（通讯员 贾崇）近日，我院管理科学与工程“信息与工程管理”科研创新团队王振老师，围绕“矿井危险巷道风量预测”这一研究方向，撰写的学术论文《A Combined Air Volume Prediction Model for Hazardous Mine Tunnels Using Directed Graph Convolutional Neural Networks》在《Engineering Applications of Artificial Intelligence》（简称《EAAI》，中科院1区TOP & JCR Q1，IF=8）期刊录用并在线发表（https://doi.org/10.1016/j.engappai.2026.114447）。

《EAAI》由国际知名出版社Elsevier出版，致力于信息物理系统与智能自动化、机器学习与全局优化、智能故障诊断与机器人学等研究方向。研究针对矿井运行过程中部分危险区域由于安全原因使得人员难以进入，导致成为风量预测的关键“盲区”的问题，提出矿井危险巷道风量组合预测模型。首先，在输入数据增强模块使用时变滤波经验模态分解对原始巷道风量数据进行降噪处理；之后，作为初始特征节点集成到图中，实现二维数据到图数据的转换；然后，利用格兰杰因果关系确定危险巷道及相关巷道之间的权重和方向，使用有向图卷积神经网络学习图数据中的空间特征关系。为克服DGCN中使用全图卷积操作所带来的计算负担和固定邻接矩阵假设的局限性，分别使用BiLSTM、BiGRU、BiTCN学习危险巷道风量原始数据中的时间特征。同时在三种双向深度学习算法中融入多种注意力机制，以提高单项预测模型的预测能力；最后，在组合预测的权重值优化问题中，利用麻雀搜索算法调节各单项预测模型的权重，得到最终的危险巷道风量预测值。研究成果为危险区域风量的科学预测提供了一条可行路径，对提升矿井通风系统的安全性与智能化管理水平具有重要的理论意义与工程应用价值。

近年来，学校和学院高度重视科研创新团队的建设工作，我院人才培养工作和科研工作正逐渐深入专业领域前沿。管理科学与工程学科“信息与工程管理”创新团队持续产出高水平科研成果，这些成果为我院学科建设、研究生培养起到重要的支撑作用。