CN113990477B - 一种基于云平台的大数据智能健康监护*** - Google Patents

Abstract

本发明公开了职工健康监护技术领域，用于解决现有健康监护的方式较为单一且低效，且无法使职工的健康得到保障，并极大地影响企业发展的问题，尤其公开了一种基于云平台的大数据智能健康监护***，包括云处理平台和定估评测平台，云处理平台的内部设置有服务器，服务器通讯连接有数据采集单元、表项分析单元和深化分析单元；定估论证平台的内部设置有处理器，处理器通讯连接有主动定估单元、被动核验单元、报告分析单元和显示终端；本发明，实现了对全体职工健康状态进行了全面的监护与分析，并结合多维度的整合分析获得更加全面的和准确的评判职工健康状态的数据信息，在实现了对企业职工健康的有效监护的同时，也促进了企业的发展。

Description

一种基于云平台的大数据智能健康监护***

技术领域

本发明涉及职工健康监护技术领域，具体为一种基于云平台的大数据智能健康监护***。

背景技术

健康监护是指医学监护，它以健康检查为主要手段，包括检出新病例、鉴定疾病等，通过各种检查和分析，评价职业性有害因素对接触者健康的影响及其程度，掌握职工健康状况，及时发现健康损害征象，以便采取相应的预防措施，防止有害因素所致疾患的发生和发展；

现有的对企业职工健康进行的监护，大都是通过多个孤立的单项报告进行监护分析，且难以将多个孤立的单项报告进行科学的整合，其健康监护的方式较为单一且低效，因此导致职工的健康难以受到保障，并极大地影响企业的发展；

为了解决上述缺陷，现提供一种技术方案。

发明内容

本发明的目的就在于为了解决现有健康监护的方式较为单一且低效，且无法使职工的健康得到保障，并极大地影响企业发展的问题，实现了对全体职工健康状态进行了全面的监护与分析，并结合多维度的整合分析获得更加全面的和准确的评判职工健康状态的数据信息，在实现了对企业职工健康的有效监护的同时，也促进了企业的发展，而提出一种基于云平台的大数据智能健康监护***。

本发明的目的可以通过以下技术方案实现：

一种基于云平台的大数据智能健康监护***，包括云处理平台和定估论证平台，云处理平台的内部设置有服务器，服务器通讯连接有数据采集单元、表项分析单元和深化分析单元；定估论证平台的内部设置有处理器，处理器通讯连接有主动定估单元、被动核验单元、报告分析单元和显示终端；

云处理平台用于对企业的全体职工的健康状态进行监护分析，服务器生成基础指标采集指令和特征指标采集指令，并将基础指标采集指令和特征指标采集指令均发送至数据采集单元，数据采集单元用于采集全体职工的常规健康状态信息和潜在健康状态信息，通过表项分析单元对全体职工的常规健康状态信息进行基础定向评测分析处理，据此求得表征良好健康信号、表征亚健康信号和表征非健康信号，并通过深化分析单元对全体职工的潜在健康状态信息进行深层预测分析处理，据此求得潜在正影响健康信号、潜在一般影响健康信号和潜在负影响健康信号；

通过定估论证平台先对接收的各个数据进行融合分析判别处理，据此生成合格健康监测信号、不合格健康监测信号和待考量信号，分别通过主动定估单元和被动核验单元对全体职工的整体健康情况进行多项数据定估分析处理和核验定估分析处理，判断职工的健康监护状态情况，通过报告分析单元将监护到的结果以文本的形式通过显示终端进行显示输出。

进一步的，常规健康状态信息的采集过程如下：

服务器生成基础指标采集指令，并将其发送至数据采集单元，数据采集单元依据接收的基础指标采集指令采集常规健康状态信息，且常规健康状态信息包括脉心率值、三高值和体项值，其中，脉心率值用于表示个体脉搏变化紊乱数据与心率变化紊乱数据之间的乘积，且脉搏变化紊乱数据等于获取的脉搏值与标准脉搏值作差的绝对值，而心率变化紊乱数据等于获取的心率值与标准心率值作差的绝对值；三高值用于表示个体的血压、血脂以及血糖之间的异常情况的数据值；体项值用于表示个体的体温量值、体重量值以及体脂量值之间的占比数据值。

