导水裂隙带高度是西部矿区保水采煤的理论依据和关键参数。近年来，BP神经网络广泛应用于导水裂隙带高度预测，但BP神经网络存在收敛速度慢、易陷入局部极小等问题。为提高导水裂隙带高度预测的准确性，利用粒子群优化算法(PSO)对BP神经网络的权值和阈值进行优化，建立基于PSO-BP神经网络的导水裂隙带高度预测模型。选择开采厚度、开采深度、工作面倾斜长度、煤层倾角、覆岩结构特征为导水裂隙带高度主要影响因素，选取22例导水裂隙带高度实测数据对PSO-BP神经网络进行训练，将训练后的PSO-BP神经网络对2 例测试样本的预测结果与实际值进行对比，并与BP神经网络预测模型及经验公式预测结果进行对比。结果表明：PSO-BP神经网络预测模型的平均相对误差为1.55%；BP神经网络预测模型的平均相对误差为4.8%，经验公式的最小相对误差为9.4%，PSO-BP神经网络预测精度明显优于BP神经网络和经验公式，且绝对误差和相对误差变化较稳定，可以有效预测导水裂隙带高度。

1 PSO-BP神经网络模型

   1.1 BP神经网络

   1.2 粒子群优化算法

   1.3 PSO-BP神经网络

2 基于PSO-BP神经网络的导水裂隙带高度预测模型建立及分析

   2.1 导水裂隙带高度主要影响因素与样本数据

   2.2 PSO-BP神经网络参数确定

   2.3 PSO-BP神经网络预测结果及分析

3 结论