混合通风条件下煤矿采掘工作面吸入暴露区粉尘颗粒演化多目标回归预测研究

《Powder Technology》：Study on multi-target regression prediction of dust particle evolution in the inhalation exposure zone of a coal mine heading face under hybrid ventilation

　　

• 建立并验证了混合通风条件下粉尘污染的数值模型
• 分析了通风参数对呼吸暴露区（IEZ）内细颗粒演化的影响
• 构建了多个基于BP神经网络的多目标回归模型
• 确定GA-PSO-BP为所建模型中性能最优的模型

引言
煤炭仍然是全球能源结构中的基石，在三大主要化石能源中继续发挥着至关重要的作用 [1], [2], [3], [4]。如图1(a)所示，2016至2021年间，中国的煤炭产量和消费量总体呈上升趋势。在"十三五"规划期间（2016–2020年），煤炭行业整体持续增长。到2021年，中国煤炭产量和消费量分别达到85.15 EJ和86.17 EJ，均创下历史新高。煤炭需求的持续增长不断加剧了开采活动，并推动了煤炭开采工艺的机械化进程 [5], [6], [7]。然而，虽然大规模机械化开采显著提高了生产效率，但也加剧了井下作业过程中的粉尘产生，从而增加了矿工的职业暴露风险 [8], [9]。作为一种不可逆的职业病，尘肺病仍然是地下煤矿工人面临的最严重健康威胁之一 [10], [11], [12]。图1(b)显示了2016年至2021年间新报告的职业病病例数。

过去六年中，新诊断的煤矿工人尘肺病病例占所有新发职业病尘肺病病例的平均比例为50.48%。这表明当前煤矿粉尘危害的防控形势依然严峻，相关防控工作仍面临巨大挑战。

机械化掘进工作面是矿井粉尘产生、扩散和聚集的主要区域之一。通风方式显著影响作业空间内粉尘的运动模式和粉尘防控效果。学者们对混合通风条件下掘进巷道内的流场演化、粉尘扩散和粉尘控制机制进行了广泛研究。早期研究主要集中于建立混合通风的数值仿真方法并验证其可靠性。Tora?o等人 [13] 在地下掘进过程中对整个巷道横截面的风速和粉尘浓度进行了现场测量。这些测量证实了数值模型预测掘进面附近和掘进尾段气固耦合流动的能力。Yu等人 [14] 基于Euler-Lagrange框架，结合CFD-DEM与Hertz-Mindlin接触模型，分析了混合通风条件下巷道内不同粒径粉尘颗粒的时空迁移特性。研究发现，直径7–20 μm的颗粒沉降区延长，而2.5–7 μm的颗粒在扩散过程中保持恒定的通过速率。在此基础上，后续研究逐渐将关注点从识别粉尘扩散模式转向评估除尘效果和优化关键参数。Hua等人 [15] 数值比较了掘进过程中正压通风与混合通风的除尘效果。研究发现，在混合通风条件下，粉尘扩散缓慢，耗时141 s。当压风管道位置（Lp）大于35 m时，除尘气幕能有效将粉尘限制在操作人员上游。针对传统混合通风系统的局限性，研究人员还探索了供风管道结构和气流组织的改进。Yang等人 [16] 在传统混合通风方法基础上开发了配备模块化气流发生系统的供风管道。该系统利用负压抽吸和导流分配有效控制了粉尘。他们还进一步分析了抽吸和加压气流量变化对系统粉尘和气体控制性能的影响 [17]。类似地，Hou等人 [18] 通过修改混合通风系统的供风管道结构，研究了扩散器结构参数——出口仰角（α）、后倾角（β）和末端出口后倾角（γ）——对大尺度涡流形成和除尘性能的影响。同时，巷道粉尘污染预测已成为该领域的新研究方向。Wang等人 [19] 使用自建的粉尘扩散实验系统获取了样本图像，利用灰度均值等图像特征来表征粉尘质量信息。通过将分形维数分析与深度学习分类模型相结合，实现了粉尘污染等级的分级识别。Yin等人 [20] 使用模拟地下环境的粉尘扩散实验平台捕获了高分辨率粉尘图像，分析了多种颜色模型和图像通道中的纹理和颜色特征，建立了与粉尘浓度的定量关系。这为基于图像的粉尘浓度反演提供了一条新型非接触技术途径。此外，Wang等人 [21] 将POD与BP神经网络结合，降低了掘进面1.5 m高度截面粉尘浓度场数据的维度。通过建立通风运行参数与模态系数之间的非线性映射关系，实现了混合通风条件下粉尘浓度场的快速重建。与传统CFD仿真相比，该方法在保持预测精度的同时显著提高了计算效率。

