重大進(jìn)展特刊┃山東能源集團(tuán)董事長(zhǎng)李偉：全球首個(gè)礦山行業(yè)大模型在山東能源落地商用

重大進(jìn)展特刊

為宣傳推廣煤礦智能化建設(shè)先進(jìn)經(jīng)驗(yàn)和創(chuàng)新成果，發(fā)揮典型示范引領(lǐng)作用，《智能礦山》于2025年第2期策劃出版了《2024年煤礦智能化重大進(jìn)展成果特刊》，刊登代表新時(shí)代煤礦人創(chuàng)造性實(shí)踐和智慧結(jié)晶的11項(xiàng)智能化建設(shè)成果，以饗讀者。

文章來(lái)源：《智能礦山》2025年第2期“2024 年煤礦智能化重大進(jìn)展成果特刊”

作者簡(jiǎn)介：李偉，研究員，博士，現(xiàn)任山東能源集團(tuán)有限公司黨委書記、董事長(zhǎng)，主要從事煤炭安全高效開采和清潔高效利用方面的技術(shù)研究與工程實(shí)踐工作。Email：sdnyliwei@shandong-energy.com

作者單位：山東能源集團(tuán)有限公司

引用格式：李偉.全球首個(gè)礦山行業(yè)大模型在山東能源落地商用[J].智能礦山，2025，6(2)：2-6.

點(diǎn)擊文末左下角閱讀原文，免費(fèi)下載閱讀pdf全文

數(shù)字經(jīng)濟(jì)是新一輪科技革命和產(chǎn)業(yè)變革新機(jī)遇的戰(zhàn)略選擇，人工智能（簡(jiǎn)稱AI）是引領(lǐng)科技革命和產(chǎn)業(yè)變革的戰(zhàn)略性技術(shù)，具有溢出帶動(dòng)性的“頭雁”效應(yīng)。自2020年起，山東能源集團(tuán)有限公司（簡(jiǎn)稱山東能源）聯(lián)合華為技術(shù)有限公司（簡(jiǎn)稱華為公司）共同探討礦山大模型應(yīng)用場(chǎng)景，聚焦全球首款礦山行業(yè)大模型商用，分析技術(shù)架構(gòu)并突破關(guān)鍵技術(shù)，研發(fā)出全球首個(gè)礦山行業(yè)大模型，涵蓋視覺感知和數(shù)據(jù)預(yù)測(cè)方案，提供多方面樣板，實(shí)現(xiàn)創(chuàng)新突破與成果轉(zhuǎn)化，在行業(yè)內(nèi)發(fā)揮重要引領(lǐng)和示范作用。

礦山行業(yè)大模型主要建設(shè)內(nèi)容

1.1 構(gòu)建傳統(tǒng)行業(yè)智能化升級(jí)示范樣板

為契合礦山領(lǐng)域智能化改造與數(shù)字化轉(zhuǎn)型的迫切需求，構(gòu)建了礦山場(chǎng)景專用視覺大模型和預(yù)測(cè)大模型。視覺大模型利用先進(jìn)的圖像處理技術(shù)，精準(zhǔn)識(shí)別礦山作業(yè)場(chǎng)景中采煤機(jī)運(yùn)行狀態(tài)、礦石運(yùn)輸情況等各類目標(biāo)；預(yù)測(cè)大模型憑借強(qiáng)大的數(shù)據(jù)分析能力，預(yù)測(cè)礦山生產(chǎn)中礦石品位變化趨勢(shì)、設(shè)備故障發(fā)生概率等關(guān)鍵參數(shù)。視覺和預(yù)測(cè)大模型協(xié)同發(fā)力，全面覆蓋了礦山領(lǐng)域采煤、掘進(jìn)、主運(yùn)、輔運(yùn)、提升、安監(jiān)、防沖、洗選、焦化9個(gè)專業(yè)的100多類AI場(chǎng)景，礦山行業(yè)大模型建設(shè)場(chǎng)景如圖1所示。在采煤工作面，視覺大模型實(shí)時(shí)監(jiān)測(cè)采煤機(jī)的割煤速度和位置，預(yù)測(cè)大模型根據(jù)地質(zhì)數(shù)據(jù)預(yù)估頂板垮落風(fēng)險(xiǎn)，為安全生產(chǎn)提供精準(zhǔn)指導(dǎo)，增強(qiáng)生產(chǎn)安全保障，顯著提升了山東能源礦山領(lǐng)域的智能化水平。

