哈尔乌素露天煤矿作为我国储煤量、开采量均处于前列的大型露天矿,对于内蒙古乃至全国的能源供给具有重要作用。随着采量增大和设备的大型化,露天开采过程中产生大量的煤、岩尘及其他物质的扩散,对人员健康和工作安全都造成了极大地影响,同时加剧了西北地区的大气污染。掌握露天煤矿粉尘浓度变化的特征,对其进行科学有效的预测是极具现实意义的。基于此,本文探索了哈尔乌素露天煤矿粉尘浓度的变化特征及影响因素,建立预测模型,实现对哈尔乌素露天煤矿PM2.5浓度值的预测。论文以哈尔乌素露天煤矿工作帮和端帮顶帮布设的两个监测点所提供的9~12月的粉尘浓度数据、气象数据为研究基础,探究了露天矿粉尘浓度在月、日两个时间尺度上的变化规律;分析了露天煤矿开采强度和气象因子对监测点粉尘浓度值的影响;寻找监测点粉尘浓度的空间联系。最终得出剥采量、风力-风速、风向、温度、温度变化率、湿度、湿度变化率及风速*剥采量是影响哈尔乌素露天煤矿粉尘浓度显著变化的变量。建立哈尔乌素露天煤矿传统回归、随机森林、LSTM循环神经网络预测模型,选取时间因子、气象因子及采装强度作为输入变量,RMSE、MAPE作为评价指标,预测露天煤矿PM2.5浓度值。结果表明LSTM循环神经网络预测模型效果较好,准确率可达92.97%。该论文有图39幅,表17个,参考文献73篇。