进一步的，潜在健康状态信息的采集过程如下：

服务器生成特征指标采集指令，并将其发送至数据采集单元，数据采集单元依据接收的特征指标采集指令，据此采集潜在健康状态信息，且潜在健康状态信息包括工作强度量值、时间规范量值和个体素质量值，其中，工作强度量值用于表示职工单位时间内工作量的大小与工作难易程度之间的比值数据，时间规范量值用于表示职工的上班时间的规范情况，且设定上夜班的时间为较为不规范时间，上白班的时间为一般规范时间；个体素质量值用于表示职工的工作素质情况，且个体素质量值等于工龄与技术值占实际年龄的比值数据。

进一步的，基础定向评测分析处理的具体操作步骤如下：

获取单位时间内的各职工的常规健康状态信息中的脉心率值、三高值和体项值，并将其标定为Mal_i、Sag_i和Tvx_i，i＝{1，2，3...n}；

将脉心率值Mal_i、三高值Sag_i和体项值Tvx_i分别与对应的预设阈值Fa₁、Fa₂和Fa₃进行比对分析，当脉心率值Mal_i处于预设阈值Fa₁范围之内时，则生成心率正常信号，反之，则生成心率异常信号；当三高值Sag_i处于预设阈值Fa₂范围之内时，则生成三高正常信号，反之，则生成三高异常信号；当体项值Tvx_i处于预设阈值Fa₃范围之内时，则生成体表正常信号，反之，则生成体表异常信号；

将单位时间内的各项健康数据的判别信号的正常信号和异常信号的次数进行求和统计处理，将统计求和得到的正常信号的次数和值标定为Zh₁，将统计求和得到的异常信号的次数和值标定为Yh₁，若Zh₁大于Yh₁时，则生成表征良好健康信号，若Zh₁等于Yh₁时，则生成表征亚健康信号，若Zh₁小于Yh₁时，则生成表征非健康信号。

进一步的，深层预测分析处理的具体操作步骤如下：

获取单位时间内的各职工的潜在健康状态信息中的工作强度量值、时间规范量值和个体素质量值，并将其分别标定为Gwl_i、Sjl_i和Gtl_i，将工作强度量值Gwl_i、时间规范量值Sjl_i和个体素质量值Gtl_i进行量化处理，提取工作强度量值Gwl_i、时间规范量值Sjl_i和个体素质量值Gtl_i的数值，并代入公式计算中，依据公式

求得潜在健康量值Hea，其中，e₁、e₂和e₃分别为工作强度量值Gwl_i、时间规范量值Sjl_i和个体素质量值Gtl_i的权重因子系数，且e₁>e₃>e₂>0，e₁+e₂+e₃＝5.12，pol为误差因子系数，且将pol赋值为4.32695；

将求得潜在健康量值Hea与对应的预设范围Ko进行代入比对分析处理，当潜在健康量值Hea大于预设范围Ko的最大值时，则生成潜在正影响健康信号，当潜在健康量值Hea处于预设范围值Ko内时，则生成潜在一般影响健康信号，当潜在健康量值Hea小于预设范围Ko的最小值时，则生成潜在负影响健康信号。

进一步的，融合分析判别处理的具体操作步骤如下：

依次调取单位时间内获取的职工的表征健康判别信号和潜在健康的判别信号，当同时获取的判别信号为表征良好健康信号和潜在正影响健康信号，则生成合格健康监测信号，若同时获取的判别信号为表征非健康信号和潜在负影响健康信号，则生成不合格健康监测信号，而其他情况，均生成待考量信号。

