采空区地表沉陷预测是矿山地表灾害研究的重点部分,对于煤炭资源丰富的地区,其研究意义尤为重要。为减少采空区地表沉陷对地表构筑物、高速公路、水体、铁路等基础设施的不利影响,对采空区地表沉陷进行预测具有重要的现实意义。基于采空区地表沉陷变形移动规律,从地质、采矿和地形等方面分析采空区地表沉陷的影响因素,运用灰色关联分析法分析各影响因素与地表最大下沉量之间的关联度,依据关联度大小,选取覆岩力学性质、煤层倾角、采深、采厚、采空区大小、工作面推进速度、开采方法及顶板管理方法、重复采动作为采空区地表沉陷的主要影响因素,并利用层次分析法求得各主要影响因素的权重。论文利用BP神经网络进行采空区地表沉陷量的预测,由于BP神经网络算法收敛速度慢,泛化能力差,遂引入Adaboost算法对BP神经网络进行改进,构建Adaboost改进的BP神经网络预测模型,拟通过该模型提高地表沉陷预测的预测效率与精度,为采空区地表沉陷预测提供一种新的途径。计算过程中,根据选取的影响因素样本数据,运用主成分分析法(PCA)对各影响因素做进一步处理,简化各因素之间的关系,将影响因子转换成几个综合变量作为输入变量,将输入变量与输出变量导入Adaboost改进的BP神经网络预测模型,进行地表下沉量预测。最后分别与GA-BP神经网络和PSO-BP神经网络预测模型计算结果进行对比分析,研究结果表明,Adaboost改进的BP神经网络预测模型的预测效果更优,更适用于采空区地表下沉量的预计,具有较强的工程实用性。