关于对煤矿事故的紧急心理生理和行为反应的实验研究
Xiangchun Li1,2, Yuzhen Long3, Shuhao Zhang1
1School of Emergency Management and Safety Engineering, China University of Mining and Technology-Beijing, Ding No.11 Xueyuan Road, Haidian District, Beijing, 100083, P. R. China.
这项研究使用生理数据在模拟的煤矿事故中确定了不同的紧急行为. 机器学习准确地预测这些模式,在采矿紧急情况下提供了拯救生命的早期预警系统的潜力.
科学领域:
- 职业安全与健康问题 职业安全与健康问题
- 人类因素工程 人类因素工程
- 生物医学工程 生物医学工程
背景情况:
- 有效的应急响应对于预防煤矿事故和尽量减少伤害至关重要.
- 了解心理生理反应是识别紧急情况期间行为模式的关键.
- 虚拟现实 (VR) 为模拟紧急情况提供了一个安全和可控的环境.
研究的目的:
- 对煤矿事故的紧急心理生理反应的特征进行调查.
- 探索用于识别紧急行为模式的关键指标.
- 开发一种机器学习模型,用于预测采矿紧急情况中的行为反应.
主要方法:
- 虚拟现实模拟被用来重建煤矿的紧急逃生场景.
- 生理学数据 (皮电活动,心率变化等) 在模拟过程中收集的数据.
- 机器学习算法,包括随机森林,用于根据生理变化对行为模式进行分类.
主要成果:
- 在VR模拟过程中,观察到参与者的显著生理变化.
- 随机森林模型使用特定的生理指标 (SCR+RANGE+IBI+SDNN+LF/HF),在分类行为模式方面达到高达92%的准确性.
- 识别的行为模式包括敏捷性,防御性,恐慌和刚性.
结论:
- 事故刺激,心理生理学变化和在紧急情况下的行为表现之间存在强烈的相关性.
- 开发的机器学习模型对检测异常反应的早期预警系统有希望.
- 这些发现可以提高矿山安全,可能挽救生命,并支持煤炭开采行业的可持续增长.
更多相关视频
06:39Electroencephalographic, Heart Rate, and Galvanic Skin Response Assessment for an Advertising Perception Study: Application to Antismoking Public Service Announcements
Published on: August 28, 2017
09:55Use of a Psychophysiological Script-driven Imagery Experiment to Study Trauma-related Dissociation in Borderline Personality Disorder
Published on: March 8, 2018
相关概念视频
The Stanford Prison Experiment
Introduction to Stress and Lifestyle
Psychological Responses to Stress