圖1 礦山行業(yè)大模型建設(shè)場(chǎng)景

1.2 打造業(yè)內(nèi)首個(gè)全棧自主研發(fā)的行業(yè)大模型

礦山行業(yè)大模型采用昇騰、盤古大模型等前沿國(guó)產(chǎn)化技術(shù)，以預(yù)訓(xùn)練大模型為基礎(chǔ)，深度優(yōu)化模型架構(gòu)與算法，使其具備強(qiáng)大的泛化能力，適應(yīng)不同礦山場(chǎng)景。通過(guò)國(guó)產(chǎn)化算力適配，充分發(fā)揮硬件性能，確保高效運(yùn)算。云邊架構(gòu)協(xié)同實(shí)現(xiàn)了中心與邊緣的無(wú)縫協(xié)作，數(shù)據(jù)在云端集中訓(xùn)練與管理，邊緣端實(shí)時(shí)推理與反饋，保障了系統(tǒng)的穩(wěn)定性與響應(yīng)速度。融合系列核心關(guān)鍵技術(shù)，打造出可信可靠、通用泛化、自我進(jìn)化的全棧自主可控的礦山人工智能大模型，填補(bǔ)了國(guó)內(nèi)外礦山領(lǐng)域垂直行業(yè)大模型的空白，為煤炭行業(yè)智能化轉(zhuǎn)型提供了堅(jiān)實(shí)支撐。

礦山行業(yè)大模型關(guān)鍵技術(shù)創(chuàng)新

2.1 礦山場(chǎng)景感知與動(dòng)態(tài)數(shù)據(jù)建模

通過(guò)礦山現(xiàn)場(chǎng)的傳感器、攝像機(jī)等設(shè)備，實(shí)時(shí)采集礦山的環(huán)境數(shù)據(jù)、設(shè)備狀態(tài)、生產(chǎn)流程等信息，結(jié)合AI技術(shù)進(jìn)行深度學(xué)習(xí)與分析，有效感知礦山環(huán)境變化，并建立動(dòng)態(tài)數(shù)據(jù)模型。礦山場(chǎng)景感知關(guān)鍵技術(shù)從大量原始數(shù)據(jù)中提取有價(jià)值的信息，支持實(shí)時(shí)決策和預(yù)測(cè)。通過(guò)動(dòng)態(tài)監(jiān)測(cè)設(shè)備運(yùn)行狀態(tài)，建立模型預(yù)測(cè)設(shè)備故障并預(yù)警，動(dòng)態(tài)數(shù)據(jù)建模的核心為實(shí)時(shí)更新和優(yōu)化模型。通過(guò)不斷優(yōu)化模型參數(shù)，實(shí)時(shí)匹配礦山生產(chǎn)環(huán)境變化，實(shí)現(xiàn)精準(zhǔn)設(shè)備故障預(yù)測(cè)、安全隱患識(shí)別等功能。

2.2 構(gòu)建智能調(diào)度與優(yōu)化算法

應(yīng)用AI和優(yōu)化算法，可在復(fù)雜生產(chǎn)環(huán)境中實(shí)現(xiàn)資源合理調(diào)配與調(diào)度，在突發(fā)事件中迅速作出響應(yīng)。智能調(diào)度通過(guò)算法優(yōu)化生產(chǎn)計(jì)劃、設(shè)備調(diào)度，減少生產(chǎn)中非計(jì)劃停機(jī)時(shí)間，提升生產(chǎn)效率。優(yōu)化算法涉及多目標(biāo)優(yōu)化，常用的包括生產(chǎn)成本、時(shí)間效率和設(shè)備利用率等。優(yōu)化目標(biāo)為總成本最小化，同時(shí)滿足資源限制、時(shí)間約束等條件，通過(guò)智能調(diào)度與優(yōu)化算法，實(shí)時(shí)調(diào)整生產(chǎn)計(jì)劃，根據(jù)礦山現(xiàn)場(chǎng)動(dòng)態(tài)變化優(yōu)化設(shè)備和資源分配，提升生產(chǎn)的靈活性和響應(yīng)速度。

