中国安全科学学报

作者：胡啸峰, 黄玲

单位：1 中国人民公安大学 信息网络安全学院,北京 100038；2 安全防范技术与风险评估公安部重点实验室,北京 100038；3 中国矿业大学(北京) 应急救援工效与防护研究院,北京 100083

关键词：机器学习,户外作业,警务人员,热应激,核心温度,高温环境

基金：国家自然科学基金(72174203)

为解决高温环境下户外作业警务人员热应激风险预测问题,构建不同环境工况、劳动强度和服装等条件下的警务人员核心温度监测试验数据集,提取身高、体质量、年龄、性别、体脂率、身体活动比率(PAR)、服装热阻(CI)、环境温度、相对湿度为特征,基于K近邻(KNN)、随机森林(RF)、梯度提升决策树(GBDT)等多种机器学习方法,建立户外作业警务人员核心温度及热应激风险预测模型,并进行验证。结果表明:对于高温环境下户外作业警务人员的核心温度预测模型,KNN、RF和GBDT的拟合优度R2均超过0.9,在误差方面,KNN模型的预测误差最小,均方根误差(RMSE)为0.053℃;对于高温环境下户外作业警务人员热应激预测模型,RF、GBDT和KNN模型的预测性能明显优于其他模型。

来源：2024年第11期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2024年第11期