在采矿业中职业伤害的神经模糊预测模型

科学领域:

• 职业健康和安全 职业健康和安全
• 采矿工程 采矿工程 采矿工程
• 安全应用中的人工智能.

背景情况:

• 地下煤炭开采存在独特的职业危险,原因是人员,机械和狭窄的工作空间之间的复杂相互作用.
• 与工作相关的伤害高发生率需要先进的预测策略来降低风险.

研究的目的:

• 在塞尔维亚地下煤矿中开发出一种新的职业伤害预测模型.
• 利用神经网络和模糊逻辑理论来提高事故预测的准确性.

主要方法:

• 构建了一个通用模型,包括组织因素,个人防护设备 (PPE),集体防护设备 (CPE),培训和领导力.
• 选择了神经网络模型并进行训练,以预测事故发生的可能性.
• 进行了敏感性分析,以确定关键的风险因素和工人群体.

主要成果:

• 预测模型的准确率高达90%以上.
• 成功确定了导致伤害的关键风险因素和脆弱工人人口统计数据.
• 为了制定有针对性的安全干预措施和改进组织协议,产生了洞察力.

结论:

• 数据驱动的预测模型在采矿业安全方面取得了重大进展.
• 预计实施将减少受伤率,最大限度地减少机器损坏,并提高工人的整体福利.
• 这种方法为在危险的工业环境中主动安全管理提供了基础.