메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
최재현 (한국기술교육대학교) 류한국 (삼육대학교)
저널정보
대한건축학회 대한건축학회 논문집 - 구조계 大韓建築學會論文集 構造系 第35卷 第11號(通卷 第373號)
발행연도
2019.11
수록면
155 - 162 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
The construction industry is the highest safety accident causing industry as 28.55% portion of all industries’ accidents in Korea. In particular, falling is the highest accidents type composed of 60.16% among the construction field accidents. Therefore, we analyzed the factors of major disaster affecting the fall accident and then derived feature importances by considering various variables. We used data collected from Korea Occupational Safety & Health Agency (KOSHA) for learning and predicting in the proposed model.
We have an effort to predict the degree of occupational fall accidents by using the machine learning model, i.e., Adaboost, short for Adaptive Boosting. Adaboost is a machine learning meta-algorithm which can be used in conjunction with many other types of learning algorithms to improve performance. Decision trees were combined with AdaBoost in this model to predict and classify the degree of occupational fall accidents. HyOperpt was also used to optimize hyperparameters and to combine k-fold cross validation by hierarchy. We extracted and analyzed feature importances and affecting fall disaster by permutation technique.
In this study, we verified the degree of fall accidents with predictive accuracy. The machine learning model was also confirmed to be applicable to the safety accident analysis in construction site. In the future, if the safety accident data is accumulated automatically in the network system using IoT(Internet of things) technology in real time in the construction site, it will be possible to analyze the factors and types of accidents according to the site conditions from the real time data.
#건설안전 #추락재해 #데이터 사이언스 #기계학습 #에이다 부스트 #Construction Safety #Fall Accidents #Data Science #Machine Learning #Adaboost

목차

Abstract
1. 서론
2. 이론적 고찰
3. 데이터
4. 모형의 적용 및 분석
5. 결론
REFERENCES

참고문헌 (25)

참고문헌 신청
Ministry of Employment and Labor. (2017). Analysis of the Status of Occupational Accidents- Focusing on Occupational Accidents by Industrial Accident Compensation Law. google schola Choi, S. D., & Carlson, K. (2014). Occupational safety issues in residential construction surveyed in Wisconsin. United States. Industrial health, 52(6), 541-547. google schola Liao, C. W., & Perng, Y. H. (2008). Data mining for occupational injuries in the Taiwan construction industry. Safety Science, 46, 1091-1102. google schola Kim, E. J. (2018). Analysis on the Factors of Construction Disaster Applying the AHP. Journal of the Regional Association of Architectural Institute of Korea, 20(1), 197-204. google schola Shin, W. S., & Son, C. B. (2018). An Analysis on the Accident Influence Factor and Severity of Construction General Workers. Journal of the Architectural Institute of Korea Structure & Construction, 34(3), 69-76. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

그라디언트 부스팅과 균형 분류를 이용한 채무 불이행 예측
김희종 ,  김형도 한국정보기술학회논문지 2014 .01
소고기 육질 등급 예측을 위한 분류 알고리즘의 성능 연구
김승희 ,  문철한 ,  최성준 외 1명 정보과학회 컴퓨팅의 실제 논문지 2020 .06
서포트 벡터 머신을 이용한 유사 소프트웨어 분류 모델의 설계
임현일 디지털콘텐츠학회논문지 2020 .03
RNN을 이용한 범용 예측 시스템 구현
이권윤 ,  이상부 한국정보기술학회논문지 2018 .10
카테고리별 다중회귀분석 방법을 이용한 지하철역별 수요 추정 모형 개발
손의영 ,  권병우 ,  이만호 대한교통학회지 2004 .02

최근 본 자료

전체보기

댓글(0)

0