矿业研究与开发

作者：王龙飞,陈俊智,任春芳,蔡川川,徐晓文,刘洋,何昌耀

关键词：巷道变形预测;AE-TCN-Transformer并行模型;时间卷积网络;阿尔法进化算法;多尺度特征融合

为实现巷道变形的精准预测,提出一种基于阿尔法进化算法(AE)优化的时间卷积网络(TCN)和Transformer并行预测模型.该模型通过并行架构融合TCN与Transformer模型,TCN利用膨胀因果卷积挖掘局部时序特征,Transformer通过多头自注意力机制提升长时序模式的捕捉效率,最后通过时序注意力引导的多模型动态特征融合机制输出结果.同时,引入AE算法优化超参数,凭借自适应进化路径与双步长机制,增强模型在复杂时序数据中的鲁棒性.以云南某铁矿三个不同中段监测点的巷道位移监测数据为研究对象进行试验验证,结果表明:AE-TCN-Transformer模型在预测步长为6~48步时,其均方根误差控制在0.013 2mm 以下,对称平均绝对百分比误差低于0.09％,决定系数高于0.97,显著优于TCN、Transformer、LSTM 等单一模型,充分验证了AE-TCN-Transformer模型在巷道变形预测中的精确性与可靠性,为巷道变形精准预测提供了新路径.

来源：2026年第4期

《矿业研究与开发》期刊编辑部

查看矿业研究与开发杂志2026年第4期