公有場地租借的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

利用機器學習預測多功能活動中心之室內聲學指標

為了解決公有場地租借的問題，作者葉秋瑜 這樣論述：

在台灣，學校之禮堂、體育館、社區活動中心等中小型活動中心，常作為演奏、演唱及演講等多功能的使用。不同的使用行為應搭配不同的建築聲學設計基準，以確保包含迴響時間（RT）、語言清晰度（C50）、音樂清晰度（C80）、聲壓級（SPL）分布、語音清晰度（STI）等聲學指標滿足要求。在進行建築設計時，大多僅採用沙賓迴響時間公式進行確認（Sabine’s equation），此類估算公式雖然簡潔迅速，但是在計算過程中忽略很多細節。另外透過Odeon、Ease等室內聲學模擬軟體雖可得到較準確的分析，卻較為複雜且耗時，在實務設計上較少採用。本研究的目的，是藉由機器學習（Machine Learning）的方

式，提出聲學指標的預測模式，作為中小型活動中心進行室內裝修及設計時的簡易評估工具。首先確認聲學模擬軟體預測與現場實測之再現性，接著透過參數化設計方法生成800個空間樣本做為分析對象，採用Odeon進行模擬分析取得各項聲學指標的預測值，利用機器學習的監督式學習方法（Supervised Learning），透過空間基本的幾何訊息、材料特性、擺放位置等參數進行訓練後得到預測模型。將資料以80%及20%的比例分配給訓練集和測試集，並以測試集的資料樣本進行模型效能的評估，以確認預測模型的適用性。結果發現，透過GBDT及ANN演算法，在各項聲學指標的預測幾乎皆可達到JND ± 2以內的成效，在C50、C

80、STI及聲壓值分布差值的JND，更可達到 ± 1以內。其中迴響時間的預測以GBDT最為準確，相比於傳統之計算公式，其預測能力較好。其他聲學指標則以ANN的預測效果為最佳。透過此方法，可以建立方便迅速並具有精準度的聲學指標預測模型，不須透過建模及聲學模擬軟體即可得知空間中的各項聲學指標。