2.3 礦山安全監(jiān)測(cè)與智能預(yù)警

礦山安全監(jiān)控系統(tǒng)依靠傳感器、攝像機(jī)等設(shè)備，實(shí)時(shí)采集礦山中的氣體濃度、溫濕度、設(shè)備運(yùn)行狀態(tài)、環(huán)境震動(dòng)等參數(shù)，動(dòng)態(tài)感知和預(yù)測(cè)潛在的安全隱患，通過(guò)邊緣計(jì)算和云端分析，實(shí)現(xiàn)全面監(jiān)控生產(chǎn)環(huán)境、設(shè)備狀態(tài)及人員安全狀況。礦井智能預(yù)警以視覺識(shí)別技術(shù)和深度學(xué)習(xí)算法為基礎(chǔ)，進(jìn)行多維數(shù)據(jù)融合和分析，利用設(shè)備故障預(yù)測(cè)模型，分析設(shè)備歷史數(shù)據(jù)和實(shí)時(shí)狀態(tài)，早期預(yù)測(cè)潛在安全事故，并識(shí)別異常模式，發(fā)現(xiàn)異常征兆及時(shí)預(yù)警，避免設(shè)備故障對(duì)生產(chǎn)造成影響，可有效提高安全生產(chǎn)的管理水平，礦山行業(yè)大模型實(shí)時(shí)監(jiān)測(cè)界面如圖2所示。

圖2 礦山行業(yè)大模型實(shí)時(shí)監(jiān)測(cè)界面

2.4 模型性能優(yōu)化與能耗控制

海量礦山數(shù)據(jù)的深度學(xué)習(xí)模型訓(xùn)練和推理，消耗大量計(jì)算資源，帶來(lái)高能耗并降低模型反應(yīng)速度。采用知識(shí)精餾技術(shù)，降低模型復(fù)雜度和計(jì)算負(fù)擔(dān)，優(yōu)化模型性能并提升精確度。針對(duì)不同礦場(chǎng)任務(wù)特點(diǎn)，將大型預(yù)訓(xùn)練模型的知識(shí)轉(zhuǎn)移到小網(wǎng)絡(luò)中，適應(yīng)模型壓縮和量化，使模型在低功耗裝置高效運(yùn)行。通過(guò)系列優(yōu)化，模型既可在礦井現(xiàn)場(chǎng)設(shè)備保持高預(yù)測(cè)準(zhǔn)確率，也滿足快速推理需求。

采用邊緣計(jì)算和云計(jì)算協(xié)同架構(gòu)控制模型能耗，邊緣設(shè)備只執(zhí)行必要的推理任務(wù)，通過(guò)云中心放置大規(guī)模的數(shù)據(jù)預(yù)處理和模型訓(xùn)練，降低邊緣設(shè)備的計(jì)算負(fù)擔(dān)和能耗。邊緣設(shè)備采用動(dòng)態(tài)電源管理技術(shù)，在不影響實(shí)時(shí)性和精確性的前提下，基于當(dāng)前負(fù)載調(diào)整功耗，減少不必要能耗，實(shí)現(xiàn)動(dòng)態(tài)調(diào)度和管理，進(jìn)一步優(yōu)化能源利用效率。

礦山行業(yè)大模型解決的難題

3.1 低代碼融合AI重塑開發(fā)工作流

在AI領(lǐng)域，基礎(chǔ)大模型訓(xùn)練與推理對(duì)資源要求極高，在企業(yè)本地化部署面臨重重困難，特別是礦山對(duì)保密和數(shù)據(jù)私有化需求強(qiáng)烈的行業(yè)，高昂投資成本和資源消耗成為難以逾越的障礙。

