掘进工作面是煤矿开采过程中瓦斯事故频发的区域,针对其浓度变化呈现出的强非线性及时空动态相关性特点,提出了一种融合科尔莫格罗夫阿诺德网络(KAN)与改进iTransformer的掘进工作面瓦斯浓度预测模型(KAN-iTransformer).首先,通过数据预处理和Spearman相关系数分析构建了瓦斯浓度预测相关特征数据集;其次,基于倒置Transformer结构将完整变量序列视为标记,并引入图注意力机制显式建模传感器网络的空间拓扑关联,增加了传感器之间动态依赖的有效建模;再次,利用KAN的可学习激活函数替代传统线性权重,提升了模型对多源监测参数间复杂非线性关系的表征能力;最后,提出了融合点预测与区间估计的分级响应机制,实现了瓦斯超限风险的超前动态分级响应.现场试验结果表明,改进KANＧiTransformer模型在单步预测中的MSE、MAE 和MAPE 分别为0.000307,0.012921 和2.321373％,明显优于iTransformer与Transformer两种对比模型;在多步预测中,改进KAN-iTransformer模型的MSE 为0.000913,较对比模型分别降低了63.7％与80.9％,展现出更好的长期预测性能,有效实现了掘进工作面瓦斯浓度的精准预测与动态预警.