공간분석·데이터마이닝 융합방법론을 통한 산업안전 취약지 등급화 방안 :Industrial safety risk analysis using spatial analytics and data mining

고경석

추천

검색

자료유형: 학위논문

저자정보: 고경석 (전북대학교, 전북대학교 일반대학원)

지도교수: 양재경

발행연도: 2017

저작권: 전북대학교 논문은 저작권에 의해 보호받습니다.

이용수2

이 논문의 연구 히스토리 (2)

2017

공간분석·데이터마이닝 융합방법론을 통한 산업안전 취약지 등급화 방안

고경석 산업시스템공학과 2017.01 학위논문

공간분석·데이터마이닝 융합방법론을 통한 산업안전 취약지 등급화 방안

고경석 , 양재경 산업경영시스템학회지 2017.01 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

The mortality rate in industrial accidents in South Korea was 11 per 100,000 workers in 2015. It’s five times higher than the OECD average. Economic losses due to industrial accidents continue to grow, reaching 19 trillion won in natural disaster losses equivalent to 1.1 trillion won. It requires fundamental changes in industrial safety levels. In this study, I classified the risk of accidents in industrial complex of Ulju-gun using spatial analytics and data mining. I conducted geographically weighted regression with spatial factors affecting fire incidents and calculated the risk of fire accidents with analytical model for combining Boosting (Ensemble) and CART (Classification and Regression Tree). I drew the main factors that affect the fire accident. The drawn main factors are deterioration of buildings, capital stock, employee number, officially assessed land price and height of building. And final predicted accident rate was divided into four class (risk category - alert, hazard, caution, and attention) with Jenks Natural Breaks Classification. Because the analysis results were also visualized on maps, the danger zone can be intuitively checked.

It is judged to be available in different policy decisions for different types, such as those used by different types of risk ratings, targeted education, and technical support.

#Industrial Safety #Moran''s I #Geographically Weighted Regression #Data Mining

Abstract ⅳ
제 1 장 서론 1
1.1 연구배경 1
1.2 목적 2
1.3 연구방법 2
제 2 장 관련문헌 연구 4
2.1 주성분분석 4
2.2 앙상블과 CART(Classification And Regression Tree) 5
2.3 지리적 가중회귀분석 8
제 3 장 공간분석 및 데이터마이닝 10
3.1 데이터 목록 10
3.2 데이터 전처리 및 융합 11
3.3 탐색적 분석 및 공간시각화 19
3.4 주성분 분석 24
3.5 지리적 가중회귀분석 25
3.6 CART-부스팅 분석 29
3.7 위험도 등급화 및 공간조인 32
제 4 장 결론 및 한계점 35
참고문헌 36

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)