申请/专利权人：浙江工业大学

申请日：2024-01-23

公开（公告）日：2024-04-19

公开（公告）号：CN117910803A

主分类号：G06Q10/0635

分类号：G06Q10/0635;G06Q10/04;G06Q10/067;G06Q50/04;G06T17/00;G06T19/00;G06F3/01;G06F18/243;G06N5/01;G06N20/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.07#实质审查的生效;2024.04.19#公开

摘要：本发明公开了一种基于虚拟现实和机器学习的人为错误风险预测方法，它包括以下步骤：1）构建需要进行人为错误风险预测的虚拟实验场景；2）收集内在特质和不安全行为的数据；3）对收集的数据进行加工处理；4）通过CART决策树建立预测人为错误风险的数学模型。本发明借助虚拟现实和机器学习技术，通过内在特质对人为错误风险进行预测，有效地鉴别出了容易产生人为错误的人员，对于保障生产安全起到了积极的作用。

主权项：1.一种基于虚拟现实和机器学习的人为错误风险预测方法，其特征在于包括以下步骤：1构建需要进行人为错误风险预测的虚拟实验场景，即使用建模软件建立实验场景中的物理模型，通过Unity3D引擎构建实验所需的虚拟环境；2通过调查问卷的方式收集实验人员的内在特质数据，实验人员通过VR设备在上述构建的虚拟环境中进行实验操作，并收集实验中不安全行为的数据，即是实验人员在虚拟环境中操作出现的各种不安全行为以及不安全行为次数；3对收集的数据进行加工处理，即是对所述内在特质数据以及不安全行为的数据均进行均值计算，并在不安全行为的数据进行均值计算之后，进行剔除偏差较大的数据，且进行安全等级的建立；4将步骤3处理好的数据导入到CART决策树模型，以内在特质的得分作为特征，以安全等级的得分作为标签，通过分类和回归树CART进行训练和测试，获得用于预测人为错误风险的决策树模型，利用该模型识别出风险较高的人员，以便针对性的进一步的安全培训，进而保障生产安全。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种基于虚拟现实和机器学习的人为错误风险预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD