摘要：随着经济的快速发展,我国对煤炭资源的需求量也越来越大,近年来地下煤炭资源被大量开采,造成了地表沉陷、裂缝、粉尘、固态垃圾等一系列环境问题,给矿区的生产生活带来严重威胁。为最大程度开采煤炭资源并减少地表大面积沉陷,对开采沉陷预计理论展开广泛研究。常见的开采沉陷预测模型有力学模型法、概率积分法+时间函数模型法、基于非线性理论的预测模型法,当前最常用的是概率积分法及其改进模型。为更好地建立地质采矿条件与概率积分法预计参数之间的非线性关系,以40个典型矿区的实测数据为样本,采用主成分分析法获取影响预计参数的主因素,作为BP神经网络输入层,采用BP神经网络解算概率积分法预计参数。主成分分析结果表明,影响概率积分法预计参数的地质采矿条件,按敏感性由大到小的排序为:松散层厚度、煤层倾角、煤层厚度、采深、倾向采宽比、走向采宽比、推进速度、覆岩平均坚固性系数。BP神经网络预测结果表明:预测相对误差在-3.80%~10.00%,精度满足工程需要。剔除敏感性较小的参数走向采宽比、推进速度、覆岩平均坚固性系数,并基于剔除后的数据进行BP神经网络建模,预测对比结果表明其预测精度高,此方法行之有效。