煤炭行业是诸多能源行业当中的高危行业,其开采一直受到很多条件的限制,其中地下水是威胁煤矿安全生产的重要因素之一。最近,多起重大、特大煤矿突水事件屡见报端,主要是因为煤矿突水形成十分复杂,涉及到水文、地质构造、采动影响等方面的要素,而目前又缺乏在采掘过程中的实时动态监测,因此给人民的生命财产造成了极大的危害。针对煤矿开采过程中缺乏有效的动态监测手段、预测方法单一等缺点,研究神经网络和D-S证据理论相结合的两级融合算法,提出了煤矿井下多参数突水信息的动态评价方法。此方法将传感器技术、数据融合技术和自动控制技术相结合,实现了煤矿井下传感器数据的动态采集、实时传输及突水等级的确定,为预防水害的发生提供决策依据。目前关于突水的数据还很少,而突水预测需要大量的数据。因此,提出了在采掘工作面区域内进行分布式多方位传感器布置的方案。首先确定影响工作面突水的诸多因素,通过分析煤矿顶板、底板突水机理,得出影响突水的主要因素,如巷道导水沟水位、含水层水位、顶、底板压力和掘进面前方的水量等。其次,选取了山西省漳村、沙坪两个煤矿进行实例分析,根据两个煤矿不同的水文、地质结构条件,对应的进行了传感器的布置,从而进行水情动态多参数测量。提出了建立井下现场动态水情数据库,填补了煤矿井下动态水情信息数据的空白。系统以VC++作为软件开发平台,Microsoft SQL Server为数据库平台,采用类三层C/S结构的开发模式,结合以太网标准PROFINET通讯技术,实现对煤矿井下的压力、水位、温度、流量等数据的实时传输,将采集到的数据预处理、传输到井下变电所的防爆PC机整理、分类、存储。然后,将采集到的数据进一步分析,应用两级融合算法,计算得出关于煤矿井下工作面突水的安全等级状态。对山西漳村煤矿3#煤层进行了实例分析,从开采、探测资料中提取10组已采点作为构建预测模型的样本,运用两级融合算法对煤矿井下突水等级评估。结果表明,该两级融合算法能够准确评估出煤矿井下突水的程度,有较强的抗干扰能力和较高的准确度,从而验证了系统的有效性和可行性。