采矿活动向深部发展,破坏了深部的原岩应力,从而引发地质动力灾害,冲击矿压就是煤矿开采中产生的典型地质动力灾害之一。随着煤炭开采深度日益増加,煤矿地质动力灾害日益频繁,冲击矿压危害也日益严重。目前对于冲击矿压的研究仍有待发展,为了更好地对冲击矿压进行预警和预测,对冲击微震事件的聚集特征及活动规律研究显得尤为重要。论文研究目标是对微震监测数据进行智能化时空聚类分析,实现微震事件的自动化和精确化时空区域划分,完成微震监测数据的分区预处理,使微震监测数据在分区预处理基础上更好地实现后续的预警预测研究,提高冲击矿压预警预测精确度。微震事件是时空事件,只有综合考察得到时间、空间及其他非时空属性的密切关联集合,才能实现科学合理的聚类簇划分。论文考虑了微震事件的时空强因素,基于微震数据特征的考量和算法综合比较,选择适用于微震数据的时空密度聚类算法,将微震事件的时间和空间特征相结合展开聚类分析研究。本文将ST-DBSCAN聚类算法进行局限性分析和针对性改进,完成初始参数自适应和启发式优化策略研究,设计了基于微震的参数自适应KST-DBSCAN算法。对参数组合试验的聚类结果进行相对评价、内部指标评价和物理解析确定聚类结果的合理性和簇划分的适宜性。最后进行聚类有效性验证,选取最优参数聚类簇及同时段采掘工作面的微震事件进行预警指标研究。对比研究表明,通过聚类分区预处理操作,微震事件的活动特征和分布规律更加明显,冲击矿压预警预测的精准度更高。论文有图19幅,表12个,参考文献84篇。