文献

J-GLOBAL ID：202202272795490827   整理番号：22A0104788

ハイブリッドウェーブレットマシン学習を用いた建設における事故予測【JST・京大機械翻訳】

Accident prediction in construction using hybrid wavelet-machine learning

著者 (3件)： Koc Kerim (Department of Civil Engineering, Yildiz Technical University, Istanbul, Turkey) ,  Ekmekcioglu OEmer (Department of Civil Engineering, Istanbul Technical University, Istanbul, Turkey) ,  Gurgun Asli Pelin (Department of Civil Engineering, Yildiz Technical University, Istanbul, Turkey)
資料名： Automation in Construction  (Automation in Construction)
巻： 133  ページ： Null  発行年： 2022年 
JST資料番号： W0491A  ISSN： 0926-5805  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： 建設プロジェクトにおける職業事故率は,安全管理システムが連続的に改善されているにもかかわらず,ほとんどの国で他の産業よりも通常高い。本研究は,離散ウェーブレット変換(DWT)と種々の機械学習(ML)法を結合することによって,時系列データを用いて職業事故の数を予測するために,建設安全管理の体に寄与することを目的とする。2012年から2020年の間にトルコで記録された393,160の職業事故から成るデータセットを分析し,短期,中期,長期期間,それぞれ1日,7日,および30日前での事故数を予測した。独立型MLアルゴリズムのモデル性能はDWTで改善され,ハイブリッドウェーブレット-ANNは最良の性能を示した。動的利用計画を,新しい理論的および実際的フレームワークを導入することによって,安全管理の分野のために提案した。本研究はまた,建設安全管理における時系列予測モデルに関連する文献におけるギャップを埋めることを目的とする。Copyright 2022 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： アルゴリズム ,  *学習 ,  ニューラルネットワーク ,  トルコ共和国 ,  人工知能 ,  安全管理 ,  労働災害 ,  機械学習
準シソーラス用語： 時系列データ ,  時系列予測 ,  離散ウェーブレット変換 ,  建設プロジェクト , 【Automatic Indexing@JST】

著者キーワード (9件)： 安全管理 ,  機械学習 ,  人工知能 ,  労働衛生と安全 ,  時系列 ,  人工ニューラルネットワーク ,  サポートベクトル回帰 ,  多変量適応回帰スプライン ,  ウェーブレット分解

分類 (1件)： 産業衛生,産業災害  (GB05000S)

タイトルに関連する用語 (4件)： 学習 ,  建設 ,  事故 ,  予測