摘要：基于CiteSpace知識譜圖可視化分析方法，系統(tǒng)整理并分析礦山工程項目建設(shè)管理的研究現(xiàn)狀和存在的不足之處，并提出未來研究趨勢。運(yùn)用神經(jīng)科學(xué)技術(shù)支撐礦山工程項目管理研究與實踐，為礦山智能化建設(shè)科學(xué)合理地發(fā)展提供堅實基礎(chǔ)?；?015—2025年Web of Science核心數(shù)據(jù)庫中礦山工程項目管理的相關(guān)文獻(xiàn)，采用CiteSpace系統(tǒng)整合礦山工程項目管理的目前整體發(fā)展趨勢、主要關(guān)鍵詞、面臨挑戰(zhàn)及未來發(fā)展趨勢等相關(guān)信息。研究表明，神經(jīng)科學(xué)技術(shù)可為礦山工程項目管理的效率與智能化水平提升提供有效手段。研究旨在為后續(xù)礦山領(lǐng)域廣泛采用該技術(shù)奠定堅實的理論依據(jù)。

關(guān)鍵詞：神經(jīng)科學(xué)；礦山工程；知識圖譜；項目管理；礦山智能化

0"引言

隨著神經(jīng)科學(xué)、人工智能、大數(shù)據(jù)分析等技術(shù)的迅猛發(fā)展，基于神經(jīng)科學(xué)的礦山項目工程管理研究逐漸獲得學(xué)者們的重視。神經(jīng)科學(xué)技術(shù)在預(yù)測與預(yù)警方面具有顯著優(yōu)勢，該技術(shù)能夠有效預(yù)警礦工可能出現(xiàn)的不良行為，進(jìn)而幫助學(xué)者更精確地捕捉并分析礦山工人的作業(yè)模式。根據(jù)以往研究，一系列事故致因理論都將人的不安全行為視為導(dǎo)致事故發(fā)生的直接原因^[1]。而人處在復(fù)雜環(huán)境下，易受外界環(huán)境等多種因素的影響，導(dǎo)致其做出不安全行為，進(jìn)而引發(fā)事故^[2-3]。通過神經(jīng)科學(xué)技術(shù)對人體行為能力展開研究，可以更為精確地評估生理行為指標(biāo)，為礦山工程項目管理提供有力的技術(shù)支撐。

基于人的不安全行為在礦山工程管理中的重要性，國內(nèi)學(xué)者利用神經(jīng)科學(xué)技術(shù)對礦山工人行為能力的研究逐漸增多。同時，國內(nèi)外學(xué)者也從多個角度出發(fā)，運(yùn)用多種方法來深入探索礦山工人的行為能力，并取得了豐富的研究成果^[4-8]。權(quán)學(xué)良等^[9]研究與開發(fā)了能夠識別、解釋、處理和模擬人類情感的理論、方法與系統(tǒng)，腦電、心電、皮膚電等生理信號是情感計算重要的輸入信號，并結(jié)合近年來基于腦電等生理信號的情感計算，研究處理個體差異的遷移學(xué)習(xí)、降低數(shù)據(jù)標(biāo)注量的主動學(xué)習(xí)等算法。聶興信等^[10]通過生理、心理指標(biāo)，探究了熱濕環(huán)境對人體機(jī)能和礦山工人健康呈負(fù)相關(guān)關(guān)系。田水承等^[11]發(fā)現(xiàn)高溫聯(lián)合噪聲環(huán)境會導(dǎo)致礦山工人安全行為能力降低，增大了礦山工人不安全行為發(fā)生的概率。

