This study aims to predict return-to-work outcomes for workers injured in industrial accidents using a TabNet-RUSBoost hybrid model. The study analyzed data from 1,383 workers who had completed recuperation. Key predictors identified include length of recuperation, disability grade, occupation activity, self-efficacy, and socioeconomic status. The model effectively addresses class imbalance and demonstrates superior predictive performance. These findings underscore the importance of a holistic approach, incorporating both medical and psychosocial factors.

본 연구에는 가뭄의 유발 요인으로 강수량, 기온, 상대습도 등의 기상현상을 활용하고 가뭄 피해로 인한 대응 요소로서 대체수원, 제한급수, 운반급수 등의 비상급수를 적용하여 AI기반 가뭄 대응 정보 구축 방안을 구성하였다. AI 머신 러닝 기법 중 널리 사용되는 의사결정나무 모형을 통하여 예측 기법을 수립하였다. 연구 대상 지역은 비상급수 활용 빈도가 높고 종관기상관측소가 존재하는 충주시, 안동시, 의성군을 선정하였다. 자료 기간은 2014년부터 2019년까지의 자료를 이용하였으며, 가뭄 유발 기상요인으로 ASOS의 강수량 및 기온, 습도를 이용하고 가뭄 피해 요소로 국가 가뭄정보 포털의 비상급수 현황 자료를 활용하였다. 모형 학습 결과 정확도가 약 0.97, F1-Score가 약 0.5로 나왔으며, 이는 비상급수가 필요한 상황과 그렇지 않은 상황을 97%의 확률로 예측할 수 있음을 의미하며, 비상급수가 필요했던 표본만을 대상으로 했을 경우 약 50%의 확률로 예측이 가능한 것을 의미한다. 따라서 의사결정나무 모형을 적용하여 예측 정확도를 분석한 결과 가뭄 대응 비상급수 준비지역 예측을 위한 적용성이 높은 것으로 평가되었다. 그러나 본 연구에서는 기상 조건만을 가뭄 유발 요인으로 반영하였기 때문에, 공급수량 부족 등의 요인을 추가적으로 검토할 필요가 있으므로 가뭄과 연관된 요소인 저수지 용량 등을 추가하고 비상급수 이외의 피해 요소 역시 확장하여 연구를 개선하고자 한다.

Many industrial accidents have occurred continuously in the manufacturing industries, construction industries, and service industries of Korea. Fatal accidents have occurred most frequently in the construction industries of Korea. Especially, the trend analysis of the accident rate and fatal accident rate is very important in order to prevent industrial accidents in the construction industries systematically. This paper considers forecasting of the accident rate and fatal accident rate with static and dynamic time series analysis methods in the construction industries. Therefore, this paper describes the optimal accident rate and fatal accident rate by minimization of the sum of square errors (SSE) among regression analysis method (RAM), exponential smoothing method (ESM), double exponential smoothing method (DESM), auto-regressive integrated moving average (ARIMA) model, proposed analytic function model (PAFM), and kalman filtering model (KFM) with existing accident data in construction industries. In this paper, microsoft foundation class (MFC) soft of Visual Studio 2008 was used to predict the accident rate and fatal accident rate. Zero Accident Program developed in this paper is defined as the predicted accident rate and fatal accident rate, the zero accident target time, and the zero accident time based on the achievement probability calculated rationally and practically. The minimum value for minimizing SSE in the construction industries was found in 0.1666 and 1.4579 in the accident rate and fatal accident rate, respectively. Accordingly, RAM and ARIMA model are ideally applied in the accident rate and fatal accident rate, respectively. Finally, the trend analysis of this paper provides decisive information in order to prevent industrial accidents in construction industries very systematically.

