保证煤矿围岩的稳定性是煤矿安全生产的前提,在实际工程开采初期,往往要对煤矿巷道围岩稳定性进行分类,为支护方案的设计以及巷道的布置提供科学参考。传统模糊数学方法虽然能够进行分类但存在主观性较强等弊端,鉴于支持向量机对有限样本数据处理的优势,本文提出建立支持向量机分级模型,并通过优化算法对模型进行优化,实现对巷道围岩稳定性的精确分类。研究围岩稳定性另一个重要内容是对巷道顶板位移进行监测工作,对顶板位移量进行预测,从而达到预警和保证施工安全的目的。本文主要研究两大核心内容分别是围岩稳定性分级和顶板位移预测预警方法。对于围岩稳定性的分级问题,详细分析了影响煤矿巷道围岩稳定性的原因,收集56条典型巷道数据,确定了围岩强度、煤层强度、埋深、岩石完整性系数、地下水情况和护巷煤柱宽度六个参数作为主要影响因素。首先用传统模糊数学方法对巷道进行分类,然后采用相同的数据,建立支持向量机分级模型,对围岩稳定性进行分类,并且分别用网格优化算法、粒子群优化算法和遗传算法进行优化。结果表明,遗传算法优化结果最佳,交叉验证准确率达到92%,相比传统模糊数学方法,支持向量机分级模型减少了人力物力,具有一定科学指导意义。同时为准确预知煤矿开采过程中巷道顶板的稳定性,减少顶板事故的发生,提出了基于支持向量机的巷道顶板位移量预测方法,构建了巷道顶板位移预测预警模型。在给定条件下,选取时间和距工作面距离两个指标作为模型输入,顶板位移量作为模型输出,为提高模型的预测精度,分别用网格搜索法、粒子群优化算法和遗传算法进行优化,最终选取遗传算法优化支持向量机参数。以胡家河煤矿巷道作为研究对象,选取4组巷道顶板位移数据作为样本数据,运用该模型进行训练和预测。分析结果表明,模型的预测结果和实际结果相吻合,能够为巷道顶板危险预警提供良好的理论支持。