近年來，礦山工程安全管理領(lǐng)域越來越被重視，成為保障生產(chǎn)安全與人員健康的關(guān)鍵一環(huán)。在此大背景下，深入理解和改善礦山工人的安全行為尤為重要^[12-15]。傳統(tǒng)上，國內(nèi)學(xué)者多傾向于采用人本主義理論來指導(dǎo)安全行為研究，心理學(xué)指出，安全心理對個體的安全行為具有極為顯著的影響。然而，盡管傳統(tǒng)方法提供了一定程度的洞見，但僅限于心理層面的探討，對于神經(jīng)科學(xué)在礦山工人生理、心理行為影響方面的研究尚顯不足。鑒于此，通過神經(jīng)科學(xué)技術(shù)能夠更科學(xué)、準(zhǔn)確地評估個人行為能力狀況，從而為深入探究礦山工人的生理行為能力，以及優(yōu)化礦山工程項目管理策略提供一種更為精確的方法。

1"研究方法及數(shù)據(jù)來源

1.1"研究方法

本文采用CiteSpace文獻(xiàn)分析軟件^[16]對神經(jīng)科學(xué)和礦山項目管理相關(guān)文獻(xiàn)進(jìn)行分析，該軟件通過對某種特定領(lǐng)域的文獻(xiàn)集分析，旨在發(fā)現(xiàn)該領(lǐng)域的學(xué)術(shù)演化特征。目前，CiteSpace軟件已普遍采用于全球科學(xué)計量學(xué)研究領(lǐng)域。相較于其他文獻(xiàn)分析軟件，該軟件所呈現(xiàn)的知識譜圖更為直觀，可視化分析效果更好，更利于學(xué)者研究不同領(lǐng)域的現(xiàn)狀及未來發(fā)展趨勢。

1.2"數(shù)據(jù)來源

本文數(shù)據(jù)來源于Web of Science文獻(xiàn)資料庫，對2015—2025年涉及神經(jīng)科學(xué)領(lǐng)域和礦山工程領(lǐng)域兩方面的文獻(xiàn)進(jìn)行檢索分析，全部數(shù)據(jù)檢索要求見表1。本文最終收集到2015—2025年期間中、英文論文共352篇。其中包括期刊、綜述等文獻(xiàn)類型，包括神經(jīng)科學(xué)、礦山項目管理等研究領(lǐng)域。文獻(xiàn)年度發(fā)表量及年度累計發(fā)表總量如圖1所示。由圖1中各年度發(fā)文數(shù)量可看出，2015—2025年間發(fā)表的與礦山神經(jīng)科學(xué)相關(guān)的文章數(shù)據(jù)總量整體呈現(xiàn)上升趨勢。

截至2024年，累計發(fā)表文獻(xiàn)量達(dá)348篇，2025年1月已有4篇發(fā)表。這說明神經(jīng)工程管理近期仍受到大量關(guān)注。高被引文獻(xiàn)主要圍繞通過神經(jīng)科學(xué)技術(shù)來監(jiān)測礦山工人行為活動和導(dǎo)致礦山工程事故發(fā)生的各項因素，涵蓋礦山工人的人為因素^[17-20]、環(huán)境因素^[21-23]、系統(tǒng)管理^[24-25]等方面。其中，礦山工人人為因素在工程項目管理中占據(jù)較大比例。通過分析礦山工人的不安全行為^[26]對礦山工程項目管理的影響及礦工作業(yè)時產(chǎn)生的生理變化，可以看出，礦山工人的不安全行為是礦山工程項目管理中不可忽視的關(guān)鍵因素。該結(jié)論反映當(dāng)前礦山項目管理的研究熱點，即聚焦于礦山工人不安全行為評估及其行為能力對礦山項目管理的影響。本文使用CiteSpace對文獻(xiàn)關(guān)鍵詞進(jìn)行分析，關(guān)鍵詞分析圖如圖2所示。

2"礦山神經(jīng)工程管理研究現(xiàn)狀

2.1"礦山工人作業(yè)安全管理

人的不安全行為是由于作業(yè)人員違反了有關(guān)安全規(guī)章制度、安全操作等安全規(guī)定而可能直接或間接引發(fā)的安全事故的行為。礦工的不安全行為往往與注意力密切相關(guān)，注意力不集中或降低是導(dǎo)致不安全行為發(fā)生的重要因素。因此，實時監(jiān)測礦山工人作業(yè)安全行為對于礦山工程項目管理具有重要意義。

