基于暴露-听力联合序列的噪声听力损失数字孪生构建方法与流程
本发明属于职业健康大数据、噪声风险评估、数字孪生与人工智能交叉,具体涉及一种基于暴露-听力联合序列的噪声听力损失数字孪生构建方法。
背景技术:
1、噪声性听力损失是职业人群中常见的职业健康损害之一。现有职业噪声管理通常依赖噪声检测、职业健康检查、听力防护用品管理和职业健康档案管理。多数职业健康信息系统以静态档案、单次检测结果或年度体检结果为核心,主要用于记录、查询、统计和合规报告。
2、然而,职业噪声暴露具有明显的动态性和层级性。作业人员的实际暴露水平会受到岗位变化、生产任务、设备状态、工程控制措施、听力防护用品使用情况和企业管理水平等因素影响。听力状态也具有时间演化特征,单次体检结果难以充分反映作业人员未来听力风险。
3、现有技术至少存在以下不足:
4、第一,多源职业健康数据难以统一融合。噪声检测数据、职业健康检查数据、岗位数据、企业管理数据和行业参照数据通常来自不同系统,编码方式、数据结构、时间粒度和质量标准不一致,难以形成统一的数据基础。
5、第二,现有系统多以作业人员或企业为静态管理对象,缺少作业人员、岗位、企业和行业多层级联动建模能力,难以同时表达个体风险、岗位风险、企业风险和行业参照风险。
6、第三,现有风险评估多为一次性或周期性评价,不能在新增噪声检测、职业健康检查、岗位变更或干预措施数据后自动刷新风险状态。
7、第四,现有系统多用于展示历史记录,难以模拟工程降噪、听力防护用品使用、岗位轮换和暴露时间调整等干预措施对未来听力风险的影响。
8、数字孪生技术能够将现实对象映射为可计算、可更新和可仿真的虚拟对象。将数字孪生技术应用于职业噪声健康风险管理,可以为作业人员、岗位、企业和行业构建持续更新的虚拟风险模型,从而实现动态预测、风险预警和干预仿真。
9、现有公开技术中,cn114997738a基于iso1999标准改进了噪声听力损失风险计算方法,能够进行定量风险评价和风险管理,但其重点在于基于给定噪声水平、年龄、性别和听阈界线计算统计风险,未建立暴露事件与听力事件在统一时间轴上的联合状态序列,也不支持个体-岗位-企业-行业四层级动态孪生联动和干预后状态序列重算。cn120360544a提出了基于多因素logistic回归和列线图的噪声听力损失评估装置,能够利用累积噪声暴露量及若干个体因素进行风险评估,但仍属于以个体静态特征为基础的一次性评估模型,不支持岗位变更分段挂载、新增数据触发的层级刷新以及干预措施对未来听力风险影响的量化仿真。
技术实现思路
1、本发明的主要目的在于提供基于暴露-听力联合序列的噪声听力损失数字孪生构建方法,用于将多源异构职业健康数据按功能类别统一管理,通过统一编码、统一时间轴和暴露-听力时间滞后标记形成联合状态序列,并构建作业人员、岗位、企业和行业四层级动态联动数字孪生对象,实现职业噪声健康风险的动态刷新、未来风险预测、行业参照校准和干预后风险变化仿真。该方法重点解决现有噪声风险计算方法和静态统计评估装置无法表达暴露-听力时序因果关系、无法处理跨岗位职业经历以及无法仿真干预后风险变化的问题。
2、为达到以上目的,本发明提供一种基于暴露-听力联合序列的噪声听力损失数字孪生构建方法,包括以下步骤:
3、步骤s1:接入多源职业健康数据,并按照功能类别对多源职业健康数据进行数据源类别标记;
4、步骤s2:建立统一编码体系;
5、步骤s3:基于统一编码体系,对多源职业健康数据进行数据治理和特征标准化处理,生成标准化职业健康融合数据集;
6、步骤s4:基于时间索引,将噪声暴露事件、职业健康检查事件、岗位事件、企业事件和干预事件映射至统一时间轴;
7、步骤s5:根据统一时间轴生成作业人员在不同时间窗口内的暴露状态序列和听力状态序列,并将暴露状态、听力状态、岗位状态、企业状态、行业参照状态、数据质量标记和暴露-听力时间滞后标记封装为暴露-听力联合状态序列;
8、步骤s6:基于暴露-听力联合状态序列构建作业人员孪生对象,并基于岗位归属起止时间进行分段挂载,进一步构建岗位孪生对象、企业孪生对象和行业孪生对象,形成四层级动态联动结构;
