Work

Évaluation de modèles d'apprentissage automatique pour la prévision de la survenue d'accidents du travail à partir de séries temporelles binaires

Year: 2025

Type: conference-paper

Abstract: Les accidents du travail représentent un enjeu humain et économique important, mais les stratégies actuelles de prévention manquent d'anticipation proactive. Les données issues des remontées terrain, quasi-accidents et facteurs organisationnels sont sousexploitées. Cette étude propose un cadre générique de prévision à court terme des accidents, basé sur des séries temporelles binaires et intégrant des covariables. Une validation croisée spécifique aux séries temporelles et une évaluation par périodes agrégées assurent la robustesse des modèles. Plusieurs algorithmes d'apprentissage automatique ont été comparés. Les résultats confirment la pertinence de l'approche et aident à identifier les modèles les plus efficaces pour prévenir les accidents du travail.

Source: HAL

Authors: Yapi, Aho, Latouche, Pierre, Guillin, Arnaud, Bailly, Yan

Institutions: Laboratoire de Mathématiques Blaise Pascal, Institut Universitaire de France

Language: French

Topic: Occupational Health and Safety Research

Subfield: Safety Research

Field: Social Sciences

Domain: Social Sciences

SDGs: Decent work and economic growth, Good health and well-being

Open Access status: green

OpenAlex ID: W4407801469

FWCI:

Cites:

Cited by:

Related to: 10