华北型煤田是我国主要的煤产地,长期以来,由于受煤系地层基底奥灰岩溶水的严重威胁,致使矿井生产能力和服务年限很难达到正常的水平,解放大量水困煤炭资源是煤炭工业持续、稳定发展的必由之路,开展煤层底板突水预测方法的研究是实现煤矿安全生产的重要保证。煤层底板突水预测问题是一个受多种因素综合影响的复杂的、非线性的、高维问题,传统的方法往往难以奏效,寻求一种有效的煤层底板突水预测方法一直是煤矿水文地质工作者积极探索的研究方向。本文在分析了华北型煤田水文地质特征和充水影响因素的基础上,利用统计学习理论的最新方法——支持向量机,研究和提出了基于支持向量机的煤层底板突水的预测方法,为解决矿井水害问题提供了一条新途径。本文主要开展了以下几个方面的工作:分析了煤层底板突水的主要类型和影响因素;从简单的线性SVM到非线性SVM两类分类情形详细推导了支持向量机的训练和预测过程,并对训练算法作了总结;首次提出了基于支持向量机的煤层底板突水预测模型;运用MATLAB语言编程实现了算法;通过特征选择从突水因素中提取了能有效预测突水的最少参数组合;利用网格搜索法和10-折交叉确认法求得了支持向量机的相关参数,确定了煤层底板突水预测的分类器;将其与突水系数法进行比较,结果表明基于支持向量机的煤层底板突水预测分类器可有效地提高预测精度;论文还探讨了将这一分类方法应用于带压开采中的技术途径;最后,指出了理论上和技术上有待进一步研究和解决的问题。