为确保职工身心健康,提升心理压力评价方法的准确性与可解释性,以多模态生理时间序列数据为研究对象,提出一种融合注意力机制(AM)的长短期记忆(LSTM)网络方法(LSTMA),实现职工心理压力状态的准确评价。首先,以数据集WESAD中多模态生理时间序列数据(血容量脉搏(BVP)、心电图(ECG)、皮肤电活动(EDA)、肌电图(EMG)、呼吸(RESP)、体温(TEMP)和三轴加速度(ACC))为研究对象,通过分模态LSTM模块的门控记忆机制,精准捕获跨时间步时序依赖特征,有效保留与心理状态强相关的关键生理特征,并过滤短期随机噪声,确保生理特征数据能真实表征职工心理状态的动态演化;然后,在特征融合后引入AM,基于各模态、各时间步生理数据的特征重要性自适应分配注意力权重系数,强化对心理压力状态敏感的关键特征与微小响应特征,同时抑制冗余信息干扰;最后,通过全连接神经网络完成心理压力状态准确评价。结果表明:LSTMA在中性、压力、愉悦、冥想4分类任务中,心理压力状态评价准确率达94.56%;经留一法交叉验证后,准确率提升至98.08%;消融试验验证了分模态LSTM与AM的协同增强效应,模型解释性分析进一步佐证LSTMA方法设计的科学性与合理性。