來一趟說走就走的旅行論文書籍站
國立成功大學 建築學系 蔡耀賢所指導 葉秋瑜的 利用機器學習預測多功能活動中心之室內聲學指標 （2020），提出台北體育館場地租借關鍵因素是什麼，來自於建築聲學、室內聲學指標、多功能空間、機器學習、監督式學習。
而第二篇論文國立臺南大學 體育學系碩士班 彭小惠所指導 張夏崢的 臺南市民運動參與情形及對國民運動中心的設施使用意願、付費意願研究 （2014），提出因為有 國民運動中心、運動參與、使用意願、付費意願、願付價格的重點而找出了 台北體育館場地租借的解答。
利用機器學習預測多功能活動中心之室內聲學指標
為了解決台北體育館場地租借 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。
臺南市民運動參與情形及對國民運動中心的設施使用意願、付費意願研究
為了解決台北體育館場地租借 的問題，作者張夏崢 這樣論述：
臺南市民運動參與情形及對國民運動中心的設施使用意願、付費意願研究摘要本研究目的在於了解臺南市民運動參與情形及對國民運動中心的設施使用意願、付費意願研究。本研究採問卷調查法，有效問卷為358份。本研究統計方式採用卡方檢定、獨立樣本t檢定、單因子變異數分析及績差相關分析來檢視不同性別、年齡、教育程度、婚姻狀況、職業、居住區域、月收入對運動參與、使用意願、付費意願及願付金額之差異情形，不同運動參與情形對使用意願、付費意願及願付金額之差異情形，及各構面間的相關性。研究結果顯示，不同性別、年齡、教育程度、婚姻狀況、職業、月收入在運動參與、使用意願、付費意願及願付金額上有明顯差異；不同運動參與情況在使用
意願、付費意願及願付金額上也有顯著差異；使用意願與付費意願間有顯著相關。本研究建議，年紀較輕、教育程度較高、未婚之使用意願較高，可針對此族群來推廣，後續研究也可針對不同地區之運動中心，繼續進行相關研究。關鍵詞：國民運動中心、運動參與、使用意願、付費意願、願付價格