注意力是大腦進(jìn)行感知、記憶、思維等認(rèn)識活動的基本條件，涉及視覺、聽覺、觸覺等感知集中在某一事物上的能力，是一個人專注于某一件事情或某一項活動時的心理狀態(tài)。良好的注意力不僅可以在一定程度上有效提高工作效率，還能減少安全事故的發(fā)生率。Li等^[27]通過模擬煤礦下不同照明梯度來測試照明對人體疲勞、注意力、反應(yīng)力等生理行為的影響。結(jié)果表明，注意力受照度的影響最為顯著，并且照度在50lx～75lx或以上的梯度，能減少事故的發(fā)生概率。鄒亞雙^[28]針對低照明和高噪聲對作業(yè)人員疲勞程度的影響，研究發(fā)現(xiàn)：75lx照度環(huán)境有利于延緩作業(yè)人員的視覺疲勞程度，但低于15lx照度反而會加速作業(yè)人員的疲勞程度；噪聲高于80dB會加速疲勞增長。

目前，已有部分學(xué)者采用腦電（Electroencephalography，EEG）、心電（Electrocardiogram，ECG）、眼動等神經(jīng)科學(xué)技術(shù)對礦山工程項目進(jìn)行研究，利用神經(jīng)科學(xué)技術(shù)評估礦山工人行為能力，預(yù)測和識別不安全行為和危險信號。然而，研究所得的評估結(jié)果與實際情境存在一定的誤差，這些技術(shù)對危險信號的判斷和監(jiān)測仍存在不足，未來應(yīng)更加深入地研究礦山工程管理的評估方法，為礦山工程項目管理提供科學(xué)合理的理論支撐。

2.2"礦山工人作業(yè)狀態(tài)評估

礦山工人作業(yè)狀態(tài)評估與礦山工人自身、外界環(huán)境等因素息息相關(guān)。礦山工人的疲勞程度、心理負(fù)荷、情緒狀態(tài)和礦山工人年齡等自身因素，以及作業(yè)時外部噪聲、光照、粉塵等外界環(huán)境因素都會造成礦山工人注意力降低，進(jìn)而導(dǎo)致不安全行為的發(fā)生。

通過對已有腦電信號等神經(jīng)科學(xué)技術(shù)手段的研究分析，可以深入了解礦山工人作業(yè)時的疲勞程度、心理負(fù)荷、情緒狀態(tài)，以及環(huán)境因素等對礦山工人產(chǎn)生的影響。這些研究提供了寶貴的數(shù)據(jù)支持，有助于更全面地評估礦山工人的作業(yè)狀態(tài)，從而采取相應(yīng)的措施來保障他們的健康與安全，提高工作效率。Jia等^[29]通過主觀任務(wù)和實際調(diào)查，研究精神疲勞對風(fēng)險決策的影響。結(jié)果表明，精神疲勞與風(fēng)險決策呈顯著正相關(guān)。Li等^[30]建立了一種新型煤礦井下環(huán)境生物模擬小鼠模型，通過模擬井下工作場景，探究煤礦工人不良情緒和認(rèn)知受損的發(fā)生。Li等^[31]通過構(gòu)建煤礦照明仿真實驗系統(tǒng)對不同照度水平下礦山工人心率、皮膚電活動和呼吸指標(biāo)三個指標(biāo)的影響，分析得出當(dāng)照度恢復(fù)100lx后所有指標(biāo)逐漸恢復(fù)正常，而小于10lx時事故發(fā)生率增加。Lutz等^[32]通過工作任務(wù)、輪班和不同類型的耳塞評估控制噪聲的有效性，研究反映了礦工聽力受損率的發(fā)展趨勢，發(fā)現(xiàn)盡管采取措施，但噪聲仍超過限值。

