采空区智能充填是煤炭资源绿色安全智能高效开采的重要方向，其关键在于对井下采空区矸石充填过程进行智能决策与控制。以采空区充填后围岩应力及变形作为监测指标，本论文建立了一种采空区智能充填深度神经网络算法，该算法可以通过输入煤层埋深、厚度、工作面长度、直接顶厚度等关键基本参数，进行相应条件下不同充填方案的采场应力及围岩变形计算分析。将FLAC3D模拟400种不同条件下的充填开采结果作为数据集，对建立的智能充填深度神经网络算法进行训练测试，并与其余三种不同算法进行对比分析。结果表明：建立的智能充填深度神经网络算法总体优于随机森林、决策树和多元线性回归算法，每组数据运算平均速度仅为0.013s；智能充填深度神经网络算法计算的顶板最大变形、工作面煤壁压力峰值、巷道超前支护距离等关键参数误差均值介于2%～8%之间；应用该算法针对现场实际条件进行测试，结果与现场实际结果基本吻合，表明该算法科学可行。本研究对煤矿绿色智能开采具有重要意义与价值。

1 充填智能控制与算法原理
1.1 充填智能控制
1.2 深度神经网络算法原理
2 智能充填算法结构设计
2.1 智能充填数据集
2.2 智能充填算法结构
3 智能充填算法训练及应用
3.1 智能充填算法训练
3.2 智能充填算法应用
4 结论

周忠斌,梁卫国,郭凤岐,阎雾龙.煤矿采空区智能充填深度神经网络算法研究[J/OL].太原理工大学学报:1-11[2023-06-15].http://kns.cnki.net/kcms/detail/14.1220.N.20230529.1216.006.html