台灣地形多變化，遍佈高山及河流，部分交通瓶頸路段需依賴橋梁連結，故橋梁對於整體國家經濟發展貢獻極大。惟橋梁新建費用十分龐大，佔地方政府預算極大比例，若能計算合理建造費用，可降低公務預算浪費，減輕政府財政負擔。
目前交通部已針對國內興建完成之橋梁建置資料庫(臺灣地區橋樑管理資訊系統) 若能利用資料庫資料比對，整理有用資訊以計算每座橋梁之合理興建成本，藉此將資訊互通，則可有效降低各機關不必要之浪費。
本研究收集新北市轄區橋樑基本資料作為興建成本影響因子，並應用統計軟體(SPSS)對影響因子分析，客觀挑選出影響橋梁興建成本因子，作為模型的輸入參數，透過過去案例與經驗學習，將資料庫案例應用演化式最小平方差支持向量機推論模式(ELSIM)做訓練，找出輸入(影響興建成本因子)與輸出(造價)關係，歸納出專家決策過程與分析邏輯。
為驗證興建成本推估模式之準確性，本研究除以ELSIM模式測試外，另外並以其他人工智慧程式(SVM及ESIM)比較，最後確認ELSIM可獲得最佳的結果，並根據結果建立橋梁興建成本推估模式，建立一套「橋梁興建成本推估模式」，輔助決策者進行決策。

Taiwan's terrain is varied by the mountains and rivers. Therefore, part of the traffic bottleneck sections need to rely on bridges and the contribution of bridges to national economic developments is big. However, the cost of building a new bridge is immense, takes up a large proportion of local government budget. If reasonably calculates construction costs, it can reduce the waste of public affairs budget and ease the financial burden..
Ministry of Transport has established the database for completed bridges in Taiwan (Taiwan Bridge Management Information Systems). If uses data wisely, compare and organize useful information in order to calculate the reasonable cost for constructing bridges and exchange information, which can effectively reduce the unnecessary waste for all departments.
This research collects Xinbei city bridge basic information as the construction cost factor, and applying statistical software (SPSS) for influencing factors, objectively pick out cost factor which affects bridge construction as the model input parameters, learning from the previous cases and experiences then train from Evolutionary Least Squares Support Vector Machine Inference Model (ELSIM) to identify the relationship of inputs (factors affecting construction costs) and output (cost), summed up the experts’ decision making process and the logic of analysis.
In order to verify the accuracy of the construction cost estimation model, besides ELSIM model tests, this study also compares to other artificial intelligence programs (SVM and ESIM). ELSIM gets the best final confirmed result. According to the result, builds up the bridges construction cost prediction mode, to establish a "bridge construction cost estimation model", to support decision maker’s conduct.

1.交通部運研所、國立中央大學營建管理研究所，「臺灣地區橋梁管理資訊系統」，http://tbms.iot.gov.tw/bms2/。
2.國立中央大學，「臺灣地區橋梁管理資訊系統基本資料欄位說明」，2011。
3.陳威廷，「生命週期導向橋梁評估系統之研究」，國立中央大學營建管理研究所碩士論文，2004。
4.李俊憲，”結合空間分析與專家系統技術在橋梁規劃自動化之應用”，博士論文，國立中央大學土木工程研究所，民國91 年
5.財團法人臺灣營建研究院，「橋梁生命週期成本評估模式建立應用手冊(草案)」，2003。
6.連夷佐，「橋樑維護管理生命週期成本評估模式之研究」，國立中央大學營建管理研究所碩士論文，2003。
7.國立中央大學，「生命週期導向之橋梁資訊管理系統建立及維護管理作業自動化技術開發」，2003。
8.財團法人臺灣營建研究院，「生命週期成本導向之橋梁設計研究」，2003。
9.楊振翰，「臺灣地區橋梁維護管理現況與未來發展策略之研究」，國立中央大學營建管理研究所碩士論文，2005。
10.黃宣菁，「台灣地區橋梁管理系統架構之研究」，國立中央大學土木工程研究所碩士論文，1997。
11.財團法人臺灣營建研究院，「生命週期成本導向之橋梁設計手冊(含軟體手冊)(草案)」，2003。
12.翁愷翔，「橋梁維修與整建效益評估比較之研究」，國立中央大學營建管理研究所碩士論文，2009。
13.徐瑞甫，「橋梁耐震能力診斷模式之建立-應用演化式支持向量機推論模式」，國立台灣科技大學營建工程系碩士論文，2010。
14.Min-Yuan Cheng and Nhat-Duc Hoang，「Evolutionary Least Squares Support Vector Machine - Userguide」，2012，Technical Report, CIC Lab, National Taiwan Univ. of Sci. and Tech.
15.Min-Yuan Cheng and Nhat-Duc Hoang，「Estimating Compressive Strength of Rubberized Concrete Using Evolutionary Least Squares Support Vector Machine」，2012，Technical Report, CIC Lab, National Taiwan Univ. of Sci. and Tech.
16.E.Herrera-Viedma，F.Herrera，F.Chiclana，M.Luque，"Some issues on consistency of fuzzy preference relations"，European Journal of Operational Research 154，98-109，2004.
17.Tien-Chin Wang，Tsung-Han Chang，"Forecasting the probability of successful knowledge management by consistent fuzzy preference relations"，Expert Systems with Applications 32，801-813，2007.
18.Storn, R. and K. Price, Differential Evolution - A Simple and Efficient Heuristic for Global Optimization over Continuous Spaces. J. Global Optim. , 1997. 11: 341–359.
19.Price, K.V., R.M. Storn, and J.A. Lampinen, Differential Evolution A Practical Approach to Global Optimization. Springer-Verlag, 2005.
20.Suykens, J., et al., Least Square Support Vector Machines. World Scientific Publishing Co. Pte. Ltd., 2002
21.Thorsten Joachims，http://svmlight.joachims.org/
22.Cheng Min-Yuan and Wu Yu-Wei. “Evolutionary Support Vector Machine Inference System for Construction Management,” Automation in Construction, 18(5), 2009, pp.597-604.
23.D.E. Goldberg, K. Deb, H. Kaegupta, G. Harik, Rapid, accurate optimization of difficult problems using fast messy genetic algorithms, Proceedings of the Fifth International Conference on Genetic Algorithms, pp. 56– 64, (1993)
24.onas B. Dibike1 et al.,”Support Vector Machines:Review and Applications in Civil Engineering,” Proc. of the 2nd Joint Workshop on Application of AI in Civil engineering（2000）
25.Lewis, C. D. (1982). Industrial and Business Forecasting Method. London: Butterworth-Heinemann.