为实现矿井粉尘浓度的准确预测,利用陕西某矿井采煤工作面的现场监测数据,采用随机森林(RF)模型,将温度、湿度、风速和当前时刻的粉尘浓度作为输入向量,构建多因素粉尘浓度预测模型;并提出使用4种智能优化算法(牛顿拉夫逊优化算法(NRBO)、麻雀搜索算法、灰狼优化算法和鲸鱼优化算法)对随机森林的参数(树的数量和叶子节点数)进行寻优,通过决定系数(R２)、均方根误差(RMSE)和平均绝对误差(MAE)评价模型的优劣.结果表明:粉尘浓度预测的最优模型是NRBO-RF模型;与RF模型相比,NRBO-RF模型的R２ 提高了0.0303,RMSE 降低了0.5728,MAE 降低了0.0749,其拟合能力和预测精度最高.研究结果可为矿井粉尘的智能预测及防控提供参考.