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
최찬용 (Korea Railroad Research Institute) 김현기 (Korea Railroad Research Institute) 김영철 (Korail Research Institute Korea Railroad) 김상수 (WISEiTECH)
저널정보
한국지반신소재학회 한국지반신소재학회 논문집 한국지반신소재학회 논문집 제19권 제1호
발행연도
2020.3
수록면
45 - 53 (9page)

이용수

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

초록· 키워드

오류제보하기
철도분야에서도 계측자료를 바탕으로 머신러닝 기법을 이용하여 예측 분석하는 시도가 점차적으로 증가하고 있는 실정이다. 이 논문에서는 열차의 차상가속도 데이터를 기반으로 궤도의 품질을 결정하는 지표 중에 하나인 궤도품질지수를 머신러닝기법을 활용하여 예측하였다. 머신러닝 기법으로 활용하고 있는 대표적인 3개의 모델로 궤도품질지수를 예측하여 가장 정확도가 높은 모델은 XGBoost으로 데이터셋에서 85% 이상의 예측정확도를 보였다. 또한 윤축과 대차의 z축의 진동가속도가 고저 궤도품질지수의 기여도가 높은 것으로 나타났으며, 이는 기존 연구결과와도 잘 일치하였다. 이러한 결과를 볼 때 단일 알고리즘인 서포터 벡터머신보다는 앙상블 알고리즘을 적용한 랜덤포레스트와 XGBoost이 정확도가 높은 것으로 판단된다. 따라서 머신러닝 기법에서 적용모델에 따라 정확도가 달라질 수 있기 때문에 차량진동가속도를 이용한 궤도품질지수를 예측하기 위해서는 앙상블 알고리즘을 가지는 모델을 적용하는 것이 적절할 것으로 판단된다.
#Machine learning #Track Quality Index #Vehicle acceleration #Measuring data #Track irregularity

목차

ABSTRACT
요지
1. 서론
2. 데이터 측정 및 전처리 방법
3. 데이터의 이상치 분석 및 기여도
4. 가속도데이터를 이용한 TQI의 예측
5. 결론
References

참고문헌 (13)

참고문헌 신청
Chen, T. / 2016 / XGBoost: A Scalable Tree Boosting System / KDD’16 :785~794 google schola 최일윤 / 2015 / 경부고속선 궤도틀림 분포특성 / 한국철도학회논문집 18(1):63~70 dbpia Cortes, C. / 1995 / Support-vector networks / Machine Learning 20(3):273 google schola Gibert, X. / 2017 / Deep multitask learning for railway track inspection / IEEE Transactions on Intelligent Transportation Systems 18(1):153~164 google schola 정다해 / 2019 / 레일 표면조도 데이터를 활용한 머신러닝 기반 전동소음 예측 / 한국철도학회논문집 22(3):209~217 dbpia

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

잭나이프 및 붓스트랩 방법을 이용한 임상자료의 회귀계수 타당성 확인
손기철 ,  신임희 한국데이터정보과학회지 2012 .08
머신러닝 알고리즘을 이용한 콘크리트 슬럼프 플로 기반의 콘크리트 레올로지 정수 예측 모델 개발
이유정 ,  김인태 ,  한동엽 콘크리트학회 논문집 2024 .02
머신러닝을 활용한 주물 공정 데이터 기반 품질 예측
박주남 ,  최재붕 ,  김문기 대한기계학회 춘추학술대회 2021 .08
머신러닝을 활용한 소형 압연 공정 온도 예측 신뢰성 평가
박종현 ,  이정한 ,  서경원 제어로봇시스템학회 논문지 2020 .06
유튜브 알고리즘 요인 탐색을 위한 역공학설계 연구 - 머신러닝과 딥러닝 응용을 중심으로
김철년 ,  배승주 ,  하윤수 외 1명 디지털콘텐츠학회논문지 2022 .06

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2020-532-000525563