[发明专利]一种建筑工人高空作业安全能力评估方法

权利要求书

1.一种建筑工人高空作业安全能力评估方法，其特征在于，该方法包括以下步骤：

步骤1，脑电数据采集

对建筑工人施加恐高、疲倦和分心三种维度的刺激，通过脑电仪采集建筑工人对刺激作出反应时的脑电数据；

步骤2，脑电数据处理及特征数据提取

对采集的脑电数据中的伪迹成分进行消除，对消除伪迹后的脑电数据提取时域特征、频域特征和非线性特征；

步骤3，脑电特征机器学习分类模型的建立

对建筑工人分别施加恐高、疲倦或分心维度的刺激，通过脑电仪分别采集建筑工人对每种刺激作出反应时的脑电数据，将三种维度下的脑电数据分别输入至高斯核函数支持向量机中进行训练，分别得到恐高维度、疲倦维度及分心维度的机器学习分类模型；

步骤4，脑电数据的评估

利用构建的机器学习分类模型，将每种维度下的重要脑电特征数据输入至对应维度下的机器学习分类模型，输出每种维度下的预测结果。

2.根据权利要求1所述的建筑工人高空作业安全能力评估方法，其特征在于，在步骤2特征数据提取之后还包括：

在时域特征、频域特征和非线性特征基础上对脑电特征数据进行筛选，获得恐高、分心、疲倦以及综合评估四个维度下的重要脑电特征数据。

3.根据权利要求2所述的建筑工人高空作业安全能力评估方法，其特征在于，恐高、分心、疲倦三维度下的重要脑电特征数据构建过程包括：利用随机森林算法，将计算平均准确性降低值设置为脑电特征在三维度分类问题的重要性测度，对时域特征、频域特征和非线性特征进行特征重要性测度计算，将计算结果进行排序，选取排序在前面的特征作为重要脑电特征数据；

综合评估维度的重要脑电特征构建过程包括：在计算恐高、分心及疲倦三个维度特征重要性的基础上，对三维度特征重要性测度进行线性函数归一化，采用计算加权欧式距离的方法，对恐高、分心及疲倦三维度刺激的综合考虑，计算时域特征、频域特征和非线性特征的综合重要性测度，并通过对特征重要性测度进行排序，筛选得到综合评估维度下的重要脑电特征数据。

4.根据权利要求1所述的建筑工人高空作业安全能力评估方法，其特征在于，所述步骤3还包括：

步骤31，在通过脑电仪分别采集建筑工人对每种刺激作出反应时的脑电数据后，对采集到的脑电数据进行预处理和特征数据提取，在特征数据中筛选出每个维度对应的重要脑电特征数据；

步骤32，对脑电特征数据样本赋予标签，评估结果达标赋予标签﹢1，评估结果不达标赋予标签﹣1；

步骤33，将每个维度下的重要脑电特征对应的数据样本和标签分别输入至高斯核函数支持向量机，通过训练得到对应维度的机器学习分类模型。

5.根据权利要求4所述的建筑工人高空作业安全能力评估方法，其特征在于，所述脑电特征机器学习分类模型还包括综合评估维度的机器学习分类模型，采集的脑电数据为对建筑工人同时施加恐高、疲倦和分心三种维度的刺激作出反应时的脑电数据，根据综合评估维度下的重要脑电特征，对采集的脑电数据进行预处理与特征提取；

对脑电特征数据样本赋予标签，评估结果为建筑工人具备较低水平的高空作业安全能力时，赋予标签1；评估结果为建筑工人具备中等水平的高空作业安全能力时，赋予标签2；评估结果为建筑工人具备较高水平的高空作业安全能力时，赋予标签3；

将综合评估维度下的重要脑电特征对应的数据样本和标签输入至高斯核函数支持向量机，通过训练得到综合评估维度的机器学习分类模型。

6.根据权利要求1所述的建筑工人高空作业安全能力评估方法，其特征在于，所述时域特征是指通过时域分析法，提取脑电仪中每个通道脑电数据的标准差、波段指数及峰度；

所述频域特征是指通过频谱分析法，提取脑电仪中每个通道及每个频带下脑电数据的功率谱密度；

所述非线性特征是指采用非线性动力算法，提取脑电仪每个通道脑电数据的近似熵、模糊熵与赫斯特指数。

7.根据权利要求1所述的建筑工人高空作业安全能力评估方法，其特征在于，所述伪迹成分包括内部伪迹成分和外部伪迹成分。