摘要: 建筑施工项目中, 80%以上的安全事故由人为因素导致, 虚拟现实(Virtual Reality, VR) 技术已成为重要的安全培训手段。但现有评估依赖主观问卷和事后考核, 无法客观量化个体工人培训后的认知改善程度, 导致项目管理者难以精准掌握个体培训效果的差异。提出一种基于脑电信号(Electroencephalography, EEG) 与卷积-长短期记忆混合神经网络(CNN-LSTM) 的培训效果智能评估模型。该模型通过采集27 名参与者在9 类高危情景(高处坠落、物体打击、同一水平绊倒) VR 培训中的32 导联脑电数据, 以情境意识评定技术量表(Situation Awareness Rating Technique,, SART) 改善值为预测目标, 构建端到端评估体系。该模型融合CNN 的空间脑区特征提取与LSTM 的时序动态建模优势, 同时引入“基线-任务” 标准化策略, 以消除个体生理差异。留一法交叉验证(LOSOCV) 结果显示, 该模型决定系数R2 为0. 578, 平均绝对误差(MAE) 为2. 927, 均方根误差(RMSE) 为3. 661。研究可为施工项目提供客观的培训质量评估工具, 实现培训过程的实时监测、个体培训效果的客观评估和VR 内容的针对性优化, 推动施工项目安全管理从经验决策向数据驱动转型。