近日，我校能源環境與安全工程學院安全科學與工程學科2022級碩士研究生唐文軒以第一作者身份在國際安全領域知名期刊《Process Safety and Environmental Protection》（中科院二區TOP期刊，2023年度影響因子為7.8）在線發表了題為“An intelligent airflow perception model for metal mines based on CNN-LSTM architecture”的研究論文。我校為第一作者單位，研究生指導老師王海寧教授為論文通訊作者。
礦井智能通風系統建設是提升礦山安全管理能力、預防中毒窒息事故發生的重要手段，是智慧礦山發展的必然趨勢。礦井智能通風系統實時調控礦井風流按需、有序流動的關鍵在于實時感知礦井的全局風流參數。雖然通過布置大量的傳感器、利用通風網絡實時解算可以獲取礦井全局風流參數，但由于井下環境惡劣，傳感器布置及維護較難，且通風網絡實時解算數據的獲取有延時，實時調控風流難度大。針對以上問題，本研究提出了一種基于人工智能理論獲取全局風流參數的智能感知方法，該方法采用了深度神經網絡的架構，應用CNN、LSTM、CNN-LSTM三種神經網絡構建風流參數智能感知模型，基于通風網絡解算構建人工智能訓練數據集，實現全局風流參數的實時感知；通過對智能感知模型的性能研究、現場應用與實測數據比對，獲得了最優的風流參數智能感知模型。采用此智能感知方法，能夠更準確地監測和控制礦井通風系統，保障礦井通風安全。
地下礦山通風安全是我校安全學科“受限空間災害智能監測與應急保障”研究方向的重要內容。王海寧教授團隊長期從事礦井通風安全領域的研究，已在礦井智能通風方面獲得發明專利、軟件著作權、團體標準等一批研究成果，并在多家企業開展應用，為礦山通風安全做出了重要貢獻。
