周旭，王艺博，朱毅，秦思佳

(1.华北理工大学 理学院，河北 唐山 063210；2.华北理工大学 以升创新教育基地，河北 唐山 063210)

引言

煤炭在我国能源结构中占有着绝对重要的地位，在工业化建设初期曾占到能源结构总量的90%。随着近几十年来对油田的开采，煤炭在能源结构中的占比才有了一定程度的下降，但仍在能源结构中占有主要地位。可以预见，煤炭工业在国家能源结构以及国民基础经济中的地位是不可代替的，具有长期性和稳固性。随着煤矿机械化水平的提高，矿井粉尘不断增加。在矿井事故中，大多数事故都与矿井中的粉尘浓度有关。矿井粉尘不仅会危害地下工人的身体，而且当粉尘达到一定浓度时会引起爆炸，甚至会造成更严重的地下灾害[1]。因此，矿井防尘工作越来越重要，准确预测矿尘浓度对矿井安全生产具有重要意义。

相关文献表明，学者们主要采用神经网络模型对粉尘浓度进行预测，如：改进的神经网络模型[2]、BP神经网络模型[3]、熵权法RBF神经网络[4]。王永斌等[5]建立的灰色-广义回归神经网络组合模型以及基于费舍尔得分和支持顺序前向搜索算法[6]的支持向量积模型，研究该模型对尘肺病预测的准确性。上述模型虽然在传统的拟合预测领域中表现出了较高的拟合度与准确性，但由于模型中存在的遗忘机制，导致其对具有时序特征数据的预测会有一定的偏差。因此，结合神经网络模型的预测能力，以及时间序列模型对时序型数据的处理能力，构建模型对矿井粉尘浓度进行预测无疑是一种有效的预测方法。……