煤炭学报

作者：王凯, 李康楠, 杜锋, 赵伟, 赵瑜, 张俊文, 赵明昊,

关键词：煤岩瓦斯复合动力灾害, 深度学习, 时间序列, 指标体系, 改进搜索算法,

深部开采条件下，煤岩瓦斯复合动力灾害致灾机理复杂且因素多重耦合，精准预警对保障矿井安全生产具有重要意义。提出了一种多源信息融合的深度学习预警方法，构建了SCSSA−MSDA−TFT时序智能预警模型，其中，采用改进麻雀搜索算法(Sine-Cosine and Cauchy-enhanced Sparrow Search Algorithm，SCSSA)自适应优化模型超参数，引入多源域自适应(Multi-Source Domain Adaptation，MSDA)实现异构监测数据的分布对齐与特征统一表征，并以时间融合Transformer(Temporal Fusion Transformer，TFT)高效提取多源时序指标的动态演化特征，完成风险等级预警。针对微震监测、瓦斯参数等多源信息，构建数据驱动的复合动力灾害风险等级标定流程：以复合风险指数(Composite Risk Index，CRI)为核心，对其实施时序平滑，并基于受试者工作特征(Receiver Operating Characteristic，ROC)曲线分析确定高风险等级阈值；随后通过聚类有效性检验评估划分等级与数据内在结构的一致性。构建复合动力灾害预警指标体系，以XGBoost训练多分类基线并计算全局SHAP重要性，结合滑动时窗稳健性检验与子集筛选准则，形成兼具物理指向性与判别效率的紧凑指标子集。结果表明：模型在测试集的宏平均F1达到0.965、准确率为0.961，较对比模型与消融模型均有显著提升，能够准确捕捉复合动力灾害的多尺度前兆并实现对风险等级的精准预测与预警。所提出的深度学习融合预警方法能够有效整合多源信息并建立等级标定与指标体系，对提升复合动力灾害风险等级预警的准确性与可靠性具有重要工程应用价值。

来源：2026年第1期

《煤炭学报》期刊编辑部

查看煤炭学报杂志2026年第1期