本文应用小波去噪的方法,基于实践中得到的大量数据,通过科学的研究方法对生产中的矿压监测进行系统的研究。为了减少人为因素以及监测过程中不可避免的系统误差给数据分析带来的不利影响,在对矿压监测数据进行预处理的基础上,采用小波去噪提取其中的有用信息,以反映矿压数据的真实情况；并将小波神经网络非线性组合预测方法引入矿压预测中,以最大限度地提高矿压预测的准确性。论文的主要工作如下：1、收集大量的有关小波去噪方面的资料,对其进行归纳分析,研究适合本文使用的小波研究方法。2、整理在实践中产生的大量矿压监测数据,除去其中的异常值。将有用的信息归纳在一起,利用小波包对其进行去噪处理,通过选择合适的小波系数、分解层次、阈值等对数据组成的信号进行处理。对处理后的小波信号进行分析,根据幅值的变化确定间断点的位置,并通过理论对间断点进行分析,以确定矿压突变的位置。3、对日常观测的巷道位移数据进行处理,通过数据的插补对其进行完善。建立基于LIBSVM的巷道位移预测模型。并通过工程实例对模型的可靠性进行验证。