评估接操作中的职业危险:一种基于机器学习的方法,用于印度造厂的工人安全

科学领域:

• 职业健康和安全问题 职业健康和安全问题
• 环境科学 环境科学
• 数据科学数据科学数据科学

背景情况:

• 在接过程中评估紫外线辐射和噪声暴露对于工人安全和监管合规至关重要,特别是在安全资源有限的地区.
• 发展中国家不充分遵守安全标准,需要对工作场所危险进行定量分析.
• 接操作由于紫外线辐射和噪音污染带来了重大风险.

研究的目的:

• 在接过程中对紫外线辐射和噪声水平进行定量分析.
• 使用机器学习开发紫外线辐射和噪声暴露的预测模型.
• 根据印度造行业的既定安全标准,评估工人暴露.

主要方法:

• 在印度三个造厂收集了来自铁合金接的紫外线辐射和噪声数据.
• 应用了五种机器学习算法来进行数据分析和预测.
• 将机器学习算法的性能与安全标准进行了比较.

主要成果:

• 支持向量机回归证明了预测紫外线辐射水平的最佳性能 (RMSE = 356.93).
• 随机森林算法在预测噪声水平方面取得了最好的结果 (RMSE = 11.4).
• 该研究确定了有效的机器学习模型,用于预测接相关的危险.

结论:

• 这项研究是首次应用机器学习来预测弧中的紫外线辐射和噪声.
• 机器学习算法,特别是SVM回归和随机森林,对于这个预测任务是有效的.
• 开放共享数据集和算法将促进职业安全和相关领域的未来研究.