通過(guò)深入剖析煤炭行業(yè)獨(dú)特需求，針對(duì)性優(yōu)化基礎(chǔ)大模型，成功研發(fā)出適配礦山行業(yè)的AI大模型，削減了模型訓(xùn)練和推理所需資源，為大模型私有化部署創(chuàng)造了條件。創(chuàng)新性地深度融合低代碼技術(shù)與AI技術(shù)，重構(gòu)了AI開發(fā)工作流程，滿足初級(jí)算法工程師僅需簡(jiǎn)單培訓(xùn)，便可借助平臺(tái)高效完成模型開發(fā)與調(diào)優(yōu)任務(wù)，使模型開發(fā)、迭代、運(yùn)維、運(yùn)營(yíng)等環(huán)節(jié)更加便捷、高效，降低了模型開發(fā)門檻，為礦山行業(yè)的智能化發(fā)展注入了新的活力與動(dòng)力。

3.2 優(yōu)化數(shù)據(jù)對(duì)齊、網(wǎng)絡(luò)結(jié)構(gòu)、下游任務(wù)

在視覺處理領(lǐng)域，針對(duì)高層語(yǔ)義層面難以對(duì)齊的難題，創(chuàng)新性地提出基于信息瓶頸理論的雙分支掩碼自動(dòng)編碼器。通過(guò)獨(dú)特的雙分支結(jié)構(gòu)設(shè)計(jì)，有效解決了語(yǔ)義對(duì)齊的關(guān)鍵問(wèn)題，模型在處理視覺信息時(shí)，可更好地捕捉和理解高層語(yǔ)義特征，提升了模型對(duì)復(fù)雜視覺場(chǎng)景的理解能力。為減少圖像冗余信息對(duì)模型性能的影響，提出僅聚焦于掩碼區(qū)域內(nèi)關(guān)鍵信息的重建策略，加速了掩碼圖像建模過(guò)程，提高了模型處理效率，降低計(jì)算資源消耗，模型在資源有限的情況下仍保持出色的性能表現(xiàn)。

鑒于當(dāng)前業(yè)界圖文對(duì)齊預(yù)訓(xùn)練模型CLIP在細(xì)粒度特定區(qū)域或像素級(jí)別細(xì)節(jié)處理的不足，研發(fā)了統(tǒng)一的多粒度學(xué)習(xí)框架，通過(guò)顯式賦予CLIP局部感知能力，在處理圖文信息時(shí)可精準(zhǔn)捕捉細(xì)微特征，提升了模型在圖像分類、目標(biāo)檢測(cè)等任務(wù)的精度，為礦山行業(yè)視覺相關(guān)應(yīng)用提供了強(qiáng)大技術(shù)支持，大模型視覺技術(shù)框架如圖3所示。

圖3 大模型視覺技術(shù)框架

3.3 首次實(shí)現(xiàn)結(jié)構(gòu)化數(shù)據(jù)預(yù)測(cè)

通過(guò)深入分析礦山不同場(chǎng)景和任務(wù)特性，精準(zhǔn)篩選出最適配的基模型，有效解決了因場(chǎng)景與任務(wù)差異，導(dǎo)致最優(yōu)模型難以確定的難題，確保了預(yù)測(cè)模型的準(zhǔn)確性與適應(yīng)性。

針對(duì)部分模型性能欠佳，致使傳統(tǒng)模型集成方案效果受限的情況，創(chuàng)新提出了圖網(wǎng)絡(luò)融合技術(shù)，通過(guò)融合圖網(wǎng)絡(luò)結(jié)構(gòu)，實(shí)現(xiàn)了模型間優(yōu)勢(shì)互補(bǔ)，提升了結(jié)構(gòu)化數(shù)據(jù)預(yù)測(cè)的精度與泛化能力，預(yù)測(cè)大模型采用集成學(xué)習(xí)策略，綜合分析與優(yōu)化多個(gè)模型預(yù)測(cè)結(jié)果，進(jìn)一步增強(qiáng)了預(yù)測(cè)算法的精度和魯棒性。面對(duì)礦山領(lǐng)域復(fù)雜的結(jié)構(gòu)化數(shù)據(jù)時(shí)，可提供更加可靠、精準(zhǔn)的預(yù)測(cè)結(jié)果。通過(guò)基模型選擇和圖網(wǎng)絡(luò)融合，研發(fā)出自適應(yīng)、可擴(kuò)展的礦山預(yù)測(cè)大模型，首次實(shí)現(xiàn)了礦山生產(chǎn)領(lǐng)域的結(jié)構(gòu)化數(shù)據(jù)預(yù)測(cè)，大模型預(yù)測(cè)技術(shù)框架如圖4所示。