綜上所述，現(xiàn)有研究多為單因素對礦山工人作業(yè)狀態(tài)的評估，與實際中礦山工人處于復(fù)雜環(huán)境下作業(yè)仍存在一定的偏差，且對礦山工人的疲勞程度、情緒狀態(tài)和心理壓力等監(jiān)測也存在困難。而礦山工程項目安全管理旨在對礦山工人進(jìn)行全方位、全時段的實時監(jiān)測，并建立更科學(xué)、更先進(jìn)、更準(zhǔn)確的安全管理體系。2015—2025年高被引關(guān)鍵詞見表2。由表2可知，近10年來，人為因素（human factors）、危險因素（risk factors）及系統(tǒng)管理（system）的高被引情況表明，它們在礦山領(lǐng)域仍受到密切關(guān)注，且對礦山工程項目管理產(chǎn)生較大影響。

3"研究挑戰(zhàn)與展望

隨著礦山智能化、礦山神經(jīng)科學(xué)、人工智能多領(lǐng)域的不斷發(fā)展，神經(jīng)科學(xué)與礦山智能化建設(shè)相結(jié)合的方式已逐步應(yīng)用于礦山工程管理中。相較于傳統(tǒng)礦山工程項目管理，引入神經(jīng)科學(xué)技術(shù)、實時監(jiān)測技術(shù)等智能化技術(shù)后，礦山工程項目管理在準(zhǔn)確性、高效性方面得到了顯著提升。然而，當(dāng)前礦山神經(jīng)工程領(lǐng)域依然面臨著諸多嚴(yán)峻的挑戰(zhàn)，針對這些挑戰(zhàn)，需要結(jié)合未來的發(fā)展趨勢和重點研究方向?qū)で笸黄?。礦山神經(jīng)工程管理面臨的挑戰(zhàn)與未來發(fā)展趨勢如圖3所示。

3.1"礦山神經(jīng)工程管理研究的不足

盡管人工智能技術(shù)在礦山工程項目管理中被逐步引入和應(yīng)用，但在借助神經(jīng)科學(xué)原理進(jìn)行智能化改進(jìn)時，仍面臨眾多嚴(yán)峻挑戰(zhàn)。礦山地下環(huán)境條件惡劣，對所采集到的腦電、心電等信號傳輸和處理造成了極大困擾。在該復(fù)雜環(huán)境下，數(shù)據(jù)的準(zhǔn)確采集、傳輸和分析面臨著巨大障礙。同時，神經(jīng)科學(xué)技術(shù)設(shè)備，如腦電采集設(shè)備，其采集過程具有一定的空間局限性，且采集方式相對復(fù)雜，因此對設(shè)備的維護(hù)工作提出較高要求。而長期處于高溫、高濕、粉塵等條件下，對設(shè)備的可靠性和耐久性提出較高要求。

智能化設(shè)備的引入對物聯(lián)網(wǎng)、大數(shù)據(jù)、5G等眾多先進(jìn)技術(shù)的深度融合提出較高要求。然而，當(dāng)前既懂礦業(yè)又精通信息技術(shù)的復(fù)合型人才相對匱乏，導(dǎo)致這些技術(shù)在礦山領(lǐng)域的融合應(yīng)用尚不成熟。在礦山的數(shù)據(jù)采集和傳輸過程中，由于涉及眾多敏感信息，信息安全問題尤為突出。因此，確保數(shù)據(jù)的安全性和完整性成為礦山工程項目管理中亟待解決的關(guān)鍵問題。