进一步的，多项数据定估分析处理的具体操作步骤如下：

当接收到待考量信号时，据此调取潜在健康状态信息包括工作强度量值、时间规范量值和个体素质量值，并将其与对应的预设阈值Fb₁、Fb₂和Fb₃进行比对分析，若工作强度量值Gwl_i、时间规范量值Sjl_i和个体素质量值Gtl_i均处于对应的预设阈值Fb₁、Fb₂和Fb₃之内时，则生成合格健康监测信号，而其他情况下，均生成不合格健康监测信号。

进一步的，核验定估分析处理的具体操作步骤如下：

调取常规健康状态信息中的脉心率值Mal_i、三高值Sag_i和体项值Tix_i与潜在健康状态信息中的工作强度量值Gwl_i、时间规范量值Sjl_i和个体素质量值Gtl_i，将脉心率值Mal_i、三高值Sag_i和体项值Tvx_i与工作强度量值Gwl_i、时间规范量值Sjl_i和个体素质量值Gtl_i进行量化处理，并提取脉心率值Mal_i、三高值Sag_i和体项值Tvx_i与工作强度量值Gwl_i、时间规范量值Sjl_i和个体素质量值Gtl_i的数值，代入公式计算中，依据公式

求得核验健康量值Hyz，其中，f₁、f₂和f₃分别为脉心率值Mal_i、三高值Sag_i和体项值Tix_i的修正因子系数，且f₃>f₁>f₂>0，f₁+f₂+f₃＝1.36；

将核验健康量值Hyz代入对应阈值β进行比对分析，若核验健康量值Hyz处于应阈值β之内，则生成核验有效信号，若核验健康量值Hyz处于应阈值β之外，则生成核验无效信号。

与现有技术相比，本发明的有益效果是：

1、通过采集不同层级的影响健康状态的数据信息，并通过符号化的标定、逐项比对分析和信号化的输出以及公式化的处理和信号化的分析，进而实现了对全体职工健康状态进行了全面的监护与分析；

2、通过将各类评判职工健康状态的数据信号进行多维度的整合分析，进而获得更加全面的和准确的评判职工健康状态的数据信息，并通过核验定估分析处理，并进一步对健康监护的数据进行认证分析，从而实现了对企业职工健康的有效监护，保障了职工的健康，也促进了企业的发展。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明；

图1为本发明的***总框图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

实施例一：

如图1所示，一种基于云平台的大数据智能健康监护***，包括云处理平台和定估论证平台，云处理平台的内部设置有服务器，服务器通讯连接有数据采集单元、表项分析单元和深化分析单元；定估论证平台的内部设置有处理器，处理器通讯连接有主动定估单元、被动核验单元、报告分析单元和显示终端；

云处理平台用于对企业的全体职工的健康状态进行监护分析，服务器生成基础指标采集指令和特征指标采集指令，并将基础指标采集指令和特征指标采集指令均发送至数据采集单元，数据采集单元用于采集全体职工的常规健康状态信息和潜在健康状态信息，通过表项分析单元对全体职工的常规健康状态信息进行基础定向评测分析处理，据此求得表征良好健康信号、表征亚健康信号和表征非健康信号，并通过深化分析单元对全体职工的潜在健康状态信息进行深层预测分析处理，据此求得潜在正影响健康信号、潜在一般影响健康信号和潜在负影响健康信号；

需要说明的是，在获取常规健康状态信息时，需要服务器生成基础指标采集指令，并将其发送至数据采集单元，数据采集单元依据接收的基础指标采集指令采集常规健康状态信息，且常规健康状态信息包括脉心率值、三高值和体项值，其中，脉心率值用于表示个体脉搏变化紊乱数据与心率变化紊乱数据之间的乘积，且脉搏变化紊乱数据等于获取的脉搏值与标准脉搏值作差的绝对值，而心率变化紊乱数据等于获取的心率值与标准心率值作差的绝对值；三高值用于表示个体的血压、血脂以及血糖之间的异常情况的数据值；体项值用于表示个体的体温量值、体重量值以及体脂量值之间的占比数据值；