9、步骤s7:将作业人员孪生对象、岗位孪生对象、企业孪生对象、行业孪生对象和时间演化对象组合为噪声性听力损失数字孪生体;
10、步骤s8:基于噪声性听力损失数字孪生体计算当前风险状态和未来风险状态;
11、步骤s9:当接收到新增噪声检测数据、职业健康检查数据、岗位变更数据或干预措施数据时,触发噪声性听力损失数字孪生体的动态刷新,并重新计算当前风险状态和未来风险状态;
12、步骤s10:基于刷新后的噪声性听力损失数字孪生体,通过修改暴露状态序列、防护状态序列或岗位归属序列生成干预后暴露-听力联合状态序列,并输出干预前后未来风险差值、风险等级变化和高风险人员比例变化。
13、作为上述技术方案的进一步优选的技术方案,步骤s1中,所述多源职业健康数据至少包括噪声暴露相关数据、听力健康相关数据、岗位相关数据、企业相关数据、行业参照相关数据和干预措施相关数据中的两类以上;
14、并且多源职业健康数据按照功能类别至少划分为:
15、第一类数据源,用于提供噪声暴露与听力健康之间的配对关联信息;
16、第二类数据源,用于提供随时间变化的职业健康随访信息;
17、第三类数据源,用于提供听力状态演化参照信息或外部验证信息;
18、其中,所述第一类数据源、第二类数据源和第三类数据源以数据源类别标记、数据版本标记、采集时间标记和数据质量标记进行管理。
19、作为上述技术方案的进一步优选的技术方案,步骤s2中,所述统一编码体系包括作业人员编码、岗位编码、企业编码、行业编码、事件编码和时间索引,其中:
20、所述作业人员编码为匿名化编码,原始身份信息与分析编码分离存储;
21、所述岗位编码基于岗位名称、工种名称、作业任务、作业区域或生产线信息生成;
22、所述企业编码采用层级结构,层级结构包括企业层、车间层、生产线层和作业单元层;
23、所述事件编码包括噪声检测事件编码、职业健康检查事件编码、岗位变更事件编码、企业管理事件编码和干预措施事件编码。
24、作为上述技术方案的进一步优选的技术方案,在步骤s5中,根据统一时间轴,按预设时间窗口分别生成作业人员的暴露状态序列和听力状态序列;并且基于时间窗口的时间对齐关系,将暴露状态序列与听力状态序列按照相同时间窗口进行一一配对,并进一步生成暴露事件与听力检查事件之间的时间滞后标记;将同一时间窗口内的暴露状态、听力状态、岗位状态、企业状态、行业参照状态、数据质量标记和所述时间滞后标记封装为联合状态节点,按时间顺序连接多个联合状态节点,形成暴露-听力联合状态序列,其中:
25、所述暴露状态序列包括噪声强度表征、暴露时间表征、频谱表征、波动表征、复杂度表征、防护修正表征和累计暴露表征;
26、所述听力状态序列包括基础听力表征、频率特异性听力表征、听力变化趋势、异常模式标记和功能影响表征;
27、当同一时间窗口内存在多个噪声暴露事件时,基于数据质量等级、岗位匹配程度、时间接近程度和预设融合规则生成该时间窗口的综合暴露状态;
28、当同一时间窗口内存在多个职业健康检查事件时,基于检查完整性、检查质量、时间接近程度和预设优先级规则生成该时间窗口的听力状态。
29、作为上述技术方案的进一步优选的技术方案,在步骤s6中,基于作业人员与岗位、企业和行业之间随时间变化的层级归属关系构建上层孪生对象,其中:当作业人员存在岗位变更历史时,依据各阶段岗位归属起止时间将该作业人员的联合状态节点分段挂载至相应岗位,保证同一作业人员在不同岗位阶段的暴露状态和听力状态贡献相互独立,其中:
30、岗位孪生对象由归属于该岗位的作业人员孪生对象按预设聚合规则计算得到,企业孪生对象由其包含的岗位孪生对象聚合得到,行业孪生对象由其包含的企业孪生对象聚合得到;
31、作业人员孪生对象状态变化后,系统按照作业人员层、岗位层、企业层和行业层进行向上聚合更新,行业参照状态变化后,系统按照行业层、企业层、岗位层和作业人员层对未来风险预测进行反向校准;所述岗位变更分段挂载为构建岗位孪生对象的必要步骤,用于避免同一作业人员跨岗位职业经历被错误合并为单一岗位风险贡献。