先前的研究工作使用相同的混合通风实验平台和CFD-DPM数值框架，系统研究了掘进巷道呼吸风险区（IEZ）内粉尘颗粒的时空演化特性 [22]。该研究考察了关键通风参数——包括供风管道位置Ls、送风速度Vs、排送风比Rv和粉尘扩散时间Te——对细颗粒分布和区域颗粒载荷特性的影响。这些前期工作为本文研究中的实验装置、数值框架、参数空间定义和颗粒演化数据集建立了物理和方法论基础。在此已验证的物理和数值基础上，本研究进一步将研究范围从单个响应变量的独立预测扩展到多个相关颗粒指标的统一多目标预测框架。具体而言，本研究重点评估不同的BP神经网络架构和优化策略——包括遗传算法（GA）、粒子群优化（PSO）及其混合组合——对多目标回归精度、预测鲁棒性和跨条件泛化能力的影响。因此，本研究的主要贡献不在于重新建立掘进巷道中粉尘传输的基本框架，而是开发并评估一种基于先前已验证物理仿真的先进预测方法。该方法能够实现多个颗粒暴露指标的同步预测，并为不同通风条件下的粉尘污染快速评估提供更高效的替代建模策略。总之，先前的研究在混合通风条件下掘进巷道的粉尘扩散特性、粉尘控制机制和参数优化方面产生了重要见解。尽管取得了这些进展，但仍有一些基本空白未得到解决：

(1) 呼吸暴露区（IEZ）内细颗粒的空间分布特性尚未得到充分阐明，尽管这些特性与工人的吸入暴露和职业健康风险更为直接相关。目前缺乏对多种通风和环境参数影响下PM1、PM7.07和PM10等不同粒径级别的演化行为、比例转换和局部富集的系統性认识。
(2) 尚未建立用于同时预测呼吸暴露区总颗粒数和细颗粒比例的多目标回归框架。这一局限性限制了现有方法为高风险暴露区域精确识别和定向粉尘缓解策略制定提供直接技术支持的能力。

本研究基于巷道通风相似性测试平台建立了物理模型，并结合CFD-DPM框架模拟了不同工况下巷道粉尘的非稳态传输行为。研究考察了粉尘扩散期间（Te）PM1、PM7.07和PM10的动态变化，重点研究了供风管道位置（Ls）、送风速度（Vs）和排送风比（Rv）的综合影响。此外，构建了五个基于BP神经网络的多目标回归模型，以实现总粉尘颗粒数和细颗粒比例的联合预测。研究结果为掘进环境下的粉尘污染预测提供了理论支持和有效的建模框架。

分章节片段
方法框架概述
本研究的混合通风实验平台、巷道几何模型、CFD-DPM基本物理框架以及Ls、Vs和Rv的参数设计均基于我们研究团队先前的工作。本研究提出了一种机器学习框架，通过整合CFD仿真的特征样本与BP神经网络训练和优化，预测掘进过程中的粉尘污染。如图2所示，所提出的基于CFD-DPM的ML框架

物理模型的构建
对于煤矿综合掘进工作面等复杂环境，其中空间尺度、气流组织和扰动因素相互作用，缩尺模型不仅可以降低直接在掘进面测试的实施难度和安全风险，还可为优化风筒布置、评估除尘效果和验证数值仿真结果提供可控且可重复的实验条件。为了重现通风和

不同通风参数下IEZ内细颗粒数量变化
研究通常将成年男性的呼吸区高度设定在地面以上1.5 m，将污染分析和气流优化集中在距巷道底板该高度的水平面上 [45], [46], [47], [48]。然而，从职业卫生和个人暴露评估的角度来看，呼吸区并不被定义为固定的水平面。相反，它代表与工人吸入过程相关的近体气域，一般

结论
为了系统研究矿井巷道吸入暴露区（IEZ）内的颗粒物污染特性，本研究建立了通风相似性测试平台的物理模型，并在不同工况下进行了粉尘传输的非稳态CFD-DPM仿真。研究分析了粉尘扩散期间（Te）IEZ内PM1、PM7.07和PM10颗粒数的动态演化，重点考察了关键通风参数：供风管道

CRediT作者贡献声明
Zheng Haotian：撰写——原稿、可视化、软件、方法论、概念化。
Jiang Bingyou：撰写——审阅与编辑、监督、资金获取。
Wang Haoyu：验证、概念化。
Lu Kunlun：撰写——审阅与编辑、监督。
Ren Bo：验证、调查研究。
Zheng Chunshan：可视化、数据整理。
Gan Lei：可视化、数据整理。
Wang Jie：形式分析。

利益冲突声明
作者声明不存在已知的可能影响本文所述工作的财务利益或个人关系冲突。

致谢
本项目得到安徽理工大学高层次人才科研基金（2025yjrc0056）、国家自然科学基金（52574223）、青年人才科研创新能力支持计划项目（SRICSPYF-BS2025047）以及安徽省学术与技术领军人才后备培养学术研究活动基金（2022H301）的资助。

Zheng Haotian | Jiang Bingyou | Wang Haoyu | Lu Kunlun | Ren Bo | Zheng Chunshan | Gan Lei | Wang Jie