Feinstaub stellt ein erhebliches Gesundheits- und Sicherheitsrisiko dar. Die Exposition gegenüber PM2.5 und PM10 am Arbeitsplatz kann Atemwegserkrankungen, Herz-Kreislauf-Störungen und langfristige Berufskrankheiten verursachen. Die Vorschriften zur Arbeitssicherheit und Gesundheitsschutz vieler Länder definieren zulässige Konzentrationsgrenzwerte und empfehlen eine kontinuierliche Überwachung. Diese Forschung zielt darauf ab, ein prädiktives Modell zu entwickeln, das PM2.5- und PM10-Überschreitungen identifiziert, um rechtzeitige Warnungen an die Betreiber von Radladern zu ermöglichen und so die Exposition gegenüber erhöhten Werten zu verhindern. Ein mehrschichtiges Feedforward-neuronales Netzwerk zur Vorhersage von PM2.5 und ein Long Short-Term Memory-Netzwerk zur Vorhersage von PM10-Überschreitungen wurden mit 469 Messungen vor Ort trainiert, die von Sensoren in den Kabinen von 8 Radladern in verschiedenen Tagebauen erfasst wurden. Die Ergebnisse zeigten, dass beide Modelle ein hohes Maß an Zuverlässigkeit und Wiederholbarkeit mit einer Genauigkeit von über 88 % aufweisen. Ein weiterer Forschungsvorschlag ist, die Trainingsprobe zu erweitern und ein Alarm-System in der Kabine der Radlader zu integrieren.
Janev et al. (2026) untersuchten diese Frage.