정확한 지진재해 예측을 위해서는 대상지역 특성을 고려하여 개발한 강진동 감쇠식을 사용해야 한다. 본 연구에서는 한반도의 감쇠식에 관한 기존연구에서 제시한 여러 감쇠식 및 지진자료를 비교한 후 그 유형이 가장 유사한 관계식을 선별하였다. 지진재해예측을 위한 HAZUS에서는 미국을 서부와 중동부로 구분한 강진동 감쇠식을 지원하는데, 앞서 선별한 국내 감쇠식과 부합하는 미국의 감쇠식 종류를 알아보았다. 이번 연구는 향후 HAZUS를 이용하여 한반도의 지진재해를 예측하고자 할 때, 우리나라의 감쇠현상과 가장 유사한 미국의 강진동 감쇠식을 사용함으로써 신뢰성 높은 재해예측에 효과적인 영향을 줄 것으로 기대한다.

Ultimate goal of this research is to develop a web-based forecasting system of industrial accidents. As an initial step for the purpose of this study, this paper provides a comparative analysis of 4 kinds of algorithms including CHAID, CART, C4.5, and QUEST. In addition, this paper presents the logical process for development of a forecasting system. Decision tree algorithm is utilized to predict results using objective and quantified data as a typical technique of data mining. The sample for this work was chosen from 10,536 data related to manufacturing industries during three years(2002~2004) in korea.

Recently data mining techniques have been used for analysis and classification of data related to industrial accidents. The main objective of this study is to compare algorithms for data analysis of industrial accidents and this paper provides an optimal predicting model of 5 kinds of algorithms including CHAID, CART, C4.5, LR (Logistic Regression) and NN (Neural Network) with ROC chart, lift chart and response threshold. Also, this paper provides an approximation model for an optimal predicting model based on NN. The approximation model provided in this study can be utilized for easy interpretation of data analysis using NN. This study uses selected ten independent variables to group injured people according to a dependent variable in a way that reduces variation. In order to find an optimal predicting model among 5 algorithms, a retrospective analysis was performed in 67,278 subjects. The sample for this work chosen from data related to industrial accidents during three years (2002 ~ 2004) in korea. According to the result analysis, NN has excellent performance for data analysis and classification of industrial accidents.

The data mining technique is an effective instrument for making large datasets accessible and different industrial accident data comparable. Many research studies have been focused on the analysis of industrial accidents in order to reduce them. However most researches used a typical technique for the analysis of data related to industrial accidents. The main objective of this study is to compare algorithms comparison for data analysis of industrial accidents and this paper provides a comparative analysis of 5 kinds of algorithms including CHAID, CART, C4.5, LR (Logistic Regression) and NN (Neural Network). This study uses selected nine independent variables to group injured people according to a dependent variable in a way that reduces variation. In this study, data on 10,536 accidents were analyzed to create risk groups for a number of complications, including the risk of disease and accident. The sample for this work chosen from data related to manufacturing industries during three years (2002 ~ 2004) in korea. According to the result analysis, NN has excellent performance for data analysis and classification of industrial accidents.

Since climate change increases the risk of extreme rainfall events, concerns on flood management have also increased. In order to rapidly recover from flood damages and prevent secondary damages, fast collection and treatment of flood debris are necessary. Therefore, a quick and precise estimation of flood debris generation is a crucial procedure in disaster management. Despite the importance of debris estimation, methodologies have not been well established. Given the intrinsic heterogeneity of flood debris from local conditions, a regional-scale model can increase the accuracy of the estimation. The objectives of this study are 1) to identify significant damage variables to predict the flood debris generation, 2) to ascertain the difference in the coefficients, and 3) to evaluate the accuracy of the debris estimation model. The scope of this work is flood events in Ulsan city region during 2008-2016. According to the correlation test and multicollinearity test, the number of damaged buildings, area of damaged cropland, and length of damaged roads were derived as significant parameters. Key parameters seems to be strongly dependent on regional conditions and not only selected parameters but also coefficients in this study were different from those in previous studies. The debris estimation in this study has better accuracy than previous models in nationwide scale. It can be said that the development of a regional-scale flood debris estimation model will enhance the accuracy of the prediction.

