井下开采过程中,无线矿井通信系统为井下安全生产、管理,抢救救灾,人员定位和追踪等工作的顺利进行提供重要保障。然而,地下作业不同于地面,巷道地质环境非常的复杂、无线电波的传输容易受到矿井环境诸多因素的干扰。这些因素,严重阻碍井下电磁波发展。针对传统的矿井巷道电磁波的传输受地质地质环境的影响严重,建模过程复杂、建模难度大的问题,提出利用最小二乘支持向量机建立矿井巷道场强预测模型,并利用粒子群算法优化最小二乘支持向量机的参数,提高了模型的精准度。首先,本课题研究最小二乘支持向量机理论、矩形矿井巷道无线电传播理论基础上,研究巷道中对电磁波传播的影响因素,包括载波的频率、巷道壁的电参数、矿井巷道横截面的大小、巷道壁倾斜度、巷道壁粗糙程度等,确定支持向量机网络的输入、输出。其次,对于矿井巷道复杂的环境分别建立大、小尺度预测模型。仿真建模初期,先利用MATLAB仿真来构造初期的样本数据,选取了模式衰减、巷道壁粗糙度引起的电磁波损耗、巷道倾斜度引起的电磁波损耗和多径衰落引起的电磁波损耗在内的模型的总和。在研究矿井巷道小尺度变化时,通过相空间重构理论构建衰落信道的变化序列,同时利用构建的序列样本训练支持向量机的网络预测模型并利用粒子群算法优化最小二乘支持向量机的参数。最后,结合我校实际矿井环境对模型进行测试验证。通过利用MATLAB软件完成仿真实验,得出LSSVM能够准确的学习矿井巷道无线信道的变化特性。通过传统的粒子群算法与自适应算法比较可以发现,PSO在优化LSSVM的参数时表现出了一定的优越性。实验结果证明:通过利用粒子群算法优化最小支持向量机的参数,可以提高模型的精准度。