为了提高矿工隐患辨识能力、降低矿工不安全行为发生概率,实现矿工视知觉不安全状态综合评价,首先,研究基于矿工视知觉不安全状态内涵及形成过程,通过扎根理论构建了包含4个一级指标、18个二级指标的评价指标体系;其次,运用组合赋权法确定各指标权重,并通过ABC(Activity Based Classification)分类法将指标分为三级;最后,采用云模型法实现矿工视知觉不安全状态综合评价。结果显示:(1)矿工视知觉不安全状态是一种受外部信息、环境、个体感知及认知水平影响的安全行为能力不佳状态;(2)照明条件、对比度、表现形式、微气候、经验、视野、噪声、情绪是矿工视知觉不安全状态的主要影响因素;(3)H煤矿矿工视知觉不安全状态评价结果为比较安全,符合客观实际情况。
异常检测是保障飞机运行安全的重要手段,现有的固定阈值异常检测方法对数据时序特征利用较少,提取特征的能力较差。为提高飞机运行安全,提出了一种基于LSTM_AE神经网络的无监督离线异常检测的模型,对实际飞行数据进行异常检测。首先使用LSTM(Long Short Term Memory)网络提取正常飞行数据的深度时序特征,再基于AE(Auto Encoder)对提取到的时序特征进行训练,利用模型收敛后得到重构误差确定自适应阈值,最后根据训练好的模型和自适应阈值进行异常检测。试验利用NASA公开的ALFA数据集。结果表明:基于LSTM_AE方法优于传统的固定阈值检测方法,可以实现对异常的检测,准确率为0.8717,召回率为0.9872,F1分数为0.9258。
暂无评论