随着国家煤矿开采作业深度的逐年增加,煤炭的开采环境也在进一步恶化,引发破碎岩体和煤粉量增多、地应力增大,突发性煤矿灾害数量呈上升趋势。其中,冲击地压灾害尤为突出,冲击地压灾害的精准预测已成为煤矿安全开采的重点和难点工作之一。目前对蚁群算法的优化研究有动态调整路径选择的蚁群优化算法、MMAS蚁群算法等,它们在寻找最优解时偏差较大,在分类效果上准确率较低。针对这些问题,本文引用粗糙集理论,提出粗糙蚁群优化算法RoughAC。使用旅行商问题库TSPLIB中的数据集,与MMAS算法进行实验比较,在得出的平均最优解中,RoughAC较MMAS的平均偏差低3.19%。为了测试RoughAC分类效果,使用了加州大学欧文分校UCI数据库上的13个真实分类数据集进行实验,对比KNN分类算法、SVM算法、ACA算法和MMAS算法,在准确率上分别提高了 5.75%、12.33%、11.57%、6.55%。通过阳城煤矿3306工作面实例,利用其真实数据将RoughAC算法与经典的蚁群算法、自适应权重的蚁群优化算法进行对比,准确率分别提高了 0.05%、0.09%。目前对冲击地压的预测模型的研究有支持向量机的预测模型、NRS-ACPSO-SVM冲击地压危险性预测模型等,这些模型的预测结果不够精准,都有其局限性和不足,不能精准地预防和控制岩爆的危害。本文运用RoughAC算法构建了冲击地压预测模型RACM,对冲击地压态势进行估算,最终得出冲击地压态势预测结果。运用3306工作面真实数据与GM预测模型进行对比实验,结果显示本文RACM模型比GM模型平均预测误差低0.026,预测精准度有所提升。在上述研究的基础上,采用面向对象、统一建模语言和Java web开发等技术,研发了冲击地压预测原型系统,实现了对煤矿监测数据的识别以及对冲击地压的预测。本文的主要研究成果对于提高冲击地压预测精准度有一定的理论价值和现实意义。