煤炭是我国的基础能源,在国民经济中占有重要的地位,安全高效地进行煤炭开采是关系国计民生的大事。然而,我国同时也是煤矿水害最为严重的国家之一,煤矿水害严重威胁着我国煤炭行业的安全生产。近几年来随着开采深度的不断增加,含水层的水头压力越来越大,受底板灰岩承压水威胁的带压开采已成为当前一种主要的开采方法,使得煤层底板突水日益成为影响最广、危害最大的水害形式。由于我国煤矿水文地质条件较为特殊,引发底板突水的因素众多而且关系复杂,许多传统的煤层底板突水预测方法己经无法在实际应用中达到理想的预测效果。近年来信息融合技术得到了迅猛的发展,其应用的领域也在不断的拓展,并逐渐的扩展到突水预测技术中。在基于多源信息融合的煤层底板突水预测中,采用多源信息融合技术充分挖掘与突水相关各信息内涵及其关联性,并进行综合分析和利用,有望提高突水预测的准确性、有效性和可靠性。因此信息融合理论在矿井突水预测中具有较高的理论优势和应用前景。作为一种经典的信息融合技术,D-S证据理论有较强的区分“不确定”与“不知道”信息差异的优势,并能处理由“不知道”引起的不确定性,体现了其较强的处理不确定信息的能力,因而在预测领域得到了广泛的应用,但其也存在着如鲁棒性差、证据源冲突概率过大时融合结果不佳等问题。本文深入研究了D—S证据理论及它的几种改进形式,分析了它们的优、缺点,并在此基础上提出了一种新的证据理论——自适应鲁棒性证据理论。自适应鲁棒性证据理论将合成公式分为合取,析取,在合成过程中引入了合取权值函数、析取权值函数和自适应函数的概念,对冲突概率进行二次分配,解决了D—S证据理论在冲突概率过大时融合效果不佳的问题,且合成结果鲁棒性更强。本文以自适应鲁棒性证据理论为基础,以多神经网络代替传统的经验赋值作为证据源的基本概率赋值方式,建立了一种煤层底板突水预测模型,并根据斜沟煤矿实测数据,应用预测模型对其突水可能性进行了预测,对预测结果进行了分析说明并与突水系数法预测结果进行了比较。分析、比较结果表明基于自适应鲁棒性证据理论的突水预测模型较传统的突水预测模型预测结果准确率相对更高,稳定性更好,可用于对煤层底板是否会发生突水进行有效判断。