附表一建築物工程技術服務建造費用百分比上的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列股價、配息、目標價等股票新聞資訊

公部門執行公共工程於設計階段導入BIM技術之研究

為了解決附表一建築物工程技術服務建造費用百分比上的問題，作者王惟 這樣論述：

建築資訊模型是近年受到國內外重視且積極推動之資訊技術。政府辦理公共工程導入BIM技術，對永續發展、品質、進度、成本有極大的助益。公部門在推動BIM上扮演重要之角色，內政部營建署自2012年起於施工階段將BIM納入公有建築工程，於2014年全面於規劃設計階段導入BIM。目前設計階段發展包含人力與技術方面相較施工階段相對缺乏，且國內設計廠商BIM發展相較營造廠商之成熟度及規模略顯不足，更有設計階段與施工階段BIM銜接之問題。 本研究以探討公部門執行公共工程-以營建署代辦公共工程於設計階段導入BIM之實際案例為例，運用文獻探討、案例分析及專家學者深度訪談，歸納為導入順序紊亂、經費缺乏標準、人

力人才缺乏、設計施工缺乏整合四大課題。成果提出改善策略如下：審查走向3D、提供廠商誘因、政府積極引導、政府建立制度。期由政府帶動產業界共同推動BIM發展，提升公共工程效率及品質。

以粒子群演算法自動調校最小二乘支援向量機分類之參數

為了解決附表一建築物工程技術服務建造費用百分比上的問題，作者劉羽書 這樣論述：

由於現代資訊科技的工具與技術發展相當普及，較具規模之工程顧問公司均已建構工程專案結案資料庫。這些寶貴的資料除作為記錄外更可以加值應用於公司未來的經營管理。本研究嘗試以資料探勘技術（Data Mining）協助工程顧問公司利用歷史資料建構專案盈虧預測模式。在資料探勘的分析過程中，本研究選擇以最小二乘支援向量機方法（Least Squares Support Vector Machines）為基礎，不過支援向量機的參數調整一直是許多文獻探討的問題，以試誤法來挑選參數相當耗時，因此本研究輔以粒子群演算法（Particle Swarm Optimization）來最佳化支援向量機的參數。本研究使用某

工程顧問公司的資料，將該工程顧問公司在過去十二年的已結案之監造案件資料先進行整理。並藉由逐步迴歸方法（Stepwise Regression）以及與該公司成員討論之結果，選擇要放入資料探勘模式中之屬性。本研究建立粒子群演算法調校最小二乘支援向量機之參數的模式，並將其應用於工程顧問公司的實際案例中。建構二分類模型也建構多分類模型，亦即預測專案的盈虧分類以及專案盈虧分類之等級。最後並與對照組網格搜索（Grid Search）最小二乘支援向量機參數之模式與類神經網路（Artificial Neural Network）進行比較，粒子群演算法在準確率以及Kappa統計量都優於其他兩個對照組，獲得不錯的

效果。