圖4 大模型預(yù)測(cè)技術(shù)框架

3.4 創(chuàng)建礦山AI大模型全鏈條開發(fā)運(yùn)營(yíng)體系

針對(duì)礦山AI場(chǎng)景面臨的諸多挑戰(zhàn)，開創(chuàng)性地提出了“云邊協(xié)同+邊用邊學(xué)+非正常即異?！钡腁I模型迭代優(yōu)化方法，提供了全面解決方案。

“云邊協(xié)同”架構(gòu)實(shí)現(xiàn)了云端強(qiáng)大計(jì)算能力與邊緣端實(shí)時(shí)響應(yīng)能力的有機(jī)結(jié)合。云端負(fù)責(zé)集中訓(xùn)練和模型優(yōu)化，邊緣端則專注于現(xiàn)場(chǎng)數(shù)據(jù)的實(shí)時(shí)推理和初步處理，二者協(xié)同工作，有效提升了場(chǎng)景推理的實(shí)時(shí)性，確保了礦山生產(chǎn)過(guò)程中的關(guān)鍵決策能夠及時(shí)、準(zhǔn)確做出。

“邊用邊學(xué)”機(jī)制打破了傳統(tǒng)模型更新的固有模式。在礦山實(shí)際運(yùn)營(yíng)中，可持續(xù)從新產(chǎn)生的數(shù)據(jù)中學(xué)習(xí)，不斷優(yōu)化自身性能，縮短模型迭代周期，模型可快速適應(yīng)礦山環(huán)境變化和業(yè)務(wù)需求的演進(jìn)。

“非正常即異?！辈呗詣?chuàng)新地解決了負(fù)樣本獲取難題，通過(guò)深入學(xué)習(xí)正常樣本的形態(tài)特征，模型自動(dòng)識(shí)別并篩選出異常樣本，為模型訓(xùn)練提供關(guān)鍵的負(fù)樣本數(shù)據(jù)，提高了模型對(duì)異常情況的識(shí)別能力和準(zhǔn)確性。

基于上述創(chuàng)新方法，山東能源成功創(chuàng)建了礦山AI大模型全鏈條開發(fā)運(yùn)營(yíng)體系，涵蓋數(shù)據(jù)采集、模型開發(fā)、訓(xùn)練優(yōu)化到部署應(yīng)用各環(huán)節(jié)，實(shí)現(xiàn)了全流程的標(biāo)準(zhǔn)化、模塊化管理?！霸七厖f(xié)同+邊用邊學(xué)+非正常即異常”模型迭代優(yōu)化方法如圖5所示。

圖5 “云邊協(xié)同+邊用邊學(xué)+非正常即異?！蹦Ｐ偷鷥?yōu)化方法

礦山行業(yè)大模型的應(yīng)用效果

（1）基于山東能源的AI訓(xùn)練中心，已開發(fā)了安全生產(chǎn)方面的相關(guān)視覺、預(yù)測(cè)方向100多類AI應(yīng)用場(chǎng)景算法模型，覆蓋主運(yùn)、防沖、掘進(jìn)等9大專業(yè)，實(shí)現(xiàn)了設(shè)備聯(lián)控及決策優(yōu)化。目前正在全國(guó)70多個(gè)生產(chǎn)單位進(jìn)行推廣復(fù)制應(yīng)用，規(guī)模超過(guò)3000個(gè)場(chǎng)景。下一步，在頂層政策及智能化發(fā)展的驅(qū)動(dòng)下，將結(jié)合煤礦生產(chǎn)單位的智能化需求，加大山東能源內(nèi)外部的推廣力度，計(jì)劃縱向深化礦山領(lǐng)域，橫向拓展化工、電力等領(lǐng)域，持續(xù)打造跨行業(yè)、跨領(lǐng)域的更多應(yīng)用場(chǎng)景，進(jìn)一步助力能源行業(yè)智能化水平提升。