而在获取潜在健康状态信息时，需要服务器生成特征指标采集指令，并将其发送至数据采集单元，数据采集单元依据接收的特征指标采集指令采集潜在健康状态信息，且潜在健康状态信息包括工作强度量值、时间规范量值和个体素质量值，其中，工作强度量值用于表示职工单位时间内工作量的大小与工作难易程度之间的比值数据，且工作强度量值的表现数值越大时，则表示对健康状态的负面影响越大，反之，则越小；

时间规范量值用于表示职工的上班时间的规范情况，且设定上夜班的时间为较为不规范时间，上白班的时间为一般规范时间；个体素质量值用于表示职工的工作素质情况，且个体素质量值等于工龄与技术值占实际年龄的比值数据；

通过定估论证平台先对接收的各个数据进行融合分析判别处理，据此生成合格健康监测信号、不合格健康监测信号和待考量信号，分别通过主动定估单元和被动核验单元对全体职工的整体健康情况进行多项数据定估分析处理和核验定估分析处理，判断职工的健康监护状态情况，通过报告分析单元将监护到的结果以文本的形式通过显示终端进行显示输出；

需要说的是，对生成合格健康监测信号和不合格健康监测信号均以短信或者邮件方式发送至各职工的手机端或者电脑端进行显示输出。

实施例二：

如图1所示，在获取到常规健康状态信息后，通过表项分析单元对全体职工的常规健康状态信息进行基础定向评测分析处理，具体的操作步骤如下：

获取单位时间内的各职工的常规健康状态信息中的脉心率值、三高值和体项值，并将其标定为Mal_i、Sag_i和Tvx_i，i＝{1，2，3...n}，其中，i表示为全体职工数；

将脉心率值Mal_i、三高值Sag_i和体项值Tvx_i分别与对应的预设阈值Fa₁、Fa₂和Fa₃进行比对分析，当脉心率值Mal_i处于预设阈值Fa₁范围之内时，则生成心率正常信号，反之，则生成心率异常信号；当三高值Sag_i处于预设阈值Fa₂范围之内时，则生成三高正常信号，反之，则生成三高异常信号；当体项值Tvx_i处于预设阈值Fa₃范围之内时，则生成体表正常信号，反之，则生成体表异常信号；

将单位时间内的各项健康数据的判别信号的正常信号和异常信号的次数进行求和统计处理，将统计求和得到的正常信号的次数和值标定为Zh₁，将统计求和得到的异常信号的次数和值标定为Yh₁，若Zh₁大于Yh1时，则生成表征良好健康信号，若Zh₁等于Yh₁时，则生成表征亚健康信号，若Zh₁小于Yh₁时，则生成表征非健康信号，并将表征良好健康信号、表征亚健康信号和表征非健康信号发送至定估论证平台；

需要说明的是，单位时间表示的为三个月的周期时长，且企业职工的每一个月就会对其基础健康状态进行监测采集。

实施例三：

如图1所示，在获取到潜在健康状态信息后，通过深化分析单元对全体职工的潜在健康状态信息进行深层预测分析处理，具体的操作步骤如下：

获取单位时间内的各职工的潜在健康状态信息中的工作强度量值、时间规范量值和个体素质量值，并将其分别标定为Gwl_i、Sjl_i和Gtl_i，将工作强度量值Gwl_i、时间规范量值Sjl_i和个体素质量值Gtl_i进行量化处理，提取工作强度量值Gwl_i、时间规范量值Sjl_i和个体素质量值Gtl_i的数值，并代入公式计算中，依据公式

