[發明專利]一種基于隨機森林和word2vec的礦工營養代謝評估方法及系統

在審

• 申請號: 202010437480.3
• 申請日: 2020-05-21
• 公開（公告）號: CN111613331A
• 公開（公告）日: 2020-09-01
• 發明（設計）人: 周孟然;馬祖長;胡鋒;陳炎炎;卞凱;閆鵬程
• 申請（專利權）人: 安徽理工大學;合肥博諧電子科技有限公司
• 主分類號: G16H50/30
• 分類號: G16H50/30;G16H20/60;G06K9/62;G06F17/18
• 代理公司: 西安銘澤知識產權代理事務所(普通合伙) 61223
• 代理人: 吳林

1.一種基于隨機森林和word2vec的礦工營養代謝評估方法，其特征在于，包括以下步驟：

S1：搭建礦工營養代謝分析系統；

S2：采集礦工代謝數據：利用礦工營養代謝分析系統采集若干個礦工的吸入氣體數據A、呼出氣體數據B、個人信息數據C以及代謝的量化表示Output；

S3：礦工個人信息的數字化：采用word2vec算法對個人信息數據C進行詞向量轉化處理，將原始個人文本信息轉化為詞向量D；

S4：特征融合：將礦工的吸入氣體數據A、呼出氣體數據B以及每個礦工個體個人信息的詞向量表達D組合，形成礦工代謝數據Input；

S5：樣本集劃分：將特征融合后的礦工代謝數據樣本按一定的比例隨機劃分成訓練集和預測集；

S6：建立礦工營養代謝的評估模型：將訓練集的數據輸入到隨機森林模型中進行訓練，將預測集用于礦工營養代謝預測效果的驗證，實現礦工營養代謝的評估。

2.如權利要求1所述的一種基于隨機森林和word2vec的礦工營養代謝評估方法，其特征在于，所述步驟S1中，礦工營養代謝分析系統包括礦工吸入氣體采集模塊、礦工呼出氣體檢測模塊、礦工個人信息輸入模塊以及上位機。

3.如權利要求1所述的一種基于隨機森林和word2vec的礦工營養代謝評估方法，其特征在于，所述步驟S2中，所述吸入氣體數據A包括氧氣含量A₁、二氧化碳含量A₂以及吸入氣體質量A₃；所述呼出氣體數據B包括氧氣含量B₁、二氧化碳含量B₂以及呼出氣體質量B₃；所述個人信息數據C包括姓名、性別、年齡、工作地點以及既往病史，所述代謝的量化表示Output為0-100內的數值。

4.如權利要求1所述的一種基于隨機森林和word2vec的礦工營養代謝評估方法，其特征在于，所述步驟S3中轉化步驟如下：

S31：定義Skip-gram模型在已知給定詞w_t的前提下預測該詞的上下文w_ct，則上下文w_ct可以表示為：

w_ct＝w_t-c,…,w_t-1,w_t+1,…,w_t+c (1)

其中，c是給定詞w_t的前后詞語數目；

S32：定義Skip-gram模型的優化目標函數為公式(2)的對數似然函數：

其中C表示的是包含所有詞語的語料庫，k表示的是當前詞w_t的窗口大小，即當前詞的前后各取k個詞語；

S33：結合Hierachical Softmax算法和負采樣對式中條件概率p(w_t+c|w_t)進行優化，得到：

其中，v_w和v′_w分別表示的是詞w的輸入輸出詞向量，W表示的是詞典大小。

5.如權利要求1或3所述的一種基于隨機森林和word2vec的礦工營養代謝評估方法，其特征在于，所述步驟S4中，將所述礦工的吸入氣體數據A中的氧氣含量A₁、二氧化碳含量A₂以及重量A₃和所述呼出氣體數據B中的氧氣含量B₁、二氧化碳含量B₂以及重量B₃以及每個礦工個體個人信息的詞向量表達D依次連接，形成礦工代謝數據Input。

6.如權利要求1所述的一種基于隨機森林和word2vec的礦工營養代謝評估方法，其特征在于，所述步驟S5中，按照4：1的比例將特征融合后的N個礦工代謝數據隨機劃分成訓練集和預測集。