冲击地压灾害态势日渐严峻，已成为制约煤矿安全生产的关键因素，如何提高冲击地压预测准确率成为煤矿开采需要注意的重点和难点。为解决当前冲击地压时间与空间预测协同难、微震数据时空特征挖掘不充分的困境，结合深度学习相关理论与方法，提出了基于微震多维信息融合的冲击地压全时空预测方法，该方法主要包括微震时空特征指标、时间预测以及空间预测三个模块，设计了基于主成分分析和核密度估计的微震时空特征指标构建方法，在此基础之上，构建了基于深度循环神经网络的冲击地压时间预测模型，提出了基于长短期时间窗融合的冲击地压空间预测方法，从而实现了冲击地压时间-空间协同的全时空预测。此外，为了评估本文所提方法的有效性，笔者在内蒙古鄂尔多斯矿区某冲击危险工作面进行了工程应用测试，测试时间段共出现13条大于105J的大能量微震事件，在时间预测方面，对于大能量事件的时间预测结果为10个强危险、3个中等危险，并且整个测试阶段模型误报率仅为0.133。在空间预测方面，对于大能量事件的空间预测结果的分布区域为6个强危险、3个中等危险、4个弱危险。实验结果表明笔者所提出的全时空预测方法可满足工程应用的需求，研究成果可为冲击地压监测预警提供参考与借鉴。

1 方法架构
2 微震时空特征指标
3 冲击地压全时空预测方法
3.1 时间预测方法
3.1.1 数据预处理
3.1.2 预测模型构建
3.2 空间预测方法
4 模型测试与工程应用
4.1 时间预测方法评估
4.1.1 模型训练
4.1.2 模型测试
4.1.3 时间预测工程应用
4.2 空间预测方法评估
5 结论与展望