32、作为上述技术方案的进一步优选的技术方案,步骤s6中,所述作业人员孪生对象包括个体基础状态、职业经历状态、历史暴露状态、近期暴露状态、累计暴露状态、听力状态、听力轨迹、防护用品使用状态、岗位变更状态、干预措施状态、当前风险状态和未来风险状态中;
33、所述岗位孪生对象包括岗位暴露水平、岗位暴露波动特征、岗位人员构成、岗位听力风险分布、岗位风险聚集特征和岗位风险等级;
34、所述企业孪生对象包括企业岗位结构、企业噪声暴露分布、重点岗位清单、高风险人员分布、职业健康检查结果分布、干预措施执行状态、企业风险等级和企业风险变化趋势;
35、所述行业孪生对象包括行业噪声暴露分布、行业岗位风险谱、行业听力风险基准、行业干预效果基准、行业风险变化趋势和行业外部参照曲线。
36、作为上述技术方案的进一步优选的技术方案,步骤s7中,噪声性听力损失数字孪生体采用如下状态结构表示:
37、;
38、其中,worker表示作业人员孪生对象,exposure表示噪声暴露状态对象,hearing表示听力状态对象,job表示岗位孪生对象,enterprise表示企业孪生对象,industry表示行业孪生对象,time表示时间演化对象。
39、作为上述技术方案的进一步优选的技术方案,步骤s8中,未来风险状态通过如下函数计算:
40、;
41、其中,hearingtrajectory表示由暴露-听力联合状态序列提取的听力状态时间轨迹,intervention表示干预措施状态,f表示风险预测函数;
42、所述风险预测函数f以所述暴露-听力联合状态序列中的联合状态节点或连续多个联合状态节点作为输入,至少包括噪声强度表征、累计暴露表征、频率特异性听力表征、听力变化趋势、岗位归属状态、数据质量标记和暴露-听力时间滞后标记,输出作业人员在预设预测时间窗口内的噪声性听力损失风险得分或风险等级。
43、作为上述技术方案的进一步优选的技术方案,在步骤s10中,基于刷新后的噪声性听力损失数字孪生体,对至少一种职业噪声干预措施进行仿真,其中干预仿真通过修改暴露状态序列、防护状态序列或岗位归属序列中的至少一种状态变量,生成干预后暴露-听力联合状态序列,并将干预前联合状态序列和干预后联合状态序列分别输入风险预测函数,输出干预前后未来风险差值、风险等级变化、高风险人员比例变化以及岗位层或企业层风险变化结果;每次干预仿真均记录干预情景标识、被替换状态变量、替换前后取值和风险重算时间戳,以形成可追溯的干预仿真闭环。
44、作为上述技术方案的进一步优选的技术方案,步骤s10中,干预前后未来风险变化结果包括干预前后未来风险差值、风险评分变化、风险等级变化、预计风险降低幅度、重点受益人员、重点受益岗位、高风险人员比例变化、岗位层风险变化、企业总体风险变化和干预措施优先级。
45、本发明的有益效果为:
46、1.实现多源异构职业健康数据融合。本发明通过数据源类别标记、统一编码、数据治理、特征标准化和统一时间轴对齐,使不同来源、不同结构和不同时间粒度的职业健康数据能够形成统一的数据基础。
47、2.实现暴露-听力联合状态建模。本发明不是单独管理噪声检测结果或听力检查结果,而是将暴露状态序列与听力状态序列按时间窗口进行配对,生成暴露-听力联合状态序列。
48、3.实现四层级数字孪生对象构建。本发明同时构建作业人员、岗位、企业和行业四层级数字孪生对象,能够支持个体风险评估、岗位风险排序、企业风险画像和行业参照比较。
49、4.实现新增数据触发的动态刷新。当新增噪声检测、职业健康检查、岗位变更或干预措施数据后,系统能够自动刷新数字孪生体,并重新计算当前风险和未来风险。
50、5.实现干预措施仿真。本发明能够模拟工程降噪、听力防护用品使用、岗位轮换和暴露时间调整等措施对未来风险的影响,并输出干预前后风险变化结果。
51、6.区别于普通静态档案系统。本发明不是单纯的数据存储、查询或报表系统,而是将职业健康档案转化为可更新、可预测、可仿真的噪声性听力损失数字孪生体。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com