近日，中國礦業(yè)大學李爽教授團隊在瓦斯?jié)舛阮A測領(lǐng)域取得重要突破，發(fā)表能源領(lǐng)域國際頂級期刊《Applied Energy》。該期刊是SCI一區(qū)Top期刊、影響因子11。此次科研論文的發(fā)表再次體現(xiàn)了團隊在智能預測前沿方向的創(chuàng)新能力和學術(shù)影響力。

瓦斯風險預測對安全生產(chǎn)具有重要意義，傳統(tǒng)的預測方法成本高、難度大，且難以達到較高的精確度。團隊創(chuàng)新性地采用群體智能優(yōu)化算法，提出了一種混合“模型-數(shù)據(jù)”雙驅(qū)動的區(qū)間預測方法。該方法首先通過模型驅(qū)動分析降低瓦斯?jié)舛刃蛄兄卸嘀毓簿€性對預測結(jié)果的干擾，再結(jié)合深度學習技術(shù)，構(gòu)建了基于Wasserstein距離改進的Informer模型。最后，引入IOWGA算子作為信息融合核心，并利用翠鳥優(yōu)化算法對其權(quán)重分配策略進行優(yōu)化，從而建立起一套完整的混合預測模型，實現(xiàn)了對瓦斯?jié)舛茸兓母呔葏^(qū)間預測，解決了行業(yè)長期存在的難點問題。

該項成果的形成，標志著團隊在智能優(yōu)化理論創(chuàng)新與工業(yè)應用落地之間實現(xiàn)了有效銜接。不僅為復雜工程優(yōu)化問題提供了新路徑，也為多源信息聚合中的算子優(yōu)化提供了可靠工具，進一步拓展了群體智能算法在行業(yè)關(guān)鍵場景中的應用邊界。未來，團隊將繼續(xù)深化智能優(yōu)化與行業(yè)知識的融合研究，為我國能源安全與智能管理技術(shù)的發(fā)展提供支撐。

來源：中國礦業(yè)大學安全科學與應急管理研究院