煤矿监控调度作业疲劳程度分级与判定研究_中国煤炭行业知识服务平台

煤矿监控调度作业疲劳程度分级与判定研究

作者

徐超远栗继祖徐新华
单位

太原理工大学安全与应急管理工程学院，太原理工大学经济管理学院，晋能控股煤业集团李阳煤业
摘要

为了能够准确地判断出煤矿监控调度员的疲劳程度，降低煤矿监控调度作业的失误率；运用眼动追踪技术进行煤矿监控调度模拟实验，采集作业者眼动数据与主客观疲劳判定值；利用K-means聚类算法划分疲劳等级数，训练神经网络搭建煤矿监控调度作业疲劳程度预测模型。结果表明：最佳疲劳等级数划分为3类，神经网络预测模型拟合度为90.58%。用预测模型对山西某煤矿监控作业模式进行测试，模型实地预测平均误差为6.26%，预测效果较好。
关键词

事故预防煤矿安全眼动追踪技术神经网络K-means聚类
基金项目(Foundation)

国家杰出青年科学基金资助项目（51925402）；山西省软科学研究计划资助项目（2019042012-3）
相关文章

[1]矿工意向性不安全行为的突变模型研究
[2]煤矿企业安全氛围与员工安全行为的关系研究
[3]事故下降背景下山西某地方煤矿事故分析及防治对策研究
[4]基于DEA模型的冲突管理对不安全行为意向作用效果的评价
[5]煤矿安全监管“双随机一公开”信息系统的构建
[6]BBS对采煤工安全心理的改善