基于HFACS-CM-BP神经网络的深层煤矿工人不安全行为的早期预警

科学领域:

• 采矿工程 采矿工程 采矿工程
• 职业安全与健康问题 职业安全与健康问题
• 人工智能在安全方面的作用

背景情况:

• 在深层煤矿中减少事故至关重要.
• 矿工不安全的行为是矿山事故的关键因素.

研究的目的:

• 为矿工的不安全行为构建一个早期预警指数系统.
• 使用先进的分析方法开发矿工不安全行为的预测模型.

主要方法:

• 中国矿山的人力因素分析和分类系统 (HFACS-CM) 模型.
• 有根据的理论.
• 反向传播 (BP) 神经网络模型 (13-14-4层).

主要成果:

• 英国石油公司的神经网络模型准确地预测了矿工的不安全行为.
• 确定了关键的驱动因素:不安全的监督 (最关键),组织的影响,矿工的不安全状态和环境因素.
• 该模型捕捉了因素和不安全行为的复杂非线性关系.

结论:

• 开发的早期预警系统可以有效地预测深层煤矿的不安全行为.
• 调查结果为采矿企业提供了洞察力,以实施有针对性的安全管理措施.
• 通过积极识别不安全行为驱动因素,提高安全管理效率.