矿井巷道通风摩擦阻力系数是反映矿井井巷阻力特性最重要的技术参数之一,它是矿井通风设计、通风系统改造以及加强通风技术管理等工作的技术基础。通常巷道摩擦阻力系数主要通过查表选取和现场实测得到,一方面,我国使用的矿井巷道摩擦阻力系数表为上世纪八十年代所制定,已不能满足目前复杂矿井通风所用;另一方面,现场实测工作较为复杂且工作量大。因此矿井巷道摩擦阻力系数的预测研究对矿井通风设计和煤矿通风安全管理有着重要的理论意义和实际应用价值。本文引入支持向量机对矿井巷道摩擦阻力系数进行预测研究。理论分析得到,采用支持向量机对矿井巷道摩擦阻力系数进行预测是可行的。通过分析对比支持向量机常用核函数的性质,基于径向基核函数相对于其他几种核函数的优点,最终选取径向基核函数作为支持向量机预测矿井巷道摩擦阻力系数模型的核函数。在MATLAB环境下使用LIBSVM,以凉水井煤矿锚喷巷道、锚杆支护巷道、锚网索支护巷道的摩擦阻力系数为研究对象,分别用网格搜索方法、遗传算法方法、粒子群算法方法对训练集进行训练,得到最优的径向基核函数参数和惩罚参数组合,利用选取的参数组合建立预测模型,对验证集进行预测。预测结果表明,这三种方法选取的参数组合建立的预测模型均可有效预测矿井巷道摩擦阻力系数,验证了支持向量机预测矿井巷道摩擦阻力系数的可行性。其中,遗传算法选取参数组合的模型预测结果综合性能表现最好,并和矿井实测结果进行了验证对比。利用支持向量机和常用的矿井巷道摩擦阻力系数预测方法—BP神经网络分别对凉水井煤矿巷道摩擦阻力系数进行预测,结果表明:支持向量机预测矿井巷道摩擦阻力系数的精度更高、效果更好,较BP神经网络预测矿井巷道摩擦阻力系数更具优越性。