冲击地压是在进行采矿、掘进等工程活动时造成的动力现象,是矿山开采带来的一种动力学灾害。由于地质构造、地质运动及所受各种采矿活动扰动的复杂性,而且动力学过程具有较强的非线性,利用单一信号特征对其进行预测分析并不能准确地反映冲击地压现象。因此对煤岩破裂过程中多参量前兆特征进行多源信息融合来提高预测的准确性对于指导煤矿安全生产具有重要的意义。分析研究了声发射信号、电磁辐射信号以及红外辐射温度值的变化规律,发现在加载初期,声发射信号随着荷载增加不断变强,但在灾害发生前会有一个幅值的局部低值,而在失稳后又明显上升。电磁辐射幅度经历增大-极大值-减小-极小值-再次增大的过程。煤岩失稳破坏时红外辐射温度升高,随后,红外辐射的温度逐渐降低,表面平均温度会经历先升高然后再降低的过程。然后利用一种煤岩灾害多参量综合指标预测方法,根据三种信号幅值计算三种指标的单项危险指数并确定各自权重,进而求得综合危险指数来评判灾害的危险等级。最后基于果蝇算法(FOA)优化广义回归神经网络(GRNN)的方法,利用果蝇的嗅觉随机觅食,求出果蝇个体坐标与原点之间的距离并计算倒数,进而求出味道浓度判定值(S),并代入到GRNN的SPREAD参数中,使GRNN的输出值与实测值之间的均方根误差(RMSE)越小越好,保留最优S值作为GRNN的SPREAD值,并按照该方法进行迭代寻优。然后以声发射幅值、电磁辐射幅值以及红外辐射温度值为GRNN的输入变量,以根据三种信号融合后求得的综合危险指数为输出,最终建立了基于FOA-GRNN的冲击地压预测模型,预测结果显示无漏报,能够准确地反映冲击地压现象。