在煤炭行业自动化和信息化发展过程中,采煤机滚筒在采煤工作面上的自动调高是煤炭自动化过程中的关键技术,但是不连续地质变化导致的煤层厚度变化给滚筒的自动调高提出了挑战。为了提高煤炭开采过程中滚筒自动调高的精度,本文通过分析钻孔数据和煤层示教数据,根据数据间的局部相关性改进煤层三维建模和煤岩界面间接识别方法,为实现煤炭行业自动化和机械化提供一定的数据依据。针对克里金三维建模过程中对所有已知数据处理和依靠经验选择变差函数问题,本文根据地理学第一定理和正态分布原理,研究了基于三倍方差距离和径向基函数的克里金插值算法(TVD&RBF-Kriging)。该方法选择径向基函数(RBF)拟合距离和半方差之间的关系,采用与插值点三倍方差距离的点来计算权重,提高插值过程中的数据运算能力。相较于克里金插值方法,该方法提高了煤层数据的插值精度,能够为煤岩界面识别预测提供数据支撑。通过阅读和分析煤岩界面识别研究的相关文献得知,煤岩界面识别主要以时间序列方式来处理煤层厚度数据,没有考虑空间结构信息;煤层数据处理只考虑采煤机推进方向上的数据,不考虑适度范围内煤层对预测点的影响;在空间结构中,没有考虑与预测点等距离处点对预测点影响不同的问题。为此,本文研究基于结构元(3×3)转移概率的高斯过程回归算法(STTP-GPR)来实现煤层厚度预测。实验结果表明:相较于BP神经网络、支持向量回归、基于推进方向的高斯过程回归方法,基于结构元转移概率的高斯过程回归算法在煤层厚度预测时的平均误差低于0.03m,提高了煤层预测精度,对煤岩界面识别研究和煤炭开采具有重要的参考价值。