（2）開辟了AI大模型技術(shù)應(yīng)用新路徑，打造智慧礦山建設(shè)山東能源新模式。以L0層大模型的視覺、預(yù)測(cè)大模型基礎(chǔ)通用能力，作為礦山大模型預(yù)訓(xùn)練的模型底座，融合礦山領(lǐng)域海量知識(shí)，沉淀高質(zhì)量數(shù)據(jù)資產(chǎn)，訓(xùn)練出L1層礦山大模型，建成云邊協(xié)同、邊用邊學(xué)的架構(gòu)體系，首次將大模型技術(shù)引入煤炭行業(yè)并進(jìn)行大范圍推廣應(yīng)用，突破了大模型在工業(yè)領(lǐng)域應(yīng)用精度低、泛化性不足、難以大規(guī)模復(fù)制推廣等難題，打造了可復(fù)制、可移植、可擴(kuò)展的AI新模式。

（3）開創(chuàng)了傳統(tǒng)行業(yè)管理變革新局面，構(gòu)建礦山安全高質(zhì)量發(fā)展新格局?；诒P古大模型技術(shù)場(chǎng)景化應(yīng)用，通過(guò)智能預(yù)警、智能監(jiān)管，加快推動(dòng)礦山安全治理模式向事前預(yù)防轉(zhuǎn)型，把風(fēng)險(xiǎn)化解在隱患前、把隱患消除在事故前，降低危險(xiǎn)作業(yè)場(chǎng)所事故的發(fā)生率。著力保障從業(yè)人員生命安全健康，逐步構(gòu)建以人為本的安全生產(chǎn)管理體系，踐行以人為本的安全生產(chǎn)方針，成為新型基礎(chǔ)設(shè)施建設(shè)在煤炭行業(yè)應(yīng)用的重要里程碑。

（4）探索出產(chǎn)學(xué)研用深度融合新思路，點(diǎn)燃產(chǎn)業(yè)快速升級(jí)提質(zhì)新引擎。依托山東能源深厚的行業(yè)經(jīng)驗(yàn)積累和華為公司出眾的大模型技術(shù)能力，發(fā)布了《礦山智能化暨礦山大模型最佳實(shí)踐白皮書》，為AI應(yīng)用實(shí)踐提供了統(tǒng)一標(biāo)準(zhǔn)及規(guī)范。同時(shí)聯(lián)合山東大學(xué)共同成立“AI+能源”未來(lái)技術(shù)學(xué)院，建立“企業(yè)主導(dǎo)，高校支撐”合作機(jī)制，實(shí)現(xiàn)了AI與能源學(xué)科的深度融合，推動(dòng)AI及能源行業(yè)的創(chuàng)新與發(fā)展，探索出一條產(chǎn)學(xué)研用深度融合的學(xué)科交叉育人新模式，推動(dòng)產(chǎn)教融合、科教融匯，建設(shè)貫穿創(chuàng)新鏈、產(chǎn)業(yè)鏈的礦山智能化新生態(tài)。

總結(jié)

（1）依托礦山領(lǐng)域的數(shù)據(jù)+算法+算力，引入視覺、預(yù)測(cè)等系統(tǒng)化新技術(shù)，研發(fā)具有行業(yè)特質(zhì)的專屬大模型，構(gòu)建了一套識(shí)別率高、泛化性強(qiáng)、部署靈活的大模型解決方案，以應(yīng)對(duì)礦山行業(yè)復(fù)雜多變的業(yè)務(wù)場(chǎng)景，提高礦山行業(yè)的智能化建設(shè)水平，提供煤炭生產(chǎn)力的新路徑。

（2）基于云邊協(xié)同架構(gòu)的大模型在礦山安全、生產(chǎn)效率和資源優(yōu)化方面擁有巨大潛力，本項(xiàng)目的成功應(yīng)用標(biāo)志著全球首個(gè)礦山行業(yè)大模型的落地商用，實(shí)現(xiàn)了AI在礦山行業(yè)規(guī)模化、標(biāo)準(zhǔn)化、常態(tài)化推廣應(yīng)用，推動(dòng)了煤炭行業(yè)的數(shù)字化轉(zhuǎn)型，踐行以人為本的理念，減輕井下人員工作強(qiáng)度，降低事故發(fā)生率，保障從業(yè)人員安全。

