陽科技大學，台中(2008)。
羅玄灝，「以灰建模及類神經網路預測醫療廢棄物焚化爐煙道氣之研究」，碩士論文，朝陽科技大學環境工程與管理系碩士班，台中(2007)。
章裕民等，「營建工程空氣污染防制費徵收制度檢討與研修計畫」，行政院環境保護署委託研究計畫，台北(2000)。
章裕民，「都會區營建工程空氣污染之防制與管理」，生態臺北城空氣污染減量與防治研習會論文集，台北(2005)。
環保署，「河川疏濬及港區砂石作業空氣污染防治標準作業模式研商會」，台北(2009)。
環保署，「環保署85年度專案研究計劃-營建工程逸散粉塵量推估及其污染防治措施評估」，(1996)。
衛宇科技股份有限公司，「97年臺中縣營建工程污染管制計畫」，臺中縣環境保護局委辦計畫，台中（2008）。
行政院環境保護署網站，http://www.epa.gov.tw/。
空氣污染排放量查詢系統，http://ivy2.epa.gov.tw/air-ei/Default.asp。
環保署空氣品質監測網，http://taqm.epa.gov.tw/taqm/zh-tw/。
臺中市政府環境保護局網站，http://www.teepb.gov.tw//。
臺中縣政府主計處網站，http://account.taichung.gov.tw/b3d.htm。