煤矿突水预测是一个涉及水文地质、工程地质、岩石力学等诸多学科的复杂问题。影响煤矿突水的因素众多，并且影响因素是不停变化的，仅依靠传统的方法很难快速准确地进行突水预测。对此，论文提出将主成分分析与极限学习机相结合的方法，对煤矿突水进行预测。通过对已有煤矿突水预测方法的研究，分析指出这些方法的优势及不足，结合煤矿突水机理，选用了新近提出的极限学习机进行煤矿突水预测，满足突水预测对精确性及实时性的要求。已有研究表明在指标因素过多时，这些因素所包含的信息量一般会有重叠的地方。如果直接采用极限学习机算法进行网络预测，这些重叠的信息量会降低运行速率。因此论文选用主成分分析法进行样本的预处理，在最大限度地保留原有信息的同时，降低数据噪声对模型输入量的影响，提高网络的预测性能。构建预测模型，选用SPSS软件对网络输入量进行主成分分析，并设计了极限学习机的网络结构。通过实验完成对数据的选择，确定网络结构，包括隐藏层节点数以及激励函数的选取。将本预测模型方法应用于煤矿突水预测，得出实验结果，并与以往的突水预测方法进行比较，检验论文提出的突水预测方法的性能，实验结果表明，论文提出的方法在突水预测过程中具有更好的效果。