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
학술대회자료
저자정보
홍성욱 (충남대학교) 이현우 (충남대학교) 박찬 (충남대학교) 정현석 (충남대학교) 박철정 (충남대학교) 김형욱 (충남대학교) 홍성경 (포항공과대학교) 조성진 (충남대학교)
저널정보
대한기계학회 대한기계학회 춘추학술대회 대한기계학회 2018년도 학술대회
발행연도
2018.12
수록면
143 - 146 (4page)

이용수

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

초록· 키워드

오류제보하기
In railway safety management, rail-temperature is directly affects the buckling of rails is very important. The previous rail-temperature prediction models have been developed for predicting the rail-temperature, but lack of versatility and performance. In this study, we suggest a novel rai-temperature model based on machine learning with high performance and universally available. We constructed a monitoring station to measure rail-temperature and local weather conditions, and then performed the measurements for 10 months. Using measured data, we found new features that affect rail-temperature. The model was constructed using XGboost, one of the machine learning methods, and the optimal hyperparameter was selected through k-fold cross validation. Our novel rail-temperature model can be used anywhere in the world because rail-temperature can be predicted using only weather forecast data. In particular, the novel rail-temperature prediction model can predict the local rail temperature after 67 hours from the weather forecast of Korea Meteorological Administration. It is expected to help planning railway management plan.
#rail temperature(레일 온도) #rail deformation(레일 변형) #track buckling(궤도 좌굴) #machine learning(기계 학습) #XGboost(익스트림 그레디언트 부스팅)

목차

Abstract
1. 서론
2. 데이터 샘플 획득
3. 기계 학습 모델 적용
4. 결과
5. 결론
참고문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

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

일기예보를 이용한 일사량 예측기법개발
허나리 ,  도근영 ,  원종민 한국건축친환경설비학회 학술발표대회 논문집 2010 .10
레일의 설치방향을 고려한 레일 온도 대표 계측 지점
박철정 ,  홍성욱 ,  박찬 외 6명 대한기계학회 춘추학술대회 2019 .11
도시철도 장치고장 사고 감소에 따른 사회적 편익 산정 방안
배현근 ,  곽호찬 ,  최윤영 외 2명 한국도시철도학회논문집 2019 .06

최근 본 자료

전체보기

댓글(0)

0