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
윤혜순 (건축사사무소 건원엔지니어링) 백영건 (한양대) 박상준 (한양대) 장재호 (한양대) 김주형 (한양대)
저널정보
대한건축학회 대한건축학회논문집 大韓建築學會論文集 第40卷 第12號(通卷 第434號)
발행연도
2024.12
수록면
87 - 96 (10page)

이용수

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

초록· 키워드

오류제보하기
Predicting the duration of high-rise building projects is essential for managing progress and identifying potential delays, especially for activities on the critical path that can disrupt schedules. Curtain wall installation is one of the key tasks that often cause delays. Although data-driven approaches show promise for accurate predictions, data scarcity in South Korea limits their application. To address this, exploring new data augmentation techniques and prediction methods is necessary. This study compares three Monte Carlo simulation (MCS) variants and the Synthetic Minority Over-Sampling Technique (SMOTE) for data augmentation, using data from 15 real projects. The augmented data is then analyzed with Support Vector Regression (SVR) using three different kernels. The model's accuracy is assessed using mean square error (MSE) and by comparing predicted durations with actual construction timelines. Results show that SMOTE combined with SVR linear yielded the lowest MSE at 0.047, while SMOTE with SVR radial basis function provided the most accurate prediction, with just a one-day error. These findings suggest that combining data augmentation techniques with machine learning can effectively address data limitations and improve forecasting of construction duration.
#데이터 증강 기법 #서포트 벡터 회귀 #공사 기간 #Data Augmentation Technique #Machine Learning #Construction Duration

목차

Abstract
1. 서론
2. 초고층 거튼월 공사와 공기 예측관련 문헌고찰
3. 데이터 증강 기법과 머신러닝 기법을 활용한 공기 예측 방법
4. 공사 기간 예측 결과
5. 결론
REFERENCES

참고문헌 (44)

참고문헌 신청
AL-Zubaidi, E. D. A., Yas, A. H., & Abbas, H. F. (2019). Guess the time of implementation of residential construction projects using neural networks ANN. Periodicals of engineering and natural sciences, 7(3), 1218-1227. google schola An, H. J. (2020). A study on the Duration Estimation of Construction Activity Using Deep Learning Algorithm, Thesis, Gyeongsang National University. google schola Cavallaro, L., Bagdasar, O., De Meo, P., Fiumara, G., & Liotta, A. (2020). Artificial neural networks training acceleration through network science strategies. Soft computing, 24(23), 17787-17795. google schola Chan, D. W., & Kumaraswamy, M. M. (1999). Modelling and predicting construction durations in Hong Kong public housing. Construction management & economics, 17(3), 351-362. google schola Chawla, N. V., Bowyer, K. W., Hall, L. O., & Kegelmeyer, W. P. (2002). SMOTE: synthetic minority over-sampling technique. Journal of artificial intelligence research, 16, 321-357. google schola

이 논문과 함께 이용한 논문

빅데이터를 활용한 철근과 콘크리트공사의 자재 수요예측 모델 개발
박환표 ,  김재도 ,  강준혁 외 1명 대한건축학회논문집 2024 .11
스마트 건설기술이 적용된 철도건설 적정 공사기간 산정 시스템의 개념 설계 및 시스템 수용의도 분석
김동문 ,  정찬묵 ,  진고환 외 1명 한국철도학회 논문집 2024 .01
GAN을 이용한 주식 시장 데이터 시뮬레이션 및 머신러닝 기반 트레이딩 시스템 개발
유성주 ,  장주현 ,  김재윤 한국통신학회논문지 2024 .09
청소년의 데이터 시각화 표현 유형 메타 분석: 2019~2021 ‘전국학생통계활용대회’ 3년간의 중학생부 수상작 분석을 중심으로
백민영 ,  현은령 Archives of Design Research 2023 .05
데이터통계기반 색채디자인 교육을 위한 고등학교 STEAM 프로그램 개발 및 효과성 분석
현은령 ,  김정현 ,  김유정 외 1명 Archives of Design Research 2022 .11

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-091256486