一种基于贝叶斯估计的职业健康预测系统技术方案

本发明专利技术公开了一种基于贝叶斯估计的职业健康预测系统，属于职业健康预测技术领域。本发明专利技术在海量数据分析时，采用了分析效率高、内存资源消耗低、预测误差小的算法模型用于职业健康预测；并采用了高性能和高安全性的非对称ECC算法，保障了用户隐私信息的保护；又通过对多数据源的职业健康数据进行有效整合、筛选、处理，提升了模型的计算性能和预测能力；并利用贝叶斯估计的特点，通过先验概率情况，有效对后验概率进行有效预测，提升预测的准确度；结合用户当前的职业健康状况，对职业健康等级进行了准确的划分，并提供了有效的应对措施。并提供了有效的应对措施。并提供了有效的应对措施。

【技术实现步骤摘要】
一种基于贝叶斯估计的职业健康预测系统


[0001]本专利技术涉及职业健康预测
，具体涉及一种基于贝叶斯估计的职业健康预测系统。

技术介绍

[0002]职业健康的主要工作内容就是研究人类从事各种职业劳动过程中的卫生与健康问题,它以职工的健康在职业活动过程中免受有害因素侵害为目的,其中包括劳动环境对劳动者健康的影响以及防止职业性危害的对策。我国职业卫生形势十分严峻，随着经济的发展，职业卫生安全问题日益加剧，且新发职业病逐渐增多
[0003]近年来，以大数据、云计算、人工智能为代表的新一代数字技术日新月异，工业互联网、物联网、区块链等技术迭代发展，全球正进入“万物互联、泛在智能”的新时代。数字技术踏上了发展的快车道，也给各行各业带来了前所未有的发展契机。数字职业健康和数字医疗是我国数字化产业中的一个机遇和挑战并存的领域，在行业发展层面，产业链上下游要素的数字化升级、改造和转型释放出数字经济的巨大价值，在技术层面，职业健康大数据未得到规范地融合应用，常规的统计学、经验学、案例分析、问卷调查等方法虽然在一定程度上能够分析职业健康存在的风险情本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于贝叶斯估计的职业健康预测系统，其特征在于，包括：源数据预处理模块、特征工程模块、贝叶斯模型训练模块、职业健康预测模块、职业健康保障模块；所述源数据预处理模块，用于进行信息采集融合、隐私信息脱敏、缺失及异常值处理；所述特征工程模块，用于进行特征处理、相关性分析、PCA处理工作；所述贝叶斯模型训练模块，用于获取经过特征工程模块处理得到的训练样本，对每个类别计算先验概率，对每个特征属性计算所有值以及计算似然概率，再对每个类别分别计算后验概率，经过多次训练后，获取训练好的贝叶斯模型，即职业健康预测模型；所述职业健康预测模块，用于进行基于贝叶斯估计的样本预测及预测效果评估优化工作；所述职业健康保障模块，用于根据职业健康模型预测结果提供政府保障措施，并进行工厂环境评估以及提供个人医疗咨询服务。2.根据权利要求1所述的一种基于贝叶斯估计的职业健康预测系统，其特征在于：所述源数据预处理模块包括信息采集融合单元、隐私信息脱敏单元、缺失及异常值处理单元，所述信息采集融合单元用于将非格式化数据、异构数据转换为格式化、同构数据，所述隐私信息脱敏单元用于采用ECC椭圆加密算法完成隐私数据的加密、解密，其中私钥、公钥由政府监管部门进行管理分发，隐私数据为可以确认用户身份的数据，包括用户姓名、用户身份证号、用户号码，所述缺失及异常值处理单元用于对信息采集融合单元采集的数据进行缺失值填充及异常值删除处理。3.根据权利要求2所述的一种基于贝叶斯估计的职业健康预测系统，其特征在于：在所述信息采集融合单元中，数据来源包括高校附属医院门诊、企业健康体检、职业健康问卷、政府监管部门以及矿业集团，数据类型分为用户基本信息、工作地信息、用户病史、职业病字典，其中，用户基本信息包括用户身份ID、年龄、性别、身高、体重、职业、行业属性信息，工作地信息包括行业属性、职业健康风险级别信息，用户病史包括用户身份ID、工作年限、职业病类型、当前病情风险等级信息，职业病字典包括行业属性、职业病类型、职业病风险信息。4.根据权利要求3所述的一种基于贝叶斯估计的职业健康预测系统，其特征在于：所述特征工程模块包括特征处理单元、相关性分析单元、PCA处理单元，所述特征处理单元用于根据脱敏后的用户身份ID和行业属性进行用户信息数据关联，整合出包含用户身份ID、年龄、性别、身高、体重、职业、行业属性、职业健康风险级别、工作年限、职业病类型、当前病情风险等级的相关信息，所述相关性分析单元用于...

【专利技术属性】
技术研发人员：方贤进，杨高明，张海永，薛明均，李想，华楷文，程颖，赵婉婉，
申请(专利权)人：安徽理工大学，
类型：发明
国别省市：