http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 김연철 ( Kim Yeon-choel ) (검색결과 2 건)
- 무료
- 기관 내 무료
- 유료
-
김연철(Kim, Yeon-Choel),유위성(Yoo, Wi Sung),신윤석(Shin, Yoonseok) 한국방재학회 2017 한국방재학회논문집 Vol.17 No.1
2016년 3월에 인간과 인공지능간의 바둑 대결로 최근 인공신경망에 대한 관심이 높아지게 되었다. 수십 년간 다양한 분야에서 활용되었고 뛰어난 예측 능력을 보였던 인공신경망은 지속적인 연구와 투자에도 불구하고 계속 증가하고 있는 건설현장 안전사고 감소를 위한 하나의 좋은 대안이 될 수 있을 것이다. 따라서 본 연구에서는 건설현장에서 발생가능한 안전사고를 사전에 예측하는데 인공신경망을 적용하고 그 활용가능성을 검토해보았다. 활용가능성 검토를 위해서 실제 건설 안전사고 사례 데이터를 적용하고 통계적 기법인 판별분석 모델과 예측 정확도를 비교하였다. 그 결과, 인공신경망 모델의 예측정확도(80%) 가 판별분석 모델의 예측정확도(70%)보다 높게 나타났다. 인공신경망 기법을 활용하여 미리 건설현장에서 우선적으로 관리가 필요한 안전사고 유형을 파악할 수 있다면 건설현장 안전사고 감소에 기여할 수 있을 것이다. Since recognizing Alpha-Go’s superiority and potentials in March 2016, the application of artificial intelligence technologies to construction industry is being increasingly magnified as a core research area to cope with the changeable future construction environments. During decades, even if artificial neural networks(hereafter ANNs) has produced outstanding performances in various domains, they provided the limited performances in construction industry. In particular, the safety accidents on construction sites are continuously increasing in spite that there are sufficient efforts and investment. In this study, we have applied artificial neural networks to predict construction safety accidents and evaluate the applicability of ANNs. These works were performed using actual data of construction accidents and comparing the prediction accuracy of ANNs model to those of discriminant analysis model. As a result, ANNs model showed higher prediction accuracy(80%) than that(70%) of the discriminant analysis model. It is expected that the presented model can be utilized to provide a practical guideline for previous prevention of safety accidents on construction sites.
-
조예림 ( Cho Yerim ),김연철 ( Kim Yeon-choel ),신윤석 ( Shin Yoonseok ) 한국건축시공학회 2017 한국건축시공학회지 Vol.17 No.3
건설 산업 재해 예방을 위한 연구와 노력에도 불구하고 최근 7년간 국내 건설업 재해자 수가 꾸준히 증가했다. 건설 현장에서 발생하는 재해는 다른 산업군에 비해 강도 높은 재해가 발생할 가능성이 크기 때문에 근본적으로 예방할 수 있는 방법이 필요하다. 따라서 본 연구에서는 모형에 대한 해석이 쉽고 변수의 상호작용 효과 해석이 용이한 의사결정나무 기법을 활용하여 건설재해 예측 모델을 제안하였다. 제안된 건설 재해 사전 예측 모델의 현장 활용 가능성을 평가하기 위하여 판별분석기법 기반 모델과의 건설 재해 예측 정확도를 비교하였다. 검토 결과 판별분석 모델에 비해 의사결정나무 모델의 누적 예측 정확도가 더 높은 것으로 나타났다. 의사결정나무 기법을 이용한 모델은 시간이 지남에 따라 데이터가 증가하기 때문에 예측 정확도가 더욱 높아지게 된다. 따라서 본 연구에서 제안된 건설 재해 예측 모델이 건설 현장에서 활용된다면 효과적으로 안전 관리를 할 수 있고, 건설업 재해율 감소에도 기여할 수 있을 것으로 기대한다. Over the past 7 years, the number of victims of construction disasters has been gradually increasing. Compared with projects in other industries, construction projects are highly exposed to safety risks. For this reason, the research methods of predicting and managing the risk of construction disasters are urgently needed that can be applied to a construction site. This study aims to propose a prediction model for a construction disaster using the decision tree technique. The developed the model is reviewed the applicability by evaluating its accuracy based on disaster data. The top three of the prediction values obtained from the proposed model were enumerated, and then the cumulative accuracy were also calculated. The prediction accuracy was 40 percent for the first value, but the cumulative accuracy was 80 percent. Thus, as more disaster data was accumulated, the cumulative accuracy appeared to be higher. If utilized in construction sites, the model proposed in this study would contribute to a reduction in the rate of construction disasters.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