求得潜在健康量值Hea，其中，e₁、e₂和e₃分别为工作强度量值Gwl_i、时间规范量值Sjl_i和个体素质量值Gtl_i的权重因子系数，且e₁>e₃>e₂>0，e₁+e₂+e₃＝5.12，pol为误差因子系数，且将pol赋值为4.32695，需要说明的是，权重因子系数用于降低在公式计算中的各项数据占计算结果的权重比，而误差因子系数用于权衡计算结果的误差程度；

将求得潜在健康量值Hea与对应的预设范围Ko进行代入比对分析处理，当潜在健康量值Hea大于预设范围Ko的最大值时，则生成潜在正影响健康信号，当潜在健康量值Hea处于预设范围值Ko内时，则生成潜在一般影响健康信号，当潜在健康量值Hea小于预设范围Ko的最小值时，则生成潜在负影响健康信号，并将潜在正影响健康信号、潜在一般影响健康信号和潜在负影响健康信号发送至定估论证平台。

实施例四：

如图1所示，当定估论证平台接收到的各个判别信号后，并对其进行融合分析判别处理，具体的操作步骤如下：

依次调取单位时间内获取的职工的表征健康判别信号和潜在健康的判别信号，当同时获取的判别信号为表征良好健康信号和潜在正影响健康信号，则生成合格健康监测信号，若同时获取的判别信号为表征非健康信号和潜在负影响健康信号，则生成不合格健康监测信号，而其他情况，均生成待考量信号；

并将生成的待考量信号进行多项数据定估分析处理，具体的操作步骤如下：当接收到待考量信号时，据此调取潜在健康状态信息包括工作强度量值、时间规范量值和个体素质量值，并将其与对应的预设阈值Fb₁、Fb₂和Fb₃进行比对分析，若工作强度量值Gwl_i、时间规范量值Sjl_i和个体素质量值Gtl_i均处于对应的预设阈值Fb₁、Fb₂和Fb₃之内时，则生成合格健康监测信号，而其他情况下，均生成不合格健康监测信号。

实施例五：

核验定估分析处理，具体的操作步骤如下：调取常规健康状态信息中的脉心率值Mal_i、三高值Sag_i和体项值Tvx_i与潜在健康状态信息中的工作强度量值Gwl_i、时间规范量值Sjl_i和个体素质量值Gtl_i，将脉心率值Mal_i、三高值Sag_i和体项值Tvx_i与工作强度量值Gwl_i、时间规范量值Sjl_i和个体素质量值Gtl_i进行量化处理，并提取脉心率值Mal_i、三高值Sag_i和体项值Tvx_i与工作强度量值Gwl_i、时间规范量值Sjl_i和个体素质量值Gtl_i的数值，代入公式计算中，依据公式

求得核验健康量值Hyz，其中，f₁、f₂和f₃分别为脉心率值Mal、三高值Sag和体项值Tvx_i的修正因子系数，且f₃>f₁>f₂>0，f₁+f₂+f₃＝1.36，需要说明的是，修正因子系数用于修正公式计算中的各项数据值对计算结果的影响；

将核验健康量值Hyz代入对应阈值β进行比对分析，若核验健康量值Hyz处于应阈值β之内，则生成核验有效信号，若核验健康量值Hyz处于应阈值β之外，则生成核验无效信号；

需要说明的是，当生成核验有效信号时，若历史判定的为合格健康监测信号或不合格健康监测信号，则核验判定还为合格健康监测信号或不合格健康监测信号，不做任何修正地进行输出；

当生成核验无效信号时，若历史判定的为合格健康监测信号或不合格健康监测信号，则核验判定修改为不合格健康监测信号或合格健康监测信号进行输出。

上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式，公式中的系数是由本领域技术人员根据实际情况进行设置；

如公式：

由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的权重因子系数；将设定的权重因子系数和采集的样本数据代入公式，任意两个公式构成三元一次方程组，将计算得到的系数进行筛选并取均值，得到e₁、e₂和e₃取值分别为4.369812、0.36911和1.2123；

系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于系数的大小，取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的湿度系数；只要不影响参数与量化后数值的比例关系即可。

