近日，李爽教授团队研究成果“融合时频域滞后特征的煤自燃温度空时图注意力预测方法”在中科院一区TOP期刊《Engineering Applications of Artificial Intelligence》发表。该刊是人工智能工程应用与复杂系统建模领域高水平国际学术期刊、影响因子8.0。该成果通过创新引入“自适应滞后窗口”概念，并设计双注意力机制驱动的时空图预测模型，实现了煤自燃温度动态预警与多源特征融合方面的重要科研突破。

A spatio-temporal graph attention prediction method for coal spontaneous combustion temperature integrating time-frequency domain lag features

融合时频域滞后特征的煤自燃温度空时图注意力预测方法

研究首次在煤自燃温度预测领域引入“自适应滞后窗口”概念，有效刻画了气体浓度变化相对于温度变化的滞后效应，实现了对多源监测数据时空关联特征的深度融合。并通过利用Crossformer模型对基准预测结果进行残差校正，显著提升模型对复杂非线性关系的捕捉能力。模型在短、中、长期预测步长下均表现稳定，为煤矿自燃火灾预警提供了高精度、强鲁棒性的智能工具。

本研究不仅推进了煤自燃过程机理与数据驱动的融合建模，也为具有时空滞后效应的复杂工业系统预测问题提供了通用框架，助力矿山安全从“事后处置”向“事前预警”的智能化转型。