冲击地压是在煤岩开采过程中发生的动力破坏现象，由于复杂的地质条件和多样的开采方式使冲击地压具有较强地模糊性、非线性。冲击地压灾害的发生往往会造成较大的人员伤亡和财产损失，因此精准地预测冲击地压对于煤岩安全稳定开采具有重要意义。
　　论文首先分析了煤岩冲击地压前兆特征信号中的声发射信号、应力信号和红外辐射信号的变化规律。针对单一的前兆特征参量不能完整的表征冲击地压发生状态等问题，提取声发射振铃计数和信号幅值、应力、红外辐射温度为表征冲击地压的参量。在通过小波变换对获取的信号去噪后，利用多参量前兆特征融合法进行多源信息融合，计算单项危险指数并确定权重，根据融合结果综合危险指数确定对应的冲击地压危险等级。
　　其次研究了支持向量机（SVM）和粒子群算法（PSO）的原理和流程。鉴于SVM具有良好的回归能力，利用SVM预测冲击地压。针对在通常情况下根据经验选取的SVM约束惩罚程度的常数C和高斯核函数参数σ泛化能力差等问题，利用粒子群算法良好的寻优能力优化SVM参数（C，σ）。针对粒子群算法在参数优化过程中惯性权重ω缺乏动态调节，容易陷入局部最优等问题，提出利用自适应惯性权重和变异的方法改进粒子群算法（AWPSO）优化SVM参数（C，σ），建立改进粒子群优化支持向量机（AWPSO-SVM）算法模型。
　　论文最后以声发射振铃计数和信号幅值、煤岩应力、红外辐射温度为输入，以多源信息融合结果综合危险指数为输出，建立基于AWPSO-SVM的冲击地压信息融合预测模型，在MATLAB平台上仿真后与其它研究成果对比分析。结果表明该模型预测冲击地压危险等级误判率低，回归能力更好，精度更高。