基于L-M神经网络的高温矿井进风井筒风温预测方法.pdf

第34卷第9期中国矿业Vol.34,No.9

2025年9月CHINAMININGMAGAZINESept.2025

文章编号：1004-4051（2025）09-0209-07DOI：10.12075/j.issn.1004-4051

基于L-M神经网络的高温矿井进风井筒

风温预测方法

韦家正，覃晓

（1.广西交通职业技术学院人工智能学院，广西南宁530023；

2.广西民族大学物理与电子信息学院，广西南宁530006）

摘要：高温矿井进风井筒风温受多种因素共同影响，这些因素间存在复杂且动态的非线性

关系，导致风温预测模型需具备实时更新和适应新数据源及条件的能力。然而，这种动态性

变化增加了模型学习训练的难度，进而影响了预测结果的准确性。为解决这一问题，提出基

于L-M神经网络的高温矿井进风井筒风温预测方法。采用DEMATEL方法对这些复杂且动

态的影响因素进行筛选和确定，以确保所选指标能够准确反映矿井环境对风温的影响。基于

筛选出的输入指标，构建井筒风温预测模型。为进一步提升模型的学习与拟合能力，应用L-M

算法对神经网络进行优化。实验结果显示，该预测方法的最大预测误差不超过2℃，拟合系

数稳定在0.95左右，充分证明了该方法在高温矿井进风井筒风温预测中的准确性和可靠性。

与其他传统预测方法相比，该方法不仅显著提高了预测精度，还为矿井通风管理提供了更为

可靠和科学的决策依据。因此，基于L-M神经网络的高温矿井进风井筒风温预测方法为实

现精确的风温预测提供了一种有效且实用的手段。

关键词：L-M算法；神经网络；输入指标；进风井筒；风温预测

中图分类号：TD725文献标识码：A

Apredictionmethodforairtemperatureinhigh-temperaturemine

intakeshaftbasedonL-Mneuralnetwork

WEIJiazheng，QINXiao

（1.CollegeofArtificialIntelligence，GuangxiVocationalandTechnicalCollegeofCommunications，

Nanning530023，China；

2.SchoolofPhysicsandElectronicInformation，GuangxiUniversityforNationalities，Nanning530006，China）

Abstract：Theairtemperatureintheintakeshaftofhigh-temperatureminesisaffectedbymultiple