3.2"研究方法適用性

鑒于礦山作業(yè)環(huán)境的復(fù)雜多變，礦山工人的認(rèn)知過程極易受到設(shè)備噪聲、光照強(qiáng)度、高溫高濕及粉塵等多重環(huán)境因素的影響。為了構(gòu)建更加完善的礦山工程項目管理體系，神經(jīng)科學(xué)領(lǐng)域的腦電、心電、眼動等技術(shù)在礦山工程項目管理中呈現(xiàn)出一定程度的適用性與局限性。神經(jīng)科學(xué)技術(shù)在礦山領(lǐng)域中的適用性見表3。

（1）腦電技術(shù)（EEG）。該技術(shù)是一項通過采集大腦皮層的腦電信號研究人員大腦活動及功能的技術(shù)?？梢詫崟r監(jiān)測礦山工人作業(yè)的腦電波，便于及時發(fā)現(xiàn)疲勞、壓力過大、注意力下降等不良狀態(tài)，預(yù)防因疲勞等因素導(dǎo)致的操作失誤問題。同時，在緊急情況下，通過腦電波分析快速評估人員的決策能力和反應(yīng)速度，為應(yīng)急指揮提供參考。然而，腦電檢測設(shè)備通常較為笨重，難以在礦山復(fù)雜環(huán)境下長時間佩戴。并且腦電信號具有數(shù)據(jù)量龐大、數(shù)據(jù)復(fù)雜等特點，需要更高效的計算方法進(jìn)行完善和改進(jìn)，減小技術(shù)難度，從而提升處理效率。

（2）心電技術(shù)（ECG）。該技術(shù)是一種用于研究和記錄心臟產(chǎn)生的電信號的技術(shù)手段，一般由心電圖呈現(xiàn)采集到心電信號。礦山工程項目管理中可以通過監(jiān)測心率、心率變異性等指標(biāo)，實時評估礦山工人的身體健康狀況，預(yù)防突發(fā)疾病的發(fā)生。心率變化還可以反映人員的工作負(fù)荷和心理壓力，幫助優(yōu)化工作安排。但礦山環(huán)境中的電磁干擾、機(jī)械振動等人干擾信號對人員心電檢測的準(zhǔn)確性具有一定不利影響。

（3）眼動技術(shù)。該技術(shù)使研究人員能夠追蹤和記錄眼球的運(yùn)動，從而深入了解個體的視覺信息處理機(jī)制和內(nèi)在認(rèn)知過程。通過眼動追蹤技術(shù)，實時監(jiān)測礦山工人的視線聚點和操作注意力，確保操作規(guī)范和人員安全。在礦山操作培訓(xùn)中，利用眼動技術(shù)分析操作人員的注意力和視覺搜索模式，可以優(yōu)化培訓(xùn)效果。盡管眼動追蹤技術(shù)在研究中極具價值，但其設(shè)備成本相對較高。此外，在礦山這種特殊環(huán)境中，粉塵污染和光線變化等因素都可能對眼動追蹤的準(zhǔn)確性產(chǎn)生不利影響。

3.3"未來發(fā)展趨勢

針對目前礦山工程項目管理中面臨的眾多挑戰(zhàn)，未來神經(jīng)科學(xué)技術(shù)在礦山工程領(lǐng)域中仍然發(fā)揮著重要作用。

（1）跨模態(tài)神經(jīng)數(shù)據(jù)耦合。隨著大數(shù)據(jù)、人工智能等技術(shù)的不斷完善和發(fā)展，礦山工程可推動物聯(lián)網(wǎng)、云計算、數(shù)字孿生等技術(shù)深度融合。為了不斷優(yōu)化礦山工程項目管理水平，通信技術(shù)需持續(xù)改進(jìn)，以實現(xiàn)應(yīng)用礦山設(shè)備對作業(yè)人員的實時監(jiān)測、數(shù)據(jù)收集與分析，并推動智能化決策等方面的發(fā)展。

