CN114757569B - 一种基于多源数据融合的煤矿作业人员尘肺风险预警方法 - Google Patents
一种基于多源数据融合的煤矿作业人员尘肺风险预警方法 Download PDFInfo
- Publication number
- CN114757569B CN114757569B CN202210492384.8A CN202210492384A CN114757569B CN 114757569 B CN114757569 B CN 114757569B CN 202210492384 A CN202210492384 A CN 202210492384A CN 114757569 B CN114757569 B CN 114757569B
- Authority
- CN
- China
- Prior art keywords
- risk
- dust
- coal mine
- value
- early warning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000003245 coal Substances 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 32
- 206010035653 pneumoconiosis Diseases 0.000 title claims abstract description 27
- 230000004927 fusion Effects 0.000 title claims abstract description 9
- 238000004445 quantitative analysis Methods 0.000 claims abstract description 4
- 239000000428 dust Substances 0.000 claims description 69
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 20
- 238000011156 evaluation Methods 0.000 claims description 13
- 230000036541 health Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 239000000377 silicon dioxide Substances 0.000 claims description 10
- 230000000241 respiratory effect Effects 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 8
- 239000002245 particle Substances 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 208000019693 Lung disease Diseases 0.000 claims description 6
- 210000004072 lung Anatomy 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 230000000391 smoking effect Effects 0.000 claims description 6
- 235000003715 nutritional status Nutrition 0.000 claims description 5
- 238000000926 separation method Methods 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 230000008520 organization Effects 0.000 claims description 3
- 230000001681 protective effect Effects 0.000 claims description 3
- 238000013077 scoring method Methods 0.000 claims description 3
- 235000012239 silicon dioxide Nutrition 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 abstract description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 208000028571 Occupational disease Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000002817 coal dust Substances 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Computer Security & Cryptography (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Sampling And Sample Adjustment (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于多源数据融合的煤矿作业人员尘肺风险预警方法,属于煤矿技术领域。该方法包括:S1:建立多源数据预警指标集合,包括作业特征集、管理特征集和个体和群体特征集;S2:综合考虑煤矿作业特征、煤矿作业场所管理特征,以及煤矿作业人员个体和群体特征,建立多源数据风险预警模型,从而计算出风险值;S3:根据步骤S2得到的风险值,采用定量分析法计算风险等级。本发明方法考虑因素全、集成性高、预测简便快速。
