我国是世界最大的煤炭生产国和消费国,但由于水文、地质条件复杂,开采深度大等原因,矿井事故层出不穷,特别是煤层底板突水事故,一旦发生往往会造成严重的人员伤亡和财产损失。因此,煤矿底板突水预测工作已经成为煤炭行业研究的重点。红旗煤矿是典型的华北型煤田,作为井田主采煤层的3煤层平均厚度5.48 m,占可采及局部可采煤层总厚的64.3%。该煤层受底板突水威胁严重,在矿井的建设及生产过程中多次出现底板突水。因此对其3煤层进行底板突水预测,不但对红旗煤矿的安全生产有重要的意义和较高的价值,对同样受底板突水威胁的华北型煤田的安全生产也有一定的指导意义。隔水层厚度是底板突水预测的关键参数。论文在分析煤矿相关地质资料的基础上,利用相关规程公式法、FLAC3D数值模拟法和现场实测法对底板破坏深度进行了研究,获得了研究区工作面的底板破坏深度,并在此基础上计算出隔水层厚度。在确定煤层底板突水主要影响要素基础上,将相关数据作为输入样本输入灰狼优化算法,得到Elman神经网络优化的最佳权重和阈值,建立基于GWO-Elman神经网络的底板突水预测模型。通过测试样本输入模型验证,证明模型准确率较高。利用所建模型对未开采工作面进行了底板突水预测,预测结果能够指导矿井实际安全生产。