基于多层感知机(MLP)的零售业职业事故风险预测模型构建与实证研究

本研究创新性地应用多层感知机(MLP)算法，通过整合葡萄牙零售企业10个数据库构建预测模型，实现当前及次日四个班次的职业风险预警（准确率92%，假阳性率8%）。该研究填补了零售业安全预测的学术空白，为职业健康安全(OHS)管理提供了智能化解决方案。

　　

Highlight

本研究提出的预测模型在集成系统中运行九个月，在识别风险情境时展现出：

• 92%准确率(Accuracy)

• 仅29%的精确率(Precision)

• 8%假阳性率(FP)

Results and discussion

该预测模型通过集成系统向三类用户提供风险可视化及预警：

• 系统管理员：可查看并接收所有门店风险数据

• 职业健康安全(OHS)技术人员：仅接收负责门店的预警

• 区域/部门经理及店长：获取专属门店风险信息

Conclusions

基于多层感知机(MLP)算法的预测模型具有以下突破：

1. 1.

   首次针对零售业开发双日连续预测系统（涵盖四个工作班次）

2. 2.

   通过10个企业数据库构建的综合数据集，采用基于事故记录数的冲击评分(impact scores)

3. 3.

   实际部署验证了其在提升工作场所安全方面的实用价值

CRediT authorship contribution statement

Inês Sena：主导资源整合、方法论构建及原始文稿撰写

Felipe G. Silva：负责数据治理与形式化分析

团队其他成员在可视化验证(Ana Cristina Braga)、学术监督(Florbela P. Fernandes等)方面作出关键贡献

Declaration of competing interest

作者声明不存在可能影响研究结果的财务或个人利益冲突

Acknowledgments

感谢葡萄牙科技基金会(FCT)通过CeDRI(UIDB/05757)和SusTEC(LA/P/0007/2020)项目提供的资金支持，以及NORTE-01-0247-FEDER-072598 iSafety项目的协作。Inês Sena获FCT博士奖学金(UI/BD/153348/2022)资助。