编辑推荐：
在深海载人潜水器作业中，潜水员认知表现影响任务完成，但其影响因素及预测方法未知。研究人员开展基于典型任务心理负荷的潜水员认知表现预测模型研究，构建了 RBFNN 模型。结果表明合理心理负荷等可提升认知表现，为潜水员选拔和任务组织提供依据。
在神秘深邃的海洋世界里，载人潜水器就像是探索深海奥秘的 “魔法潜艇”，而潜水员则是驾驶这一潜艇的英勇 “探险家”。然而，他们的工作环境却极为恶劣。狭小的空间、高温高湿的环境、长时间的噪音和振动，还有有限的能源供应，都如同重重 “关卡”，考验着潜水员的认知能力。据统计，70 - 80% 的载人深潜事故与人为因素有关，潜水员认知表现的下降是导致错误的重要原因之一。因此，了解哪些因素影响潜水员的认知表现，以及如何准确预测他们的认知状态，成为了保障深海作业安全和高效的关键，这也是本次研究开展的重要原因。
宁波大学等研究机构的研究人员，针对这一问题展开了深入研究。他们通过一系列实验和分析，构建了基于径向基函数（RBF）的潜水员认知表现预测模型，为提升潜水员的作业效率和保障作业安全提供了重要依据，相关研究成果发表在《BMC Psychology》杂志上。
研究人员采用了多种关键技术方法来开展研究。首先，利用视觉、听觉、认知、心理运动（VACP）技术，构建了潜水员典型任务的心理负荷模型，量化了不同任务在各通道的资源消耗。其次，通过 E - prime3.0 软件记录参与者认知数据，Gifcam 软件记录操作过程，并让参与者填写主观舒适度量表收集数据。最后，运用 RBF 神经网络（RBFNN）结合回归分析构建认知表现预测模型，并采用五折交叉验证评估模型性能。
研究结果
- 数据预处理与模型构建：研究人员对 40 名年龄在 21 - 40 岁的男性志愿者进行实验，让他们完成获取和评估巡航位置、接收和执行界面命令、获取和操作语音指令、获取语音信息并回答问题等典型任务。根据 VACP 技术计算各任务的多通道工作量值，同时采集参与者的认知反应时间和准确性数据构建认知表现模型。利用 RBFNN 建立预测模型，将年龄、教育水平、各通道工作量和主观舒适度等作为输入，认知表现作为输出。
- 模型验证与对比：通过离群值检测和数据清洗，去除异常数据点后构建模型。采用均方根误差（RMSE）、平均绝对误差（MAE）和均方误差（MSE）评估模型准确性，并与反向传播神经网络（BPNN）对比。结果显示，RBFNN 模型在各项指标上均优于 BPNN 模型（RMSE =0.219，MAE =0.046，MSE =0.007 ），表明其能更准确地预测潜水员的认知表现。
- 各因素对认知表现的影响：Pearson 相关系数分析表明，年龄、教育水平、视觉工作量、听觉工作量、认知工作量、心理运动工作量和主观舒适度与认知表现显著相关。进一步分析发现，不同通道的工作量对认知表现有不同影响。例如，视觉通道工作量在 80 - 90 时，认知表现最佳；听觉通道工作量在 40 - 50 时，认知表现较好。同时，主观舒适度在相对舒适（5 级）和非常舒适（6 级）时，认知表现达到峰值。年龄方面，29 岁的潜水员认知表现最高；教育水平上，博士学历的潜水员认知表现相对较高。
研究结论与讨论
本研究成功构建了潜水员个性化认知表现预测模型，该模型能够有效关联人员多通道任务与认知表现，为潜水员的选拔和任务组织提供了科学依据。研究发现合理的各通道负荷、适宜的主观舒适度、合适的年龄范围和较高的教育水平有助于提升潜水员的认知表现。
然而，本研究也存在一定局限性，如参与者并非实际载人潜水器的操作人员。未来研究可邀请实际潜水员进行实验，进一步验证研究结论。此外，还可探索更多提升潜水员认知表现的方法，如生理节律调节、注意力部署训练等。通过不断完善研究，有望为深海作业的安全和高效提供更有力的保障，让潜水员在探索深海奥秘的征程中更加顺利。