（2）智能化作業(yè)。近年來神經(jīng)科學(xué)技術(shù)不斷優(yōu)化，其技術(shù)及產(chǎn)品的穩(wěn)定性不斷提升。在神經(jīng)科學(xué)領(lǐng)域，類似“無人駕駛”的智能化技術(shù)，如腦機(jī)接口設(shè)備的滲透率將逐步提高，這些設(shè)備能夠更精準(zhǔn)、更穩(wěn)定地采集和分析神經(jīng)信號。此外，智能神經(jīng)刺激設(shè)備、智能神經(jīng)監(jiān)測設(shè)備等的應(yīng)用也將更加廣泛，進(jìn)一步提高了神經(jīng)科學(xué)研究的效率和準(zhǔn)確性。

（3）安全性能是礦山神經(jīng)工程管理中的重要考量因素。未來，將進(jìn)一步借助先進(jìn)的信息技術(shù)和智能化設(shè)備，提高安全性能，降低事故風(fēng)險。通過實時監(jiān)測、預(yù)警和應(yīng)急響應(yīng)系統(tǒng)，實現(xiàn)礦山安全狀況的實時掌控，保障人員和資產(chǎn)的安全。同時，在環(huán)保要求日益嚴(yán)格的背景下，綠色發(fā)展已成為礦山行業(yè)的主流趨勢。礦山工程項目管理將更加注重環(huán)保技術(shù)的應(yīng)用和創(chuàng)新，推動礦山工程向綠色、低碳方向發(fā)展。

4"結(jié)語

神經(jīng)科學(xué)技術(shù)在礦山工程項目管理中的融合不僅極大地提升了管理的智能化和精確性，而且實現(xiàn)了對礦山設(shè)備、作業(yè)環(huán)境及人員狀態(tài)的實時監(jiān)測與預(yù)警。利用神經(jīng)網(wǎng)絡(luò)對海量數(shù)據(jù)的深度挖掘與分析，可以及時發(fā)現(xiàn)潛在的故障點和安全隱患，為安全管理部門提供及時、準(zhǔn)確的預(yù)警信息。盡管目前仍面臨研究挑戰(zhàn)，但神經(jīng)科學(xué)技術(shù)的引入為礦山工程項目管理提供了有力的支撐，為礦山工程項目管理開拓了新的發(fā)展思路和領(lǐng)域。

未來，礦山工程項目管理體系將進(jìn)一步融合多領(lǐng)域的神經(jīng)科學(xué)技術(shù)，開闊更多元化、科學(xué)且精確的研究方向和應(yīng)用領(lǐng)域。在融合過程中，神經(jīng)科學(xué)技術(shù)將發(fā)揮其獨特優(yōu)勢，進(jìn)一步優(yōu)化礦山資源的配置效率。通過精準(zhǔn)預(yù)測資源需求、動態(tài)調(diào)整開采計劃，實現(xiàn)資源利用最大化與可持續(xù)開發(fā)，有效避免資源浪費與環(huán)境破壞。管理層借助智能化的數(shù)據(jù)分析與模擬預(yù)測能力，能夠基于全面、準(zhǔn)確的信息，做出更加科學(xué)、合理的戰(zhàn)略規(guī)劃與運(yùn)營調(diào)整，有力推動礦山工程項目管理朝著更高效、更安全的方向穩(wěn)步前行。

參考文獻(xiàn)

[1]盧才武， 徐曉慧， 高睿陽， 等.熱濕環(huán)境下礦工注意力對應(yīng)急決策影響的腦電研究[J].安全與環(huán)境學(xué)報， 2023， 23（10）： 3641-3647.

[2]郭彥豫， 栗繼祖.基于SEM的礦工情緒智力對其不安全行為的影響研究[J].煤礦安全， 2021， 52（9）： 250-255.

[3]楊振宏， 李盼， 王文杰.基于社會認(rèn)知理論的事故體驗對礦工不安全行為影響研究[J].安全與環(huán)境學(xué)報， 2021， 21（4）： 1607-1614.

