(中南大学 资源与安全工程学院，湖南省深部金属矿开发与灾害控制重点实验室，湖南 长沙，410083)

地下金属矿产资源的大规模开采，产生的大量采矿空区对人类和生态环境造成了严重威胁，这种群空区环境下的空区危险度状况直接影响井下矿山的安全生产[1]。目前对空区危险度的评价，常见方法有通过实际监测[2−3]或数值模拟方法[1,4−6]获得采空区周边的力学特征和形变量，与岩体的抗拉、抗压强度等参数进行比较得出评价结果，但不能快速对空区的危险度作出判定；或选择空区赋存的地质、水文条件及空区特征参数运用层次分析方法预测空区的危险度情况[7−8]。影响群空区危险度的空区尺寸、矿柱宽度、空区埋深等因素中，各自的影响程度亦具有不确定性和模糊性，很难找出确定的数学模型反映其关联程度。灰关联分析作为灰色系统的分析方法之一，能通过计算反映各因素的亲疏关系，在优化矿井通风系统、建立安全指标评价体系、综合评价煤与瓦斯突出的控制因素等案例中成功应用，取得了良好的效果[9−13]。而BP神经网络作为一种典型的大规模并行分布处理非线性信息处理系统的神经网络模型，可通过学习和存储大量的输入层−输出层映射关系并进行推理，找出输入层与输出层之间的对应关系[14]，解决了矿山安全评价、采空区地基稳定性、爆破引起的地面冲击及采空区塌陷预测等工程问题[15−18]。在矿山生产中，由于受采矿过程的影响，力学分析过程复杂，难以快速实现空区危险度的判定。……