为解决证据理论存在的鲁棒性差、证据源冲突程度过大时融合结果不佳等问题.提出了一种鲁棒性证据理论,该理论所具有的鲁棒性弥补了D-S证据理论的不足,使冲突证据源合成结果更理想,鲁棒性更强.并将鲁棒性证据理论与多神经网络相结合建立了一种煤层底板突水预测模型,实验结果表明:所提出的基于鲁棒性证据理论的突水预测模型较已有的基于D-S证据理论的突水预测模型预测结果准确率相对更高,效果更好.

针对D-S证据理论应用于煤层底板突水预测时,因其鲁棒性差、证据源冲突概率过大时融合结果不佳等问题而导致预测准确性不高的问题,在其改进形式——鲁棒性证据理论基础上,提出了一种自适应鲁棒性证据理论,并将自适应鲁棒性证据理论与多神经网络相结合,建立了一种煤层底板突水预测模型,采用某煤矿工作面实测水文地质数据对该模型进行了实验研究。实验结果表明,该模型预测结果准确率较高,稳定性好。