Description
技术领域
本发明属于煤矿技术领域,涉及一种基于多源数据融合的煤矿作业人员尘肺风险预警方法。
背景技术
现阶段是采取健康筛查方式作为评价尘肺患病的依据,对尘肺预测预警、接尘人员调岗管理等显得滞后。科学评价作业人员尘肺患病风险是有针对性地防治尘肺病的前提,因此亟需一种可有效地针对煤矿作业场所的尘肺病患病风险预警方法,以便提前向煤矿职业危害监测监管机构、煤炭生产企业、接尘作业人员发布预测预警。
也有一些学者开展了相关研究,比如卢国栋等通过对矿山企业尘肺病例数作离散变量的分析,提出了用随机性研究来描述尘肺病例数的变化过程,推导相应的数学模型用来预测企业未来五年的尘肺病病例发展情况。刘红波根据接尘矿工煤工尘肺平均发病率和年龄寿命预测不同年龄健康接尘矿工煤工尘肺未来发病人数。张伟使用人工神经网络建立个人有积累效应的职业病预警模型。李鸿瑞等比较了基于多层感知器神经网络和logistic回归模型的个体尘肺发病概率预测模型。然而以上研究均没有系统性地结合煤矿作业场所特征、作业管理特征及作业人员的个体、群体特征,只考虑了引起尘肺病少部分因素,局限性比较明显。此外,现有的方法多是针对已有的统计资料,无法适应不断变化的作业条件及接尘人员的实际环境。
发明内容
有鉴于此,本发明的目的在于提供一种基于多源数据融合的煤矿作业人员尘肺风险预警方法,综合考虑了煤矿作业特征、管理特征及个体和群体特征等因素,减少常见尘肺预警方法的局限性。该方法考虑因素全、集成性高、预测简便快速。
为达到上述目的,本发明提供如下技术方案:
一种基于多源数据融合的煤矿作业人员尘肺风险预警方法,包括以下步骤:
S1:建立多源数据预警指标集合,包括作业特征集Cw、管理特征集Cm和个体和群体特征集Cig;
S2:综合考虑煤矿作业特征、煤矿作业场所管理特征,以及煤矿作业人员个体和群体特征,建立多源数据风险预警模型,从而计算出风险值Q;
S3:根据步骤S2得到的风险值Q,采用定量分析法计算风险等级。
进一步,步骤S1中,所述作业特征集Cw包括作业场所二氧化硅含量、粉尘浓度、呼吸性粉尘分布指数、作业人员体力劳动强度指数、接触粉尘频率指数、作业人员接尘工龄、整个职业史中的不同工作次数及防护用品指定防护指数;管理特征集Cm包括组织及制度保障、职业健康监护、职业健康现场管理及职业危害处理与响应;所述个体和群体特征集Cig包括肺部疾患、肺活量、营养状况、吸烟情况。
进一步,步骤S2中,建立的多源数据风险预警模型为:
Q=Awfw+Bmfm+Cigfig
其中,Aw为煤矿作业特征风险等级值;Bm为煤矿作业场所管理特征风险值;Cig为煤矿作业人员个体和群体特征风险值;fw、fm、fig为对应的权重值。
进一步,步骤S2中,煤矿作业特征风险等级值Aw的计算公式为:
其中,msi为作业场所生产性粉尘中二氧化硅含量,为对应游离二氧化硅含量的风险值;B为生产性粉尘接触比值,WB为生产性粉尘接触风险值;I为作业人员体力劳动强度指数,WI为作业人员体力劳动强度风险值;V为作业人员粉尘接触频率指数,WV为作业人员粉尘接触频率风险值;F为呼吸性粉尘分布指数,APF为防护口罩的指定防护因数,t为职业史中接触粉尘企业的工作时间,i为作业人员在整个职业史中的不同工作次数;T为作业人员接尘工龄,WT为作业人员接尘工龄指数风险值。
进一步,步骤S2中,生产性粉尘接触比值B:
其中,CTWA为8h加权平均浓度,PC-TWA为加权容许浓度。
进一步,步骤S2中,呼吸性粉尘分布指数F的计算公式为:
其中,M(d)为粉尘在粒径区间d段的最大空气动力学直径值,A为粒径区间d段的粉尘占比,ηk为最大空气动力学直径值对应的分离效能。
进一步,步骤S2中,权重值fw、fm、fig是根据复杂度分析方法或调查统计法确定。
进一步,步骤S2中,通过专家咨询打分法计算煤矿作业场所管理特征风险值Bm,计算公式为:
其中,b1为组织及制度保障风险值,b2为职业健康监护风险值,b3为职业健康现场管理风险值,b4为职业危害处理与响应风险值。
进一步,步骤S2中,煤矿作业人员个体和群体特征风险值Cig的计算公式为:
其中,c1为肺部疾患风险评价值,c2为肺活量评价值,c3为营养状况评价值,c4为吸烟情况评价值。
本发明的有益效果在于:
1)本发明方法集成性高,综合考虑了煤矿作业特征、管理特征及个体和群体特征等因素,减少了常见尘肺预警方法的局限性。
2)本发明方法考虑了现场作业环境的变化,计算的风险值随作业特征参数动态变化,预警更及时,更有助于减少尘肺病的发生。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1为本发明基于多源数据融合的煤矿作业人员尘肺风险预警方法流程图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
请参阅图1,为一种基于多源数据融合的煤矿作业人员尘肺风险预警方法,通过对引起煤工尘肺病的指标进行筛选及分类,并确定各因素的影响权重,建立了基于指标体系的尘肺风险预警模型。该方法具体包括以下步骤:
S1:建立煤矿作业人员尘肺病多源数据预警指标集合。
多源数据预警指标集合如式(1)所示:
P={Cw, Cm, Cig} (1)
其中,Cw表示作业特征集,Cm表示管理特征集,Cig表示个体和群体特征集。
具体的,作业特征集Cw由作业场所二氧化硅含量、粉尘浓度、呼吸性粉尘分布指数、作业人员体力劳动强度指数、接触粉尘频率指数、作业人员接尘工龄、整个职业史中的不同工作次数及防护用品指定防护指数组成;管理特征集Cm由组织及制度保障、职业健康监护、职业健康现场管理及职业危害处理与响应组成;个体和群体特征集Cig由肺部疾患、肺活量、营养状况、吸烟情况组成。
S2:建立煤矿作业人员尘肺病多源数据风险预警模型,表达式为:
Q=Awfw+Bmfm+Cigfig (2)
其中,Aw为煤矿作业特征风险等级值,Bm为管理特征风险值,Cig为个体和群体特征风险值;fw、fm、fig为对应的权重值。