[4]YU Z， LI L， ZOU W， et al.The EEG oscillations and psychology propensities of autonomous sensory meridian response[J].IEEE Transactions on Neural Systems and Rehabilitation Engineering， 2023（31）： 1353-1363.

[5]CONTRERAS-JORDN O R， SNCHEZ-REOLID R， INFANTES-PANIAGUA ， et al.Physical exercise effects on university students^，"attention： an EEG analysis approach[J].Electronics， 2022， 11（5）： 770.

[6]許子明， 牛一帆， 溫旭云， 等.基于腦電信號的認(rèn)知負(fù)荷評估綜述[J].航天醫(yī)學(xué)與醫(yī)學(xué)工程， 2021， 34（4）： 339-348.

[7]張軍鵬， 施玉杰， 蔣睿， 等.基于腦電信號的認(rèn)知功能障礙識別與分類進(jìn)展綜述[J].計算機(jī)應(yīng)用， 2023， 43（10）： 3297-3308.

[8]張奇良， 楊坤華， 曲行達(dá)， 等.基于多模態(tài)生理信號的駕駛?cè)四X力負(fù)荷評估[J].深圳大學(xué)學(xué)報（理工版）， 2022， 39（3）： 278-286.

[9]權(quán)學(xué)良， 曾志剛， 蔣建華， 等.基于生理信號的情感計算研究綜述[J].自動化學(xué)報， 2021， 47（8）： 1769-1784.

[10]聶興信， 王廷宇， 孫鋒剛， 等.高溫礦井熱濕環(huán)境對人體機(jī)能的影響[J].金屬礦山， 2020（4）： 186-193.

[11]田水承， 張德桃.高溫聯(lián)合噪聲對礦工不安全行為的影響研究[J].煤礦安全， 2019， 50（2）： 241-244.

[12]邵舒羽， 吳錦濤， 周前祥， 等.睡眠-覺醒節(jié)律紊亂下注意誘發(fā)腦電特征分析與識別[J].航天醫(yī)學(xué)與醫(yī)學(xué)工程， 2021， 34（6）： 439-447.

[13]張峻瑜， 李穎， 張志謀， 等.基于腦電信號分析的正確記憶與錯誤記憶的差異性[J].科學(xué)技術(shù)與工程， 2022， 22（16）： 6430-6441.

[14]劉曉君， 李麗麗， 王萌萌， 等.跨學(xué)科知識的交叉與融合機(jī)制研究——以腦電技術(shù)為例[J].科技管理研究， 2022， 42（15）： 240-248.

[15]李琰， 楊森.行為經(jīng)濟(jì)學(xué)視角下礦工不安全行為仿真分析[J].中國安全生產(chǎn)科學(xué)技術(shù)， 2018， 14（1）： 18-23.

[16]崔彩賢， 沈霖， 遠(yuǎn)佳怡， 等.黃土高原土壤調(diào)控原理與應(yīng)用研究知識圖譜——基于CiteSpace的文獻(xiàn)可視化分析[J].水土保持學(xué)報， 2024， 38（1）： 396-408.

[17]KIRIN S， SEDMAK A， LI W， et al.Human factor risk management procedures applied in the case of open pit mine[J].Engineering Failure Analysis， 2021（126）： 105456.

[18]ZHANG M， LI H， XIA H， et al.Human factors analysis of coal mine gas accidents based on improved HFACS model[J].Human Factors and Ergonomics in Manufacturing amp; Service Industries， 2024， 34（4）： 309-324.

[19]STEMN E， BENYARKU C A， BUABENG A.Human factors issues associated with mobile mining equipment-related injuries of ghanaian surface gold mines[J].Mining Metallurgy amp; Exploration， 2022， 39（3）： 1113-1132.

[20]AUGUSTINE P C， MONIRI-MORAD A， SHAHSAVAR M， et al.Investigating the effect of human factors on the underground mine evacuation process using agent-based simulation[J].Applied Sciences-Basel， 2024， 14（24）： 11773.