본 연구에서는 3D 인벤토리에서 구축된 3D 지형 및 구조물, 방재 시설등의 Data를 활용하여 도심지 및 산악지역의 토사재해 시뮬레이션 결과를 가시화 하여, 토사재해에 대한 전반적인 예측과 분석 및 검토를 용이하게 할 수 있는 프로그램을 개발 하는 것을 목표로 한다. 국내에서는 산사태 예측 지역을 지도형식으로 단하나의 최종 결과 값만 표현하여 서비스 하는 곳이 있으나, 3D 상에서 토사재해 상황을 시간별로 시뮬레이션하여 검토하는 기술은 따로 없는 상황이다. 따라서 이번 연구를 통하여 대학 기관들에서 개발된 토사재해 예측 시뮬레이터 솔버들과 연계하여 그 결과를 3D상에 시간별로 표출하여, 재해 상황에 대한 분석 및 예측이 가능하도록 한다. 또한 본 3D시뮬레이터는 2개의 솔버가 연계되는 상황에서 모델링 결과 표현까지 하나의 프로그램으로 통합한 One Stop Solution을 제공하여 사용자의 편의를 도모하며, 기술자를 위한 여러 종류의 가공된 해석 값의 다양한 표현과 일반사용자를 위한 실사에 가까운 표현으로 누구나 결과를 쉽게 알 수 있도록 한다.

산사태 및 토석류 등 산지토사재해는 발생 시기, 장소, 규모 등의 3가지 요소를 정확히 예측해야만 피해를 최소화 할 수 있다. 본 연구에서는 산지토사재해의 예측 정확도 향상을 위해 발생 시기, 장소, 규모 등 예측기술의 종합적 개선을 시도하였다. 우선 산사태의 발생 시기 예측에 있어 선행강우의 영향을 고려한 Tank모델을 적용하여 지역별 새로운 산사태 기준을 제시하였다. 산사태 위험장소 예측향상을 위해 항공영상 촬영으로 획득한 최근의 산사태 발생장소 1,900여개소를 이용하여 로지스틱 회귀분석을 통한 산사태 위험지 판정식을 개발하였다. 또한 상대적으로 연구가 미흡하였던 산사태 발생으로 인해 하류에 큰 피해를 미치는 토석류의 피해규모 예측을 위해 RWM(Random Walk Model)을 개발하였으며 모델적용을 위한 유역단위별 최적 매개변수 추정방법을 개발하여 토석류의 피해범위를 예측할 수 있는 기술을 개발하였다. 특히 본 기법들은 어느 특정 유역 및 사면만을 대상으로 하는 것이 아니라 우리나라 전국 규모의 예측에 활용될 수 있다는 점에서 의의가 크다고 할 수 있다. 따라서 소유역 단위의 물리모델에 의한 결과 보다 정확도가 떨어질 수 있다는 지적도 있지만, 대면적을 대상으로 비교적 단순한 모델에 의해 정확도를 확보할 수 있다는 점에서 활용성이 매우 높을 것으로 기대된다.

｢화산재해 대응시스템의 피해예측 소요 DB 개발 공정 연구｣는 “화산재해 대응시스템 개발” 과제에서 구축하게 되는 “화산재해 의사 결정 지원 시스템”의 기본 DB 구축에 필요한 개발 공정을 수립하는데 그 목적이 있다. 피해예측 소요 DB는 화산폭발로 인한 피해를 예측하기 위한 필수적인 자료이기 때문에, 개발 공정에 적용되는 방법론을 수립하고 이를 검증하여 적용함으로써 체계적이고 효과적인 DB의 구축을 기대할 수 있다. 본 연구에서는 화산재해 대응시스템의 피해예측 기술에서 요구되는 DB를 대상으로 수집 경로와 운영 형태 등 기본적인 DB 특성을 분석하였다. 이렇게 분석된 내용을 반영하여 피해예측 소요 DB의 개발 공정을 다섯 단계로 구분하고 각 단계에서 수행될 업무와 제약사항을 기술하여 화산재해 대응시스템의 DB 구축에 적용 가능한 개발 공정을 제시하였다.