可根据复杂度分析方法、调查统计法等方法确定权重值fw、fm,fig。作为优选,fw=0.6,fm=0.1,fig=0.3。
S21:计算煤矿作业特征风险等级值Aw。
其中,msi为作业场所生产性粉尘中二氧化硅含量,为对应游离二氧化硅含量的风险值;B为生产性粉尘接触比值,WB为产性粉尘接触风险值;I为作业人员体力劳动强度指数,WI为作业人员体力劳动强度风险值;V为作业人员粉尘接触频率指数,WV为作业人员粉尘接触频率风险值;F为呼吸性粉尘分布指数,APF为防护口罩的指定防护因数,t为职业史中接触粉尘企业的工作时间,i为作业人员在整个职业史中的不同工作次数,T为作业人员接尘工龄,WT为作业人员接尘工龄指数风险值。
WB、WV、WI、APF、t、i、T、WT通过查询获得。对长期作业于煤矿粉尘环境的作业人员,当其接触频率V为每月1次接触时,WV=3;当V为每周1次接触时,WV=4;当V为1周内至少接触2次或以上时,WV=6;当每天8h连续接触或超过8h连续接触时,WV=10。当I≤15时,WI=1;当15<I≤20时,WI=1.5;当20<I≤25时,WI=2;当I>25时,WI=2.5。
生产性粉尘接触比值B的计算表达式为:
其中,PC-TWA为加权容许浓度,CTWA为8h加权平均浓度。其中,CTWA可根据作业人员实际作业情况由监测仪器设备读取或者采样分析获得;当煤尘中游离二氧化硅含量<10%时,其PC-TWA=4mg/m3。
当B<1时,WB=0;当1≤B≤2时,WB=1;当B>2时,WB=B。
呼吸性粉尘分布指数F的计算公式为:
其中,M(d)为粉尘在粒径区间d段的最大空气动力学直径值,A为该粒径区间段的粉尘占比,ηk为最大空气动力学直径值对应的分离效能。
以BMRC曲线为例,不同空气动力学直径粉尘的分离效能如表1所示。
表1BMRC曲线下不同空气动力学粒径的分离效能
假设不同粒径段的粉尘占比如表2所示,则:
表2不同粒径段的粉尘占比
作业人员接尘工龄T与作业人员接尘工龄指数风险值WT关系如表3所示。
表3接尘工龄与其指数风险值
S22:计算煤矿作业场所管理特征风险值Bm。
通过专家咨询打分法,建立作业场所管理特征风险值Bm计算模型。
其中,b1为组织及制度保障风险值,b2为职业健康监护风险值,b3为职业健康现场管理风险值,b4为职业危害处理与响应风险值。
S23:计算煤矿作业人员个体和群体特征风险值Cig。
其中,c1为肺部疾患风险评价值,c2为肺活量评价值,c3为营养状况评价值,c4为吸烟情况评价值。
S6:根据公式(2)计算的风险值Q,采用定量分析法计算风险等级,如表4所示。
表4风险值Q与风险等级关系表
风险等级为Ⅰ表示风险极小;风险等级为Ⅱ表示风险较小;风险等级为Ⅲ表示风险较大;风险等级为Ⅳ表示风险很大;风险等级为Ⅴ表示风险极大。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种基于多源数据融合的煤矿作业人员尘肺风险预警方法,其特征在于,该方法包括以下步骤:
S1:建立多源数据预警指标集合,包括作业特征集Cw、管理特征集Cm和个体和群体特征集Cig;所述作业特征集Cw包括作业场所二氧化硅含量、粉尘浓度、呼吸性粉尘分布指数、作业人员体力劳动强度指数、接触粉尘频率指数、作业人员接尘工龄、整个职业史中的不同工作次数及防护用品指定防护指数;管理特征集Cm包括组织及制度保障、职业健康监护、职业健康现场管理及职业危害处理与响应;所述个体和群体特征集Cig包括肺部疾患、肺活量、营养状况和吸烟情况;
S2:综合考虑煤矿作业特征、煤矿作业场所管理特征,以及煤矿作业人员个体和群体特征,建立多源数据风险预警模型,从而计算出风险值Q;
建立的多源数据风险预警模型为:
Q=Awfw+Bmfm+Cigfig
其中,Aw为煤矿作业特征风险等级值;Bm为煤矿作业场所管理特征风险值;Cig为煤矿作业人员个体和群体特征风险值;fw、fm、fig为对应的权重值;
煤矿作业特征风险等级值Aw的计算公式为:
其中,msi为作业场所生产性粉尘中二氧化硅含量,为对应游离二氧化硅含量的风险值;B为生产性粉尘接触比值,WB为生产性粉尘接触风险值;I为作业人员体力劳动强度指数,WI为作业人员体力劳动强度风险值;V为作业人员粉尘接触频率指数,WV为作业人员粉尘接触频率风险值;F为呼吸性粉尘分布指数,APF为防护口罩的指定防护因数,t为职业史中接触粉尘企业的工作时间,i为作业人员在整个职业史中的不同工作次数;T为作业人员接尘工龄,WT为作业人员接尘工龄指数风险值;
通过专家咨询打分法计算煤矿作业场所管理特征风险值Bm,计算公式为:
其中,b1为组织及制度保障风险值,b2为职业健康监护风险值,b3为职业健康现场管理风险值,b4为职业危害处理与响应风险值;
煤矿作业人员个体和群体特征风险值Cig的计算公式为:
其中,c1为肺部疾患风险评价值,c2为肺活量评价值,c3为营养状况评价值,c4为吸烟情况评价值;
S3:根据步骤S2得到的风险值Q,采用定量分析法计算风险等级。
2.根据权利要求1所述的煤矿作业人员尘肺风险预警方法,其特征在于,步骤S2中,msi、F通过采样分析计算获得;Wmsi、WB、WI、WV、APF、t、i、T、WT通过查询获得。
5.根据权利要求1所述的煤矿作业人员尘肺风险预警方法,其特征在于,步骤S2中,权重值fw、fm、fig是根据复杂度分析方法或调查统计法确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210492384.8A CN114757569B (zh) | 2022-05-07 | 2022-05-07 | 一种基于多源数据融合的煤矿作业人员尘肺风险预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210492384.8A CN114757569B (zh) | 2022-05-07 | 2022-05-07 | 一种基于多源数据融合的煤矿作业人员尘肺风险预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114757569A CN114757569A (zh) | 2022-07-15 |