（3）礦山行業(yè)大模型的應(yīng)用促進(jìn)了煤礦生產(chǎn)從人工管理到智能化管理、從被動(dòng)管理到主動(dòng)管理的跨越，為能源行業(yè)管理變革注入了新動(dòng)力，憑借突出的創(chuàng)新性與應(yīng)用價(jià)值，經(jīng)中國(guó)煤炭工業(yè)協(xié)會(huì)鑒定為國(guó)際領(lǐng)先水平。

“煤礦智能化重大進(jìn)展發(fā)布會(huì)”自 2021年開始，至今已舉辦4次，發(fā)布會(huì)吸引了眾多煤礦智能化建設(shè)領(lǐng)域的專家及科研、工程技術(shù)人員，成為展示煤礦智能化建設(shè)成果，交流煤礦智能化科技成果的盛會(huì)。

往期回顧 | 點(diǎn)擊圖片了解詳情

2023年煤礦智能化重大進(jìn)展發(fā)布會(huì)

2022年煤礦智能化重大進(jìn)展發(fā)布會(huì)

2021年煤礦智能化重大進(jìn)展發(fā)布會(huì)

END

編輯丨李莎

審核丨趙瑞

煤科總院出版?zhèn)髅郊瘓F(tuán)成立于2015年，擁有科技期刊21種。其中，SCI收錄1種，Ei收錄5種、CSCD收錄6種、Scopus收錄7種、中文核心期刊9種、中國(guó)科技核心期刊11種、中國(guó)科技期刊卓越行動(dòng)計(jì)劃入選期刊4種，是煤炭行業(yè)最重要的科技窗口與學(xué)術(shù)交流陣地，也是行業(yè)最大最權(quán)威的期刊集群。

《智能礦山》

Journal of Intelligent Mine

月刊CN 10-1709/TN，ISSN 2096-9139，聚焦礦山智能化領(lǐng)域產(chǎn)學(xué)研用新進(jìn)展的綜合性技術(shù)刊物。

主編：王國(guó)法院士

投稿網(wǎng)址：www.chinamai.org.cn（期刊中心-作者投稿）

聯(lián)系人：李編輯 010-87986441

往期薦讀

• 征稿函┃《智能礦山》面向礦業(yè)領(lǐng)域廣大讀者征集文稿的函

• 歡迎訂閱┃《智能礦山》雜志2025年訂閱開始了！

• 行業(yè)聚焦┃2024年煤礦智能化重大進(jìn)展發(fā)布會(huì)成功召開

• 《智能礦山》創(chuàng)刊4周年回顧

• 王國(guó)法院士煤礦智能化觀點(diǎn)集錦

• 新書訂閱 ┃《中國(guó)煤礦智能化發(fā)展報(bào)告（2024年）》（王國(guó)法，劉峰 主編）

往期特刊

中國(guó)煤科特刊

陜煤集團(tuán)特刊

神東專欄

重大進(jìn)展特刊

露天礦特刊

理事會(huì)特刊

紅柳林煤礦特刊

創(chuàng)新技術(shù)特刊

創(chuàng)刊號(hào)

版權(quán)聲明

本刊對(duì)已出版文章持有電子版、網(wǎng)絡(luò)版及進(jìn)行網(wǎng)絡(luò)技術(shù)交流和與各網(wǎng)絡(luò)數(shù)據(jù)庫(kù)合作的權(quán)利，稿酬一次性付清，版權(quán)歸本刊與作者共同所有，如不同意，請(qǐng)?jiān)谕陡鍟r(shí)聲明。

聲明：本文系轉(zhuǎn)載自互聯(lián)網(wǎng)，請(qǐng)讀者僅作參考，并自行核實(shí)相關(guān)內(nèi)容。若對(duì)該稿件內(nèi)容有任何疑問(wèn)或質(zhì)疑，請(qǐng)立即與鐵甲網(wǎng)聯(lián)系，本網(wǎng)將迅速給您回應(yīng)并做處理，再次感謝您的閱讀與關(guān)注。