煤矿水害事故的频发，给煤矿工人的生命安全带来隐患的同时煤矿的经济效益也因水害受到了极大的威胁。其中，造成最严重危害的当属矿井底板突水事故。由于我国煤矿特殊的水文地质条件,造成底板突水的影响因素多而且关系复杂，许多传统的矿井底板突水预测方法已经不能够在实际中达到理想的预测效果。面对仍不完善的矿井底板突水预测法，急需新的技术理论融入其中，本文就此提出了一种双层信息融合技术，将其应用于矿井底板突水预测中，并设计了实现突水预测的方案。首先，介绍了底板突水预测和信息融合技术的研究现状；其次论述了多源信息融合的原理、层次结构和融合算法等，接着主要研究了基于RBF神经网络的信息融合方法，将影响矿井底板突水的多个传感器采集的数据经过处理后作为RBF神经网络的输入，通过分析选择量子粒子群智能算法对网络各个参数值进行优化，建立了基于RBF神经网络特征层信息融合的矿井底板突水预测方法。单一采用特征层信息融合的结果存在一定的不稳定性，为了提高突水预测的可靠性，引入了D-S证据理论进行决策层信息融合，把每一个神经网络的输出归一化处理后转变为各个证据体的基本概率分配函数，再利用融合规则对各个证据体进行融合，根据决策规则判决，得出最后决策结果。本文将信息融合技术引入矿井底板突水预测中，采用了双层信息融合算法，建立了矿井底板突水预测的一般框架。经实验分析，双层信息融合方法所计算出的预测结果准确性高、不确定性低，在矿井底板预测领域有很好的应用前景。