中国安全科学学报

作者：秦跃平, 唐飞, 王海蓉, 王鹏, 郭铭彦, 王世斌

单位：中国矿业大学(北京) 应急管理与安全工程学院, 北京 100083

关键词：开普勒优化算法(KOA)-双向长短期记忆网络(BiLSTM)模型,淋水井筒,风温预测模型,可解释性分析,皮尔逊相关性

基金：国家重点研发计划项目(2022YFC2904100)

为提高矿井淋水井筒风温预测的准确性、稳定性及模型的可解释性,首先,通过皮尔逊相关性系数分析特征变量;其次,采用开普勒优化算法(KOA)优化双向长短期记忆网络(BiLSTM)模型,建立基于KOA-BiLSTM的矿井淋水井筒风温预测模型;然后,在相同样本条件下,与反向传播(BP)、随机森林(RF)、最小二乘增强(LSBoost)和支持向量机(SVM)算法进行综合对比;最后,利用沙普利可加性特征解释算法(SHAP)进行可解释性分析及实例验证。研究结果表明:KOA-BiLSTM模型的绝对误差范围为-1.24 ~0.5 ℃,比优化前模型的预测精度提高3.98%;与另外4个模型相比,该模型的平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和均方误差(MSE)等均为最佳,表明该模型具有最优的预测效果和泛化能力;SHAP分析表明:井口风流温度对预测结果影响最大,而地面压力影响最小;KOA-BiLSTM模型实例验证的绝对误差范围为-0.49 ~0.38 ℃,预测精度可满足实际工作需要。

来源：2025年第7期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2025年第7期