一种能够动态修正预测误差的长航船员人体效能预测模型制造技术

本发明专利技术提出了一种能够动态修正预测误差的长航船员人体效能预测模型，通过以下步骤构建：构建长航船员人体效能预测模型的静态贝叶斯网络；基于所述静态贝叶斯网络，将若干连续时刻下的静态贝叶斯网络联合，构建长航船员人体效能预测模型的动态贝叶斯网络；基于所述动态贝叶斯网络，将作业阶段划分为不同阶段，构建长航船员人体效能预测模型。本发明专利技术在人体效能预测模型中，引入表征变量相关性系数，以反映各表征变量与人体效能演变的相关性强弱，实现随着作业阶段的演进对不同表征变量的数据特征调整相关性系数，从而提高预测精度；在人体效能预测模型中，引入动态预测误差修正系数，实现对预测模型在作业全程的预测误差修正，进一步提高预测精度。进一步提高预测精度。进一步提高预测精度。

【技术实现步骤摘要】
一种能够动态修正预测误差的长航船员人体效能预测模型


[0001]本专利技术属于船员人体效能评估
，具体涉及一种能够动态修正预测误差的长航船员人体效能预测模型。

技术介绍

[0002]长航船员的作业环境存在社会隔离和空间密闭这两方面的显著特征，容易造成船员发生人体效能衰退，导致发生严重事故的风险提高。为了应对这一现象，需要构建一种长航船员人体效能预测模型实现对船员人体效能比较准确的预测。现有技术中，最常采用的预测模型包括：
[0003]基于部分特征的疲劳程度预测模型：通过对生理特征中的心电信号、肌电信号，面部特征中的眼部运动，以及体能特征中的握力数据，根据上述数据的分析，对作业人员的疲劳程度进行预测；基于贝叶斯网络的疲劳程度预测模型：通过对工作环境、作业时间等原因类变量和工作绩效、认知能力、生理状态、心理状态等结果类变量由动态贝叶斯网络开展分析，对作业人员的疲劳程度进行预测。
[0004]但是在实际应用过程中发现，上述两种预测模型存在以下缺陷：
[0005]当前研究构建的对人体效能随时间演变情况开展预测的方法，通常依据一种或少数几种特征参数，而与人体效能相关联的因素很多，这些预测方法通常难以全面揭示人体效能变化趋势；
[0006]当前研究构建的人体效能演变预测模型，大多是并未考虑作业人员的工作状态随时间的推移而改变的情况，可能出现随作业时间的推移，预测准确性下降。

