표제지
목차
논문개요 9
제1장 서론 11
제1절 연구의 배경 및 목적 11
제2절 연구의 범위 및 방법 14
제2장 이론적 고찰 16
제1절 선행 연구 고찰 16
제1항 건설현장 안전사고 예방 선행 연구 16
제2항 건설업 분야 데이터마이닝 기법 적용 선행 연구 18
제2절 국내 건설현장 안전사고 발생 현황 20
제1항 산업별 산업재해 현황 20
제2항 건설업 분야 산업재해 상세분석 21
제3절 데이터마이닝 기법 고찰 24
제1항 개요 24
제2항 인공신경망(Artificial Neural Networks) 25
제3항 의사결정나무(Decision Tree) 29
제4항 판별분석(Discriminant Analysis) 34
제3장 국내 건설현장 안전사고 예측모델 구축 38
제1절 변수의 선정 38
제2절 인공신경망 모델 구축 40
제3절 의사결정나무 모델 구축 44
제4절 판별분석 모델 구축 50
제4장 사례 적용 52
제1절 예측 정확도 비교 52
제2절 결과 분석 55
제5장 결론 57
제1절 연구의 결과 57
제2절 연구의 한계 및 향후 연구 59
참고문헌 60
Abstract 65
〈표 2-1〉 건설현장 안전사고 예방에 대한 선행 연구 17
〈표 2-2〉 건설업 분야의 데이터마이닝 기법 적용에 관한 연구 19
〈표 2-3〉 2013년 / 2014년 산업별 재해자 비교표 20
〈표 2-4〉 2011년~2014년 사망자 발생형태별 현황 분석표 23
〈표 2-5〉 인공신경망 모델링 26
〈표 2-6〉 의사결정나무의 분석 단계 29
〈표 3-1〉 변수의 종류 및 특징 39
〈표 4-1〉 인공신경망, 의사결정나무, 판별분석 모델의 예측 결과 53
〈표 4-2〉 인공신경망, 의사결정나무, 판별분석 모델의 예측 정확도 비교 54
〈그림 1-1〉 연구 수행 절차 15
〈그림 2-1〉 2005년~2014년 건설업 산업재해 지표 추이 21
〈그림 2-2〉 인공신경망 계층 구조 27
〈그림 2-3〉 의사결정나무 모형 30
〈그림 2-4〉 판별하기 쉬운 데이터 분포 35
〈그림 2-5〉 판별하기 어려운 데이터 분포 35
〈그림 2-6〉 2D에서의 주성분분석 예 36
〈그림 2-7〉 3D에서의 주성분분석 예 37
〈그림 3-1〉 SPSS Statistics 신경망의 MLP 화면(변수 탭) 40
〈그림 3-2〉 SPSS Statistics 신경망의 MLP 화면(분할 탭) 41
〈그림 3-3〉 SPSS Statistics 신경망의 MLP 화면(아키텍처 탭) 42
〈그림 3-4〉 SPSS Statistics 신경망의 MLP 화면(훈련 탭) 43
〈그림 3-5〉 의사결정나무 대화상자 44
〈그림 3-6〉 의사결정나무 : 확인 대화상자 45
〈그림 3-7〉 의사결정나무 : 기준 대화상자 - 확장 한계 46
〈그림 3-8〉 의사결정나무 : 기준 대화상자 - CHAID 47
〈그림 3-9〉 의사결정나무 : 기준 대화상자 - 구간 48
〈그림 3-10〉 구축된 의사결정나무의 모형 49
〈그림 3-11〉 판별분석 대화상자 50
〈그림 3-12〉 판별분석 : 통계량 대화상자 51