本发明在使用时，云处理平台对与企业的全体职工的健康状态相关的数据信息进行全面化的采集，通过服务器发送不同层级的数据指令，通过基础指标采集指令和特征指标采集指令分别调取全体职工的常规健康状态信息和潜在健康状态信息，并通过符号化的标定、逐项比对分析和信号化的输出，获取体现职工健康状态的表项数据信息，且通过公式化的处理和信号化的分析，获取影响职工健康状态的潜在健康信息，进而实现了对全体职工常规健康与特征健康的监护与分析；

通过定估论证平台调取评判职工健康状态的数据信号，并将其进行数据的整合分析，通过将影响职工健康状态的表项数据信息与潜在数据信息进行融合输出，进而获得更加全面的和准确的评判职工健康状态的数据信息，通过多角度的对各种数据进行融合分析和核验定估分析处理，并进一步对健康监护的数据进行认证分析，从而实现了对企业职工健康的有效监护，保障了职工的健康，也促进了企业的发展。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (3)

1.一种基于云平台的大数据智能健康监护***，其特征在于，包括云处理平台和定估论证平台，云处理平台的内部设置有服务器，服务器通讯连接有数据采集单元、表项分析单元和深化分析单元；定估论证平台的内部设置有处理器，处理器通讯连接有主动定估单元、被动核验单元、报告分析单元和显示终端；

云处理平台用于对企业的全体职工的健康状态进行监护分析，服务器生成基础指标采集指令和特征指标采集指令，并将基础指标采集指令和特征指标采集指令均发送至数据采集单元，数据采集单元用于采集全体职工的常规健康状态信息和潜在健康状态信息，通过表项分析单元对全体职工的常规健康状态信息进行基础定向评测分析处理，据此求得表征良好健康信号、表征亚健康信号和表征非健康信号，并通过深化分析单元对全体职工的潜在健康状态信息进行深层预测分析处理，据此求得潜在正影响健康信号、潜在一般影响健康信号和潜在负影响健康信号；

通过定估论证平台先对接收的各个数据进行融合分析判别处理，据此生成合格健康监测信号、不合格健康监测信号和待考量信号，分别通过主动定估单元和被动核验单元对全体职工的整体健康情况进行多项数据定估分析处理和核验定估分析处理，判断职工的健康监护状态情况，通过报告分析单元将监护到的结果以文本的形式通过显示终端进行显示输出；

常规健康状态信息的采集过程如下：

服务器生成基础指标采集指令，并将其发送至数据采集单元，数据采集单元依据接收的基础指标采集指令采集常规健康状态信息，且常规健康状态信息包括脉心率值、三高值和体项值，其中，脉心率值用于表示个体脉搏变化紊乱数据与心率变化紊乱数据之间的乘积，且脉搏变化紊乱数据等于获取的脉搏值与标准脉搏值作差的绝对值，而心率变化紊乱数据等于获取的心率值与标准心率值作差的绝对值；三高值用于表示个体的血压、血脂以及血糖之间的异常情况的数据值；体项值用于表示个体的体温量值、体重量值以及体脂量值之间的占比数据值；

潜在健康状态信息的采集过程如下：

服务器生成特征指标采集指令，并将其发送至数据采集单元，数据采集单元依据接收的特征指标采集指令，据此采集潜在健康状态信息，且潜在健康状态信息包括工作强度量值、时间规范量值和个体素质量值，其中，工作强度量值用于表示职工单位时间内工作量的大小与工作难易程度之间的比值数据，时间规范量值用于表示职工的上班时间的规范情况，且设定上夜班的时间为较为不规范时间，上白班的时间为一般规范时间；个体素质量值用于表示职工的工作素质情况，且个体素质量值等于工龄与技术值占实际年龄的比值数据；

