煤炭资源是我国能源结构中占比最大的板块,为我国经济社会高速发展提供了源源不断的动力。因此,煤炭资源的安全开采显得尤为重要。在煤炭开采过程中,作业面矿山压力显现的异常会严重威胁到作业人员的人身安全,开展矿山压力显现预测的研究工作进而建立预警机制对煤炭安全开采具有重要意义,是煤矿安全生产的重要技术保障。本文首先针对采矿活动中矿山压力显现预测的实际需求,提出基于模糊认知图(Fuzzy Cognitive Maps,FCM)的矿山压力显现预测的实例化预测模型。其次,对预测模型中的实数编码遗传算法进行改进,引入权重正则化和Dropout正则化,提出改进遗传算法进行模型相关参数求解。模型性能验证以现场监测数据为例,采用实数编码遗传算法、L2正则化遗传算法和改进遗传算法训练模型,运用均方差和适应度函数验证预测模型对于采用不同优化算法的适用性,验证改进遗传算法优于其他两种算法。最后,将基于改进遗传算法构建的FCM模型与两种不同的神经网络架构模型(密集连接网络和循环神经网络)进行性能对比分析,进一步验证所提出预测模型的适用性,证明其可以实现煤矿生产现场矿山压力显现预测工作的需求。本文研究的创新性成果主要有以下几个方面:1.将模糊认知图应用于矿山压力显现的预测研究,根据实际工作中的需求,通过特征工程确定模型输入属性和输出属性,构建了预测模型;2.提出改进遗传算法,改善算法在预定义的解空间中寻找最优解的能力进而提高模型预测性能;3.通过比较本文构建的FCM模型与回归任务中主要使用的两种神经网络架构模型,完成了将深度学习引入矿山压力显现预测的初期研究。