CN114757569B true CN114757569B (zh) | 2023-06-23 |
Family
ID=82334845
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210492384.8A Active CN114757569B (zh) | 2022-05-07 | 2022-05-07 | 一种基于多源数据融合的煤矿作业人员尘肺风险预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114757569B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760675A (zh) * | 2016-02-23 | 2016-07-13 | 天津渤海化工集团公司劳动卫生研究所 | 电焊烟尘职业暴露导致电焊工尘肺风险分析方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109670662A (zh) * | 2017-10-17 | 2019-04-23 | 中国石油化工股份有限公司 | 粉尘作业职业危害半定量风险评估方法 |
CN111325434A (zh) * | 2018-12-17 | 2020-06-23 | 中安智讯(北京)信息科技有限公司 | 一种基于大数据的煤矿生产风险评估指标体系构建方法 |
CN110969244B (zh) * | 2019-12-18 | 2023-04-25 | 长安大学 | 一种基于卷积神经网络的建筑施工安全监测方法 |
CN111985819B (zh) * | 2020-08-23 | 2024-04-30 | 哈尔滨理工大学 | 一种工业粉尘涉爆风险评价方法 |
-
2022
- 2022-05-07 CN CN202210492384.8A patent/CN114757569B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760675A (zh) * | 2016-02-23 | 2016-07-13 | 天津渤海化工集团公司劳动卫生研究所 | 电焊烟尘职业暴露导致电焊工尘肺风险分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114757569A (zh) | 2022-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107886235A (zh) | 一种耦合确定性与不确定分析的火灾风险评估方法 | |
CN112651553A (zh) | 一种城市大气污染预警监管和决策分析的方法 | |
CN113869698A (zh) | 一种既有建筑消防安全评估方法 | |
Kruzhilko et al. | Control of the workplace environment by physical factors and SMART monitoring | |
CN103337043A (zh) | 电力通信设备运行状态的预警方法和系统 | |
CN115063056B (zh) | 基于图拓扑分析改进的建造行为安全风险动态分析方法 | |
CN111695836A (zh) | 临床试验在线运行管控集成系统 | |
CN111310803B (zh) | 环境数据处理方法和装置 | |
CN114817681B (zh) | 一种基于大数据分析的金融风控系统及其管理设备 | |
CN114757569B (zh) | 一种基于多源数据融合的煤矿作业人员尘肺风险预警方法 | |
CN113554052A (zh) | 一种城市空气质量评估诊断系统 | |
CN112508416A (zh) | 基于云模糊层次分析法的油气储运站场安全等级评估方法 | |
CN112365186A (zh) | 一种电力信息系统健康度评估方法及其评估系统 | |
CN110334767B (zh) | 一种用于空气质量分类的改进随机森林方法 | |
CN110807174A (zh) | 一种基于统计分布的污水厂厂群出水分析及异常识别方法 | |
CN114298590A (zh) | 一种医疗机构院感管理质量评估系统及方法 | |
CN114445090A (zh) | 一种用于企业排污许可的跟踪管理系统 | |
CN113807715A (zh) | 一种化工装置风险动态预警方法 | |
CN108363738A (zh) | 一种工业设备数据分析算法的推荐方法 | |
CN111680919A (zh) | 用于社区矫正管理工作的动态考核系统 | |
CN112072789A (zh) | 低电压台区识别方法、检修方法及其预警方法 | |
Kunar et al. | Relationship of individual and work related factors with obstructive type lung function disorder of underground coal miners: A spirometry study | |
Amoako et al. | Activity-based respirable dust prediction in underground mines using artificial neural network | |
CN116633990B (zh) | 一种基于云计算的远程信息数字化监管系统及方法 | |
CN117854693A (zh) | 云计算驱动的医疗数据分析平台 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |