Predicting types of occupational accidents at construction sites in Korea using random forest model

Kang, Kyungsu; Ryu, Han-Guk

doi:10.1016/j.ssci.2019.06.034

Cited by 151 publications

(106 citation statements)

References 40 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Recently, TPE has been put forward to address the limitation of the conventional BO approaches in working with categorical and conditional parameters, and, thus, to improve the hyperparameters selection process [97]. It has, then, been widely used to tune machine learning models in various applications, such as image processing [96], [98]- [101], electricity price forecasting [102], solar irradiance forecasting [103], rail defect prediction [104], occupational accident prediction [105].…”

Section: Hyperparameter Optimizationmentioning

confidence: 99%

A long-term prediction approach based on long short-term memory neural networks with automatic parameter optimization by Tree-structured Parzen Estimator and applied to time-series data of NPP steam generators

Nguyen

Liu

Zio

2020

Applied Soft Computing

108

View full text Add to dashboard Cite

Developing an accurate and reliable multi-step ahead prediction model is a key problem in many Prognostics and Health Management (PHM) applications. Inevitably, the further one attempts to predict into the future, the harder it is to achieve an accurate and stable prediction due to increasing uncertainty and error accumulation. In this paper, we address this problem by proposing a prediction model based on Long Short-Term Memory (LSTM), a deep neural network developed for dealing with the longterm dependencies in time-series data. Our proposed prediction model also tackles two additional issues. Firstly, the hyperparameters of the proposed model are automatically tuned by a Bayesian optimization algorithm, called Tree-structured Parzen Estimator (TPE). Secondly, the proposed model allows assessing the uncertainty on the prediction. To validate the performance of the proposed model, a case study considering steam generator data acquired from different French nuclear power plants (NPPs) is carried out. Alternative prediction models are also considered for comparison purposes.

show abstract

Section: Hyperparameter Optimizationmentioning

confidence: 99%

A long-term prediction approach based on long short-term memory neural networks with automatic parameter optimization by Tree-structured Parzen Estimator and applied to time-series data of NPP steam generators

Nguyen

Liu

Zio

2020

Applied Soft Computing

108

View full text Add to dashboard Cite

show abstract

“…Ia ditambah pula dengan sifat projek pembinaan rel sebagai operasi berskala besar, berteknologi moden, struktur yang kompleks, standard teknikal dan kualiti yang tinggi, jangka masa yang lama, dan memerlukan jalinan kerjasama pelbagai pihak (Qing et al, 2014). Penyebab ataupun faktor kemalangan pekerjaan perlu difahami dengan jelas kerana ia merupakan langkah yang penting dalam proses pencegahan kemalangan pekerjaan (Kang & Ryu, 2019;Khosravi et al, 2014). Faktor-faktor kemalangan boleh dikenalpasti dan diuruskan dengan baik bagi membendung kejadian kemalangan pekerjaan daripada berlaku.…”

Section: Faktor-faktor Kemalangan Pekerjaanunclassified

Pembentukan model faktor bahan dan peralatan sebagai penyebab kemalangan dalam industri pembinaan Mass Rapid Transit

Juhari

Arifin

2020

GEOGRAFIA

View full text Add to dashboard Cite

Kadar kemalangan pekerjaan di industri pembinaan adalah di antara yang tertinggi berbanding sektor perindustrian yang lain. Faktor bahan dan peralatan merupakan antara penyumbang kepada kemalangan pekerjaan di tapak pembinaan berbanding dengan faktorfaktor lain. Kajian ini dijalankan bagi mencadangkan penilaian model faktor bahan dan peralatan dalam menyumbang kepada kemalangan pekerjaan dalam industri pembinaan Mass Rapid Transit di Malaysia (MRT) di Malaysia dengan menggunakan analisis faktor pengesahan (CFA). Kajian kuantitatif ini dijalankan dengan mengedarkan borang soal selidik secara rawak untuk mendapatkan data bagi projek pembinaan MRT di sekitar Lembah Kelang. Sebanyak 180 maklumbalas responden telah diterima merangkumi kumpulan pengurusan/profesional dan kumpulan pekerja pembinaan. Kemudian, analisis CFA dijalankan menggunakan perisian IBM SPSS-AMOS bagi mengesahkan model cadangan dengan memeriksa perhubungan di antara pemboleh ubah yang diperhatikan dan pemboleh ubah pendam. Pemboleh ubah pendam adalah faktor bahan dan peralatan; aspek kesesuaian bahan dan peralatan "sesuai"; keadaan bahan dan peralatan "keadaan"; rekabentuk perlindungan keselamatan "rekabentuk"; dan pengetahuan mengenai bahan dan peralatan yang digunakan "pengetahuan". Manakala pemboleh ubah yang diperhatikan merupakan 19 item bagi keempat-empat aspek di bawah faktor bahan dan peralatan. Keputusan CFA mengesahkan bahawa faktor bahan dan peralatan dalam menyumbang kepada kemalangan pekerjaan dalam industri pembinaan MRT adalah terdiri daripada keempat-empat aspek yang dikaji iaitu "pengetahuan", "rekabentuk", "keadaan", and "sesuai". Hasil dapatan kajian ini perlu diberi perhatian oleh semua pemegang taruh dengan mengambil langkah-langkah penambahbaikan yang bersesuaian dalam usaha untuk mencegah kemalangan pekerjaan di industri pembinaan MRT pada masa akan datang. Katakunci: analisis faktor pengesahan, faktor bahan dan peralatan, industri pembinaan, kemalangan pekerjaan, keselamatan dan kesihatan pekerjaan, mass rapid transit

show abstract

“…Od ukupnog broja teških povreda na radu i povreda sa smrtnim ishodom u građevinskom sektoru u Republici Srbiji, u periodu od 2013-2016. godine, preko 58.7% nastalo je usled pada sa visine [9]. Podaci o broju povreda u odnosu na vrstu akcidenta u Koreji pokazuju da je pad sa visine najčešći akcident sa 38.3% učestalosti (tabela 2) [10]. Na osnovu povreda na radu sa smrtnim ishodom za period 1985-1989. godina, OSHA je sprovela analizu i utvrdila najčešće uzroke koje dovode do povreda.…”

Section: Povrede Na Radu U Građevinarstvuunclassified

“…Faktori koji utiču da do pada sa visine dođe najčešće se odnose na instalaciju ili održavanje opreme (14.17% slučajeva) ili sastavljanje odnosno sklapanje pojedinih elemenata konstrukcije (12.7% slučajeva). [10] Na osnovu istraživanja u Koreji, utvrđeno je da je najčešći pad sa visine pri korišćenju skele ili radnih platformi (32.92%), merdevina (21.52%), kroz otvore (12.09%) i ostalo (13.91%). U većini istraživanih slučajeva, radnici nisu koristili zaštitnu opremu (47.15%) ili zaštitni pojas (42.35%).…”

Section: Opasnosti Usled Rada Na Visiniunclassified

“…Međutim, nesreće su se dešavala i pored nošenja sigurne opreme ukoliko ona nije na ispravan način instalirana ili se radi o neadekvatno montiranim skelama. [10] U slučaju korišćenja drvenih merdevina na gradilištu, ugao nagiba bi trebalo da bude jedna osmina radne dužine da bi se smanjilo naprezanje na spoju merdevina. Lestve merdevina moraju biti na razmaku od 25 do 35 cm.…”

Section: Opasnosti Usled Rada Na Visiniunclassified

See 1 more Smart Citation

Hazards that cause occupational injuries at a construction site

Radosavljević¹,

Vukadinović²

2019

Tehnika

View full text Add to dashboard Cite

Fakultet zaštite na radu, Niš U većini zemalja, građevinska delatnost spada u jedan od značajnijih pokretača zapošljavanja radnika. Prilikom obavljanja građevinskih radova, usled dinamičnih i otežanih uslova rada, dolazi do velikog broja povreda na radu koje zahtevaju preduzimanje adekvatnih mera zaštite na radu. U radu je dat pregled povreda do kojih dolazi na gradilištima i pregled opasnosti koje dovode do povreda na radu na gradilištu. Kroz identifikaciju opasnosti na gradilištima moguće je upravljati rizicima od povrede na radu i smanjiti ih ili ublažiti njihove posledice.

show abstract

Predicting types of occupational accidents at construction sites in Korea using random forest model

Cited by 151 publications

References 40 publications

A long-term prediction approach based on long short-term memory neural networks with automatic parameter optimization by Tree-structured Parzen Estimator and applied to time-series data of NPP steam generators

A long-term prediction approach based on long short-term memory neural networks with automatic parameter optimization by Tree-structured Parzen Estimator and applied to time-series data of NPP steam generators

Pembentukan model faktor bahan dan peralatan sebagai penyebab kemalangan dalam industri pembinaan Mass Rapid Transit

Hazards that cause occupational injuries at a construction site

Contact Info

Product

Resources

About