煤炭自燃严重威胁煤矿安全生产，传统预警方法难以精准捕捉其多参数动态耦合的非线性特征。本文提出一种基 于贝叶斯优化长短期记忆网络（BO-LSTM）的煤炭自燃预警模型。通过最大 - 最小归一化处理多参数数据，构建模型并 确定其结构和超参数范围，利用贝叶斯优化迭代搜索最优超参数，再经训练和评估优化模型。以山东省某矿程序升温实验 数据为例，将 BO-LSTM 与网格搜索优化 LSTM（GS-LSTM）、随机搜索优化 LSTM（RS-LSTM）进行对比分析。结果 表明：BO-LSTM 在训练和测试阶段的平均绝对误差、均方根误差均低于后两者；其测试集判定系数为 0.92，相较于 GSLSTM 和 RS-LSTM 分别提高 12.2%、5.7%。这表明 BO-LSTM 预测精度高、稳定性和泛化能力强，为煤炭自燃预防和控 制提供了可靠技术支持。