煤炭在经过几年的萧条之后,迎来了复兴。虽然新能源技术在不断的发展,但是在未来很长的一段时间内,煤炭仍会作为我国的主要能源。伴随着矿山开采,产生了一系列与之相关的问题,其中之一便是开采所引起的矿区地表沉降。矿区地表沉降会造成耕地的毁坏、建(构)筑物的损坏等灾害。长期有效地监测地表沉降情况,掌握沉降规律,是避免灾害发生的有效手段。本文以菏泽某矿11303工作面开采所引起的地表下沉为研究对象,目的是通过建立地表沉陷预测模型来指导采矿行为。使矿山开采所引起的地表沉降得到有效控制,避免灾害的发生,降低因灾害所产生的直接或间接经济损失。围绕这一主旨,本文做了如下研究工作:1.优化矿区地表沉降单一模型。对非等间隔灰色多变量模型和BP神经网络模型进行了介绍,分别探讨其建模机理,在此基础上,引出了基于背景值优化的非等间隔灰色多变量模型和基于遗传算法优化的BP神经网络模型,利用矿山实测数据在matlab软件中建立优化前后模型,以预测残差值和误差平方和作为精度评定标准,证明了模型优化方法在矿区地表沉降预测中的可行性。2.建立组合模型。介绍组合模型的相关理论,利用优化后的两种单一预测模型,采用最优定权组合的形式,建立组合模型。结果显示,组合模型在A01、A02、A03点的残差分别为-0.6mm～4.8mm、-7.6mm～3.7mm、-4.7mm～3.1mm。非等间隔多变量灰色预测模型在AOI、A02、A03点残差分别为-10.5mm～6.1mm、-10.4mm～9.6mm、-2.1mm～10.1mm,BP神经网络模型的残差分别为-1.5～6.8mm、-8.4mm～2.7mm、-9.6mm～-0.4mm。研究结果表明,与单一预测模型相比,组合预测模型的预测精度较高,预测值的变化曲线更接近实测值。因此,将组合预测模型应用于矿区地表沉降的预测是可行的,在实际工程应用中具有推广价值。