技术实现思路

[0007]为了解决上述现有技术存在的问题，本申请提出一种能够动态修正预测误差的长航船员人体效能预测模型，通过以下步骤构建：
[0008]构建长航船员人体效能预测模型的静态贝叶斯网络；
[0009]基于所述静态贝叶斯网络，将若干连续时刻下的静态贝叶斯网络联合，构建长航船员人体效能预测模型的动态贝叶斯网络；
[0010]基于所述动态贝叶斯网络，将作业阶段划分为不同阶段，构建长航船员人体效能预测模型。
[0011]进一步的，所述静态贝叶斯网络的外部变量包括人体效能衰退风险，所述静态贝叶斯网络的查询变量包括人体效能状态，所述静态贝叶斯网络的测试变量包括作业能力类变量、认知能力类变量、生物电状态类变量和心理状态类变量。
[0012]进一步的，影响所述人体效能衰退风险的外部因素包括工作环境类因素、任务负荷类因素和作业时间类因素：
[0013]所述工作环境类因素包括照明环境因素值A1、噪声等级因素值A2和主气体浓度因素值A3；
[0014]所述任务负荷类因素包括当前工作负荷因素值A4和当天累计工作负荷因素值A5；
[0015]所述作业时间类因素包括作业时间域因素值A6、距离上次作业时间因素值A7、当天累计作业时间因素值A8和当天作业间隙休息时间因素值A9。
[0016]进一步的，所述作业能力类变量包括作业绩效客观测试变量值B1和作业满意度主观量表变量值B2；
[0017]所述认知能力类变量包括注意力客观测试变量值B3；
[0018]所述生物电状态类变量包括心电信号客观测试变量值B4和脑电信号客观测试变量值B5；
[0019]所述心理状态类变量包括PANAS正负性情绪主观量表变量值B6。
[0020]进一步的，所述长航船员人体效能预测模型包括以下流程：
[0021](1)输入模型关键参数；
[0022](2)对各外部因素A1～A9进行指标归一化；
[0023](3)根据外部因素A1～A9归一化结果，进行t时的人体效能衰退风险Risk
t
的量化求解：
[0024][0025]式中w
a,i
为各因素A1～A9相对于人体效能衰退风险Risk的权重；
[0026](4)确定人体效能衰退概率先验估计P(F
t
＝1|Risk
t
)＝Risk
t
；
[0027](5)求解表征变量相关性系数WB
i,d
；
[0028](6)基于贝叶斯网络原理，得出t时的人体效能衰退程度初步预测结果
[0029][0030]式中：
[0031][0032][0033][0034][0035](7)求解第d天的动态误差修正系数k
d
；
[0036](8)得出经动态预测误差修正的t时人体效能衰退程度最终预测结果U
t
为：
[0037][0038](9)如果已完成初始阶段全部测试，则进入后续阶段；
[0039](10)如果已完成后续阶段全部测试，则输出人体效能衰退程度U
t
的预测结果。
[0040]进一步的，输入模型关键参数具体包括：
[0041]输入实验天数d
total
、每日倒班次数shift、每班测试次数test；
[0042]将作业阶段分为初始阶段和后续阶段，输入各阶段的开始日和结束日，并输入由预实验得到的各表征变量B
i
取值与人体效能衰退程度主观评价I的初始相关系数平方
[0043]输入t时刻各表征变量B
i
取值b
i,t
和人体效能衰退程度主观评价值I
t
。
[0044]进一步的，对各外部因素A1～A9进行指标归一化，其具体归一化方法如下：
[0045]根据照度测量结果D1和色温测量结果D2，按下式分别得到归一化结果d1、d2，进而得照明环境归一化结果a1：
[0046][0047][0048][0049]根据噪声等级测量结果A2，按下式得到噪声等级归一化结果a2：
[0050][0051]根据主气体浓度测量结果A3，按下式得到主气体浓度归一化结果a3：
[0052][0053]根据当前工作负荷A4，按下式得到当前工作负荷归一化结果a4：
[0054][0055][0056]当前工作负荷A4采用时间线分析方法进行量化表示，上式中T
i,start
为第i个任务开始响应时间，T
i,end
为第i个任务需完成响应时间，TA
i
为一个时间窗长度；
[0057]根据当天累计工作负荷量化结果A5，按下式得到当天累计工作负荷归一化结果a5：
[0058][0059]以当前时刻相对风险率值为作业时间域值A6，按下式得到作业时间域归一化结果a6：
[0060][0061]按下式计算效能衰退风险指数RSP，并计算距离上次作业时间指标值A7，进而得到距离上次作业时间归一化结果a7：
[0062][0063][0064][0065]上式中t
b
