台灣地區每年產生大量之建築混合物，據內政部建研所之調查顯示，台灣地區經合法申請新建與拆除之建築混合物數量據估計每年約有1,100多萬公噸。順應世界各國永續發展的潮流趨勢下，目前政府正努力朝向著混合物減量與再利用之方向努力。倘若能追溯建築混合物之產生源頭，掌握建築混合物產生量，方能有效管制混合物與減少違規棄置之情事發生。
建築混合物產生量之推估不似開挖土方可做簡易計算，較難有精確之估算標準。目前相關推估研究只考慮將建築面積與用途納入影響因子當中，並未將其他影響因子（如構造種類等）考慮至建築混合物產生量之計算，如此將造成推估數據與實際產生量有所落差。
本研究透過專家訪談及問卷調查方式，彙整現行建築物拆除工程混合物產生量之主要影響因子。並蒐集各縣市政府拆除執照資料與工地現場實際調查紀錄之拆除混合物產生量加以分析篩選，利用近年來解決預測問題有較佳成效之類神經網路，建立單一建築物拆除工程混合物產生量推估之模式。
經上述建立拆除混合物推估系統，測試資料於容許誤差15％之內時準確率達91.67％，與現行各界常使用之推估係數相比較，本研究所建立之模式較為接近實際產生量，顯示本研究已改善現行推估係數之準確率。本研究之結果可供政府機關更有效掌握拆除工程時所產生之混合物數量，健全現行拆除混合物總量申報管控作業，避免違規棄置情形發生。

Under the global development of sustainable construction, the government in Taiwan devotes more and more efforts for the proper treatment and recycling of construction and demolition wastes. In order for controlling those wastes to go into recycling plants or legal dumping sites, more and more local district counties demand construction sites to submit a waste treatment plan before starting the work. In the plan they have to estimate the expected quantity of CD&W wastes, and to state clearly where will they go, how will they treated. Thus the estimated quantity serves as a base for waste monitoring and controlling in the remaining process.
The objective of this research is to study the major factors influencing the waste quantity generated in a building’s demolitiom construction, and to develop a model each for the estimation of waste quantity. Literature reviews and expert interviews are conducted to identify the major factors influencing waste quantity. Identified factors include size of the building floors, purpose of the building, the structural type, height of the building, and so on. Totally 47 cases for building demolition are collected for their quantities of waste generated. The Neural Network (NN) method is employed for the development of the estimating model. The developed NN model is about 100％ accurate under permit error rate 15％ in testing , and 91.67% accurate under permit error rate 15％ in testing. A comparison of the developed estimation model and the current most used estimation formula is conducted on 14 test cases. The result shows that the developed models are significantly more accurate than the current ones in estimating the waste quantity of a single building’s demolition.

參考文獻
中文部分：
1. 黃榮堯，「建築拆除污染及廢棄物產生現況與調查架構研究」，內政部建築研究所，1998.06。
2. 章裕民，「建築施工過程污染及廢棄物產生現況與調查架構研究」，內政部建築研究所，1998.06。
3. 何坤憲，「營建工程剩餘土石方及混合物之處理與再利用法制化之研究」，國立中央大學碩士論文，2004
4. 李崇德，「建築廢棄物回收系統制度之研究」，國立中央大學碩士學位論文，2002.01。
5. 台北縣政府，「營建剩餘土石方資源回收處理再利用與土資場設置管理講習會暨營建剩餘土石方資源回收處理再利用宣導會論文專輯」，2003.11。
6. 黃榮堯，「廢棄混凝土再生利用成本效益分析之研究」，內政部建築研究所，2003.12。
7. 胡文山，「台北縣營建工程剩餘土石方處理問題之探討」，中華大學建築與都市計畫學系碩士學位論文，1999.06。
