近日，我校能源环境与安全工程学院安全科学与工程学科2022级硕士研究生唐文轩以第一作者身份在国际安全领域知名期刊《Process Safety and Environmental Protection》（中科院二区TOP期刊，2023年度影响因子为7.8）在线发表了题为“An intelligent airflow perception model for metal mines based on CNN-LSTM architecture”的研究论文。我校为第一作者单位，研究生指导老师王海宁教授为论文通讯作者。

矿井智能通风系统建设是提升矿山安全管理能力、预防中毒窒息事故发生的重要手段，是智慧矿山发展的必然趋势。矿井智能通风系统实时调控矿井风流按需、有序流动的关键在于实时感知矿井的全局风流参数。虽然通过布置大量的传感器、利用通风网络实时解算可以获取矿井全局风流参数，但由于井下环境恶劣，传感器布置及维护较难，且通风网络实时解算数据的获取有延时，实时调控风流难度大。针对以上问题，本研究提出了一种基于人工智能理论获取全局风流参数的智能感知方法，该方法采用了深度神经网络的架构，应用CNN、LSTM、CNN-LSTM三种神经网络构建风流参数智能感知模型，基于通风网络解算构建人工智能训练数据集，实现全局风流参数的实时感知；通过对智能感知模型的性能研究、现场应用与实测数据比对，获得了最优的风流参数智能感知模型。采用此智能感知方法，能够更准确地监测和控制矿井通风系统，保障矿井通风安全。

地下矿山通风安全是我校安全学科“受限空间灾害智能监测与应急保障”研究方向的重要内容。王海宁教授团队长期从事矿井通风安全领域的研究，已在矿井智能通风方面获得发明专利、软件著作权、团体标准等一批研究成果，并在多家企业开展应用，为矿山通风安全做出了重要贡献。