排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
矿工不安全行为的出现是复杂的非线性动力过程,为预测不安全行为时间序列,选择具有"记忆"功能和解决梯度消失问题的长短期记忆网络。使用TensorFlow下Keras搭建基于长短期记忆网络的不安全行为时间序列预测模型,使用A、B煤矿2年共3 405条不安全行为序列数据进行模型训练和测试,根据交叉验证集选择最优参数。实验结果表明:构建的4个时间序列预测模型最小的平均绝对误差为0.080 7,最大的平均绝对误差为0.333 5,能够很好预测煤矿未来一定时间段内的不安全行为。 相似文献
4.
5.
为减少托管运营煤矿不安全行为导致的安全事故,针对此种运营模式下人员的不安全动作进行科学分类研究;现场调研了2017—2018年内蒙古、宁夏、新疆地区6个煤矿1996名煤矿从业者的“三违”行为情况,从时间、工种及SCM行为产生特点3个方面对全部“三违”行为进行统计分类;基于k-means聚类算法建立了8个指标、4个子类的数据集合,并通过PCA降维绘制了可视化聚类散点图。分析表明:采用SCM和k-means的聚类算4种不安全动作分类占比关系与人工分析均得出了相同的结论;在所有不安全动作中,违章占比最大,错误占比最小;研究结果对于减少煤矿从业人员不安全动作行为,以及分级、分类预防安全事故的发生具有一定的指导意义。 相似文献
6.
为转变传统闭环检查监管不安全动作的管理模式,解决煤矿不安全动作管理信息化技术中存在的缺少与行为安全理论的结合、无法挖掘不安全动作产生机理、无法有效统计分析不安全动作数据等问题,基于行为安全理论与瑞士奶酪模型(SCM),在验证某煤矿不安全动作管理情况与上述理论相容性的基础上,通过应用Android系统平台、JAVA编程语言、MVC模式、ETL数据抽取技术等技术,研究开发了矿工不安全动作管理应用程序,实现了不安全动作闭环管理与统计分析、挖掘不安全动作产生机理两大核心功能。使用腾讯云搜建立云搜索工具,附加煤矿行业法律法规数据库检索功能。应用程序在煤矿的管理结果表明:使用矿工不安全动作管理APP转变了煤矿对不安全动作监管的传统方式,在规范不安全动作管理过程的同时可以分析其产生机理,提高了搜索相关法律法规的快捷性,为实现煤矿数字化、信息化提供了新思路。 相似文献
1