文献

J-GLOBAL ID：202002232255947250   整理番号：20A0792668

電力インフラストラクチャー運用における健康と安全性の危険予測のための最適化ビッグデータ解析【JST・京大機械翻訳】

Optimised Big Data analytics for health and safety hazards prediction in power infrastructure operations

著者 (7件)： Ajayi Anuoluwapo (Big Data, Enterprise and Artificial Intelligence Laboratory (Big-DEAL), University of the West of England, United Kingdom) ,  Oyedele Lukumon (Big Data, Enterprise and Artificial Intelligence Laboratory (Big-DEAL), University of the West of England, United Kingdom) ,  Akinade Olugbenga (Big Data, Enterprise and Artificial Intelligence Laboratory (Big-DEAL), University of the West of England, United Kingdom) ,  Bilal Muhammad (Big Data, Enterprise and Artificial Intelligence Laboratory (Big-DEAL), University of the West of England, United Kingdom) ,  Owolabi Hakeem (Big Data, Enterprise and Artificial Intelligence Laboratory (Big-DEAL), University of the West of England, United Kingdom) ,  Akanbi Lukman (Big Data, Enterprise and Artificial Intelligence Laboratory (Big-DEAL), University of the West of England, United Kingdom) ,  Delgado Juan Manuel Davila (Big Data, Enterprise and Artificial Intelligence Laboratory (Big-DEAL), University of the West of England, United Kingdom)
資料名： Safety Science  (Safety Science)
巻： 125  ページ： Null  発行年： 2020年 
JST資料番号： W0879A  ISSN： 0925-7535  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 電力インフラプロジェクトにおける切迫事故の予測は,リスク軽減のための積極的戦略を誘発するためのロバストで正確な予測モデルを必要とする。残念ながら,特に,これらのアルゴリズムのパラメータが調整されなければ,冗長な特徴を最適に除去するために,既製の機械学習アルゴリズムを得ることは挑戦的である。本研究では,粒子群最適化を,入射データセットの1,349,239のデータ点に関する勾配ブースティングマシン技術の特徴選択とパラメータ調整の両方に対して提案した。従来のツリーベースの方法と比較した提案方法の予測能力は,2つの結果変数ACCIDENTとINJURYFREQに対する試験データ(分類精度-0.878と決定係数-0.93)に関する提案モデルのほぼ完全な予測を明らかにした。得られた高い予測力は,損傷がカオス的に発生しないことを明らかにしたが,十分に大きいデータセットに適用した場合,機械学習により,基礎となるパターンと傾向が存在することを明らかにした。また,同定された重要な関係は,事故を引き起こす可能なリスクの組み合わせを理解するための安全管理者を支援するであろう。積極的リスク軽減計画の引き金となる。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 機械学習 ,  安全管理 ,  *インフラストラクチャー ,  冗長性 ,  予測モデル ,  *最適化 ,  *電力 ,  アルゴリズム ,  学習アルゴリズム ,  ロバスト性 ,  特徴選択 ,  カオス
準シソーラス用語： 粒子群最適化 ,  リスク低減 ,  *ビッグデータ , 【Automatic Indexing@JST】

著者キーワード (4件)： ビッグデータ解析 ,  粒子群最適化 ,  電力インフラストラクチャー ,  安全管理

分類 (1件)： エネルギー消費・省エネルギー  (LD01000B)

タイトルに関連する用語 (7件)： インフラストラクチャー ,  運用 ,  安全性 ,  危険予測 ,  最適化 ,  ビッグデータ ,  解析