[21]MILOSEVIC I， STOJANOVIC A， NIKOLIC D， et al.Occupational health and safety performance in a changing mining environment： identification of critical factors[J].Safety Science， 2025（184）： 106745.

[22]CHEN X H， SHI R Y.Production efficiency evaluation of open-pit coal mines considering environment and safety factors[J].Journal of Environmental Protection and Ecology， 2021， 22（5）： 1880-1887.

[23]STRZEMECKA J， GOZDZIEWSKA M， SKRODZIUK J，et al.Factors of work environment hazardous for health in opinions of employees working underground in the“Bogdanka”coal mine[J].Annals of Agricultural and Environmental Medicine， 2019， 26（3）： 409-414.

[24]MARIA S Q D， ADELINA L F B， TATO D M.Engineering complex systems applied to risk management in the mining industry[J].International Journal of Mining Science and Technology， 2017， 27（4）： 611-616.

[25]ROGERS W P， KAHRAMAN M M， DREWS F A， et al.Automation in the mining industry： review of technology， systems， human factors， and political risk[J].Mining Metallurgy amp; Exploration， 2019， 36（4）： 607-631.

[26]WANG C， WANG J， WANG X， et al.Exploring the impacts of factors contributing to unsafe behavior of coal miners[J].Safety Science， 2019（115）： 339-348.

[27]LI J， WANG Z， QIN Y， et al.Study on the influence of an underground low-light environment on human safety behavior.[J].International Journal of Occupational Safety and Ergonomics， 2022， 28（1）： 305-314.

[28]鄒亞雙.井工煤礦環(huán)境照度和噪聲強(qiáng)度對視疲勞的影響研究[D].徐州：中國礦業(yè)大學(xué)， 2023.

[29]JIA A， GUO X， TIAN S.Experimental study on the influence of mental fatigue on risk decision-making of miners[J].Scientific Reports， 2022， 12（1）： 11902.

[30]LI L， WANG S， HUANG L， et al.The impacts of workplace environment on coal miners^，"emotion and cognition depicted in a mouse model[J].Frontiers in Behavioral Neuroscience， 2022（16）： 896545.

[31]LI J， QIN Y， GUAN C， et al.Lighting for work： a study on the effect of underground low-light environment on miners^，"physiology[J].Environmental Science and Pollution Research， 2022， 29（8）： 11644-11653.

[32]LUTZ E A， REED R J， TURNER D， et al.Effectiveness evaluation of existing noise controls in a deep shaft underground mine[J].Journal of Occupational and Environmental Hygiene， 2015， 12（5）： 287-293.

[33]ZHANG Y， GUO L， YOU X， et al.Cognitive response of underground car driver observed by brain eeg signals[J].Sensors， 2024， 24（23）： 7763.

[34]WANG Y， CHEN Z， TIAN S， et al.Convolutional neural network-based ecg-assisted diagnosis for coal workers[J].International Journal of Environmental Research and Public Health， 2023， 20（1）： 9.

[35]KUANG Y， TIAN S， LI H， et al.EEG-based measurement for detecting distraction in coal mine workers[J].Applied Sciences-Basel， 2025， 15（1）： 273.

[36]WU Q， HAN L， XU M， et al.Effects of occupational exposure to dust on chest radiograph， pulmonary function， blood pressure and electrocardiogram among coal miners in an eastern province， China[J].Bmc Public Health， 2019， 19（1）： 1229.

[37]MCDOUGALL S J P， CURRY M B， DE BRUIJN O.Measuring symbol and icon characteristics： norms for concreteness， complexity， meaningfulness， familiarity， and semantic distance for 239 symbols[J].Behavior Research Methods， Instruments amp; Computers， 1999， 31（3）： 487-519.

[38]UNDERWOOD G.Visual attention and the transition from novice to advanced driver[J].Ergonomics， 2007， 50（8）： 1235-1249.