针对煤层导水断裂带高度预测精度较低、参数优化比较困难的问题，提出了一种基于Logistic混沌映射改进的麻雀搜索算法优化BP神经网络模型（LC-SSA-BP）的煤层导高的预测方法，与传统的BP神经网络模型相比，该方法收敛快、稳定性高；通过对BP神经网络的权值和阈值进行优化，提高了群体的搜索能力从而增加寻优性，使得预测性能达到最优；选择开采深度、开采厚度、覆岩结构、工作面斜长、煤层倾角作为水断裂带高度的主控因素，选取39组训练样本和4组测试样本数据，建立了LC-SSA-BP神经网络预测模型，并与BP神经网络算法进行了对比。结果表明：BP神经网络与LC-SSA-BP神经网络的最大相对误差分别为30.77%和9.05%,LC-SSA-BP神经网络的预测精度更高；应用该模型预测曙光煤矿90301工作面导水断裂带高度预测为51.6 m，与工程验证结果相比的误差值为5.1%。

国家自然科学基金青年科学基金资助项目（52104145）；山西省基础研究计划资助项目（20210302124482）；山西省科技重大专项揭榜资助项目（20191101016）；山西省科技重大专项资助项目（20201102004）；

1 矿区概况
2 LC-SSA-BP神经网络
2.1 SSA-BP模型
2.2 LC-SSA-BP优化模型
3 导水断裂带高度预测
3.1 样本选取及模型参数
3.2 模型的训练和测试
3.3 导水断裂带高度预测和工程验证
4 结语

赵德康,韩冰,冯国瑞,史佳波,任恒辉,王鹏威,任培元.基于LC-SSA-BP神经网络模型的煤层导水断裂带高度预测[J].煤矿安全,2023,54(05):78-83.DOI:10.13347/j.cnki.mkaq.2023.05.012.