基础定向评测分析处理的具体操作步骤如下：

获取单位时间内的各职工的常规健康状态信息中的脉心率值、三高值和体项值，并将其标定为Mal_i、Sag_i和Tvx_i，i＝{1，2，3...n}；

将脉心率值Mal_i、三高值Sag_i和体项值Tvx_i分别与对应的预设阈值Fa₁、Fa₂和Fa₃进行比对分析，当脉心率值Mal_i处于预设阈值Fa₁范围之内时，则生成心率正常信号，反之，则生成心率异常信号；当三高值Sag_i处于预设阈值Fa₂范围之内时，则生成三高正常信号，反之，则生成三高异常信号；当体项值Tvx_i处于预设阈值Fa₃范围之内时，则生成体表正常信号，反之，则生成体表异常信号；

将单位时间内的各项健康数据的判别信号的正常信号和异常信号的次数进行求和统计处理，将统计求和得到的正常信号的次数和值标定为Zh₁，将统计求和得到的异常信号的次数和值标定为Yh₁，若Zh₁大于Yh₁时，则生成表征良好健康信号，若Zh₁等于Yh₁时，则生成表征亚健康信号，若Zh₁小于Yh₁时，则生成表征非健康信号；

深层预测分析处理的具体操作步骤如下：

获取单位时间内的各职工的潜在健康状态信息中的工作强度量值、时间规范量值和个体素质量值，并将其分别标定为Gwl_i、Sjl_i和Gtl_i，依据公式

求得潜在健康量值Hea，其中，e₁、e₂和e₃分别为工作强度量值Gwl_i、时间规范量值Sjl_i和个体素质量值Gtl_i的权重因子系数，且e₁>e₃>e₂>0，e₁+e₂+e₃＝5.12，pol为误差因子系数，且将pol赋值为4.32695；

将求得潜在健康量值Hea与对应的预设范围Ko进行代入比对分析处理，当潜在健康量值Hea大于预设范围Ko的最大值时，则生成潜在正影响健康信号，当潜在健康量值Hea处于预设范围值Ko内时，则生成潜在一般影响健康信号，当潜在健康量值Hea小于预设范围Ko的最小值时，则生成潜在负影响健康信号；

融合分析判别处理的具体操作步骤如下：

依次调取单位时间内获取的职工的表征健康判别信号和潜在健康的判别信号，当同时获取的判别信号为表征良好健康信号和潜在正影响健康信号，则生成合格健康监测信号，若同时获取的判别信号为表征非健康信号和潜在负影响健康信号，则生成不合格健康监测信号，而其他情况，均生成待考量信号。

2.根据权利要求1所述的一种基于云平台的大数据智能健康监护***，其特征在于，多项数据定估分析处理的具体操作步骤如下：

当接收到待考量信号时，据此调取潜在健康状态信息包括工作强度量值、时间规范量值和个体素质量值，并将其与对应的预设阈值Fb₁、Fb₂和Fb₃进行比对分析，若工作强度量值Gwl_i、时间规范量值Sjl_i和个体素质量值Gtl_i均处于对应的预设阈值Fb₁、Fb₂和Fb₃之内时，则生成合格健康监测信号，而其他情况下，均生成不合格健康监测信号。

3.根据权利要求1所述的一种基于云平台的大数据智能健康监护***，其特征在于，核验定估分析处理的具体操作步骤如下：

调取常规健康状态信息中的脉心率值Mal_i、三高值Sag_i和体项值Tvx_i与潜在健康状态信息中的工作强度量值Gwl_i、时间规范量值Sjl_i和个体素质量值Gtl_i，依据公式

求得核验健康量值Hyz，其中，f₁、f₂和f₃分别为脉心率值Mal、三高值Sag和体项值Tix的修正因子系数，且f₃>f₁>f₂>0，f₁+f₂+f₃＝1.36；

将核验健康量值Hyz代入对应阈值β进行比对分析，若核验健康量值Hyz处于应阈值β之内，则生成核验有效信号，若核验健康量值Hyz处于应阈值β之外，则生成核验无效信号。

Images