在广泛阅读国内外相关参考文献的基础上,较为系统地总结了矿井底板水害防治技术和理论,阐述了信息融合的国内外研究现状及在底板突水预测中的研究意义,评述了信息融合的常用方法的原理、适用范围及实际应用价值和前景。基于BP神经网络相关理论和矿山压力控制理论,在总结采场底板破坏深度预测方法和理论基础上,归纳出影响底板破坏深度的主要因素,构建基于BP神经网络的底板破坏深度的预测模型,运用Matlab软件获得了底板破坏深度预测优化网络模型,通过肥城煤田曹庄煤矿8812工作面和9604工作面的实际应用,利用实测结果对比,证明该网络模型的计算结果比相关规程中的底板破坏深度公式计算的结果更接近实际。在介绍D-S证据理论的基本概念、证据融合的推理方法及信息融合决策的基本过程基础上,较为详细地分析了影响底板突水预测的主要因素,并对其进行量化处理。结合肥城煤田的实例,采用BP神经网络、ELMAN神经网络、RBF神经网络模型,进行Matlab试验仿真,建立了系统的识别框架和证据识别框架,以及专家打分的方法获得D-S证据理论的的证据体.以曹庄煤矿8812工作面为例,阐明经过多次融合后,能够有效地提高突水概率的可信度,降低突水概率的不确定性.利用VB和Matlab平台开发基于神经网络、专家分析、D-S证据理论的信息融合底板突水预测软件,通过编写应用程序,实现底板突水概率预测。