为距离上次作业的休息时长，T
b
为休息结束后的作业开始时间，t
d
为休息之后的工作持续时间，单位均为h；
[0066]以当天累计作业时间相对风险率值为当天累计作业时间值A8，按下式得到当本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种能够动态修正预测误差的长航船员人体效能预测模型，其特征在于，通过以下步骤构建：构建长航船员人体效能预测模型的静态贝叶斯网络；基于所述静态贝叶斯网络，将若干连续时刻下的静态贝叶斯网络联合，构建长航船员人体效能预测模型的动态贝叶斯网络；基于所述动态贝叶斯网络，将作业阶段划分为不同阶段，构建长航船员人体效能预测模型。2.根据权利要求1所述的能够动态修正预测误差的长航船员人体效能预测模型，其特征在于：所述静态贝叶斯网络的外部变量包括人体效能衰退风险，所述静态贝叶斯网络的查询变量包括人体效能状态，所述静态贝叶斯网络的测试变量包括作业能力类变量、认知能力类变量、生物电状态类变量和心理状态类变量。3.根据权利要求2所述的能够动态修正预测误差的长航船员人体效能预测模型，其特征在于，影响所述人体效能衰退风险的外部因素包括工作环境类因素、任务负荷类因素和作业时间类因素：所述工作环境类因素包括照明环境因素值A1、噪声等级因素值A2和主气体浓度因素值A3；所述任务负荷类因素包括当前工作负荷因素值A4和当天累计工作负荷因素值A5；所述作业时间类因素包括作业时间域因素值A6、距离上次作业时间因素值A7、当天累计作业时间因素值A8和当天作业间隙休息时间因素值A9。4.根据权利要求3所述的能够动态修正预测误差的长航船员人体效能预测模型，其特征在于：所述作业能力类变量包括作业绩效客观测试变量值B1和作业满意度主观量表变量值B2；所述认知能力类变量包括注意力客观测试变量值B3；所述生物电状态类变量包括心电信号客观测试变量值B4和脑电信号客观测试变量值B5；所述心理状态类变量包括PANAS正负性情绪主观量表变量值B6。5.根据权利要求4所述的能够动态修正预测误差的长航船员人体效能预测模型，其特征在于，所述长航船员人体效能预测模型包括以下流程：(1)输入模型关键参数；(2)对各外部因素A1～A9进行指标归一化；(3)根据外部因素A1～A9归一化结果，进行t时的人体效能衰退风险Risk
t
的量化求解：式中w
a,i
为各因素A1～A9相对于人体效能衰退风险Risk的权重；(4)确定人体效能衰退概率先验估计P(F
t
＝1|Risk
t
)＝Risk
t
；(5)求解表征变量相关性系数WB
i,d
；(6)基于贝叶斯网络原理，得出t时的人体效能衰退程度初步预测结果
式中：式中：式中：式中：(7)求解第d天的动态误差修正系数k
d
；(8)得出经动态预测误差修正的t时人体效能衰退程度最终预测结果U
t
为：(9)如果已完成初始阶段全部测试，则进入后续阶段；(10)如果已完成后续阶段全部测试，则输出人体效能衰退程度U
t
的预测结果。6.根据权利要求4所述的能够动态修正预测误差的长航船员人体效能预测模型，其特征在于，输入模型关键参数具体包括：输入实验天数d
total
、每日倒班次数shift、每班测试次数test；将作业阶段分为初始阶段和后续阶段，输入各阶段的开始日和结束日，并输入由预实验得到的各表征变量B
i
取值与人体效能衰退程度主观评价I的初始相关系数平方输入t时刻各表征变量B
i
取值b
i,t
和人体效能衰退程度主观评价值I
t
。7.根据权利要求6所述的能够动态修正预测误差的长航船员人体效能预测模型，其特征在于，对各外部因素A1～A9进行指标归一化，其具体归一化方法如下：根据照度测量结果D1和色温测量结果D2，按下式分别得到归一化结果d1、d2，进而得照明环境归一化结果a1：：：根据噪声等级测量结果A2，按下式得到噪声等级归一化结果a2：
根据主气体浓度测量结果A3，按下式得到主气体浓度归一化结果a3：根据当前工作负荷A4，按下式得到当前工作负荷归一化结果a4：：当前工作负荷A4采用时间线分析方法进行量化表示，上式中T
i,start
为第i个任务开始响应时间，T
i,end
为第i个任务需完成响应时间，TA
i
为一个时间窗长度；根据当天累计工作负荷量化结果A5，按下式得到当天累计工作负荷归一化结果a5：以当前时刻相对风险率值为作业时间域值A6，按下式得到作业时间域归...

【专利技术属性】
技术研发人员：梁晋，李培，庞丽萍，王鑫，余阳，彭聪，张良，李思，张驰，廖镇，邓野，黄天成，张展硕，孙小方，张玉麟，
申请(专利权)人：中国船舶集团有限公司综合技术经济研究院，
类型：发明
国别省市：