基于机器学习的地下空间竖井气温预测方法

本发明公开了一种基于机器学习的地下空间竖井气温预测方法，涉及环境监测与智能预测技术领域，本方案通过构建含竖井进深、气象参数、通风及列车运行参数的数据集，训练动态物理约束项和交互感知机制的加权随机森林模型，通过场景自适应的改进蚁群算法优化超参数以适配不同工况；经敏感度分析生成含物理修正项的闭式预测公式，同时支持迁移学习数据增强与在线校准。本发明兼顾物理规律与数据驱动优势，解决了传统方法预测偏差大、场景适配性差的问题，提升了竖井气温预测的精准性、可靠性与工程实用性，为地下工程环境调控提供技术支撑。