基于遗传算法优化最小二乘支持向量机的矿工疲劳程度识别模型
田水承
任治鹏
毛俊睿
西安科技大学 安全科学与工程学院,陕西 西安 710054;西安科技大学 安全与应急管理研究所,陕西 西安 710054
摘要：为精准识别矿工疲劳程度,减少因疲劳引发的煤矿人因事故,提出了一种基于遗传算法(GA)优化最小二乘支持向量机(LSSVM)的矿工疲劳程度识别模型.首先,通过疲劳诱发试验采集矿工心电数据,利用Friedman检验优选矿工疲劳程度的特征指标;然后,采用主成分分析法对选取的特征指标进行降维处理,建立表征矿工疲劳程度的特征集;在此基础上,利用遗传算法优化最小二乘支持向量机的关键参数,构建矿工疲劳程度识别模型.结果表明:选取的矿工疲劳程度特征指标能够有效反映矿工的疲劳程度;相较GA-SVM和LSSVM模型,融合GA-LSSVM模型可显著提高矿工疲劳程度的识别准确率(平均识别准确率为96.87%).构建的矿工疲劳程度识别模型可较为高效地识别矿工的疲劳程度,对煤矿人因事故的防控具有一定的现实指导意义.
关键词：矿工疲劳识别心电信号最小二乘支持向量机遗传算法
分类号：TD79(矿山安全与劳动保护)
资助基金：国家自然科学基金(51874237)国家自然科学基金(U1904210)
论文发表日期：2024-08-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 110-116 )
英文信息