8. 行政院環保署，「事業機構廢棄物儲存清除處理設施列管計畫（一）」，1990.06。
9. 工研院，「建築廢棄物來源、產生總量推估、分佈狀況、清理再利用體系規劃」，2000。
10. 廖慧萍，公有閒置空間再利用評估模式之研究，朝陽科技大學建築及都市設計研究所碩士論文，2002。
11. 陳昭榕，外牆更新替選方案評估模式之實證研究-以台北市高層辦公大樓為例，國立成功大學建築研究所，2001。
12. 徐村和，「模糊德菲層級分析法」，模糊系統學刊，第4 卷第1 期， 59-72頁，1998。
13. 余昌翰，「建築工程產生廢棄物數量推估之研究」，國立中央大學碩士論文，2004.06。
14. 葉怡成，「應用類神經網路」，儒林圖書，1993
15. 黃志偉，「高速公路肇事處理時間預測之研究-應用類神經網路分析」，國立中央大學碩士論文，2002.06。
16. 羅華強，「類神經網路-MATLAB之應用」，清蔚科技，2001.01。
17. 蕭登元，「工業生態學中物質流系統之研究－以台灣地區砂石為例」，國立台灣大學博士論文，2003.01。
18. 高仲仁，「運用類神經網路進行隧道岩體分類」，國立中央大學碩士論文，2001.06。
19. 余文德、楊智斌、賴建中、鄭正光，「類神經模糊系統於工程成本概估及分析應用-以鋼筋混凝土公路橋樑為例」，中國土木水利學會，2002
20. 鄭景鴻，「類神經模糊系統於公路土石方工程成本估價之應用」，中華大學碩士學位論文，2002.06。
21. 陳信夫，「以類神經網路估算建築工程成本之研究」，國立台灣大學碩士論文，1995.06。
22. 蔡裕春，「台灣地區營造工程物價指數預測之研究---以類神經網路與ARIMA模式」，輔仁大學碩士論文，2000.06。
23. 陳維東、石進芳、盧順逸、陳盈宏，「應用類神經網路預測營造工程物價指數之研究」，科技學刊，第十卷，第五期，PP.371~381，2001.09。
24. 謝獻仁，「應用類神經網路於落石坡危險度之評估」，國立交通大學碩士論文，1998.06。
25. 楊秉蒼，「營建管理科學」，詹氏書局，2003.02。
26. 郭炳煌，「以統計方法與類神經網路模式預估工程直接成本之研究」，國立高雄第一科技大學碩士學位論文，2001.06。
英文部分：
27. B. A. G. Bossink and J. J. H. Brouwers，“Construction Waste: Quantification and Source Evaluation”，Journal of Construction Engineering and Management，ASCE, Vol. 122,No.1, 1995.3。
28. U.S.EPA，”Characterization of Building-related Construction and Demolition Debris in the United States.” Report No. EPA530-R-98-010，1998
29. Ishikawa, A., Amagasa,M., Shiga,T., Tomizawa, G., Tatsuta,R., and Mieno,H., ”The Max-Min Delphi method and fuzzy Delphi method via fuzzy integration”,Fuzzy Sets and Systems, 1993
30. Efstathiou, J. and Tong, R.M., “Ranking Fuzzy Sets Using Linguistic Preference Relations”, Proceeding of the 10th International Symposium on Multiple-Valued Logic, Northwestern University, Evanston, IL., pp. 137-142, 1980.
31. Graza, G.M and Rouhana, K.G., ”Neural Networks Versus Parameter-Based Applications in Cost Estimating”，Cost Engineering，Vol.37, pp.14~18，1995.
32. Bass, S. M. and Kwakernaak, H, “Rating and Ranking of Multiple-Aspect Alternatives Using Fuzzy Sets”, Automatica, Vol. 13, pp. 47-58, 1977.
33. Chen, S.H., “Ranking Fuzzy Numbers with Maximizing Set and Minimizing Set”, Fuzzy Sets and Systems, Vol. 17,pp. 113-129, 1985.
34. Tong, R.M. and Bonissone, P.P, “Linguistic Solutions to Fuzzy Decision Problems”, In:IMS/Studies in the Management Science, Vol. 20,pp. 323-334, 1984.
35. Klir, G.J. and Folger, T.A., “Fuzzy Sets. Uncertainty. and Information”, Prentice-Hall,International Editions（1988）
36. C.S. Poon , Ann T.W. Yu and L.H. Ng, “On-site sorting of construction and demolition waste in Hong Kong”, Resources, Conservation and Recycling 32 , pp.157–172, 2001
網頁部分：
37. 香港環境保護署網站：http://www.info.gov.hk/epd
38. 香港減少廢物委員會網站：http://www.info.gov.hk/wrc