简介： 本发明公开了一种预测矿区地下水位的方法，包括：收集矿区气象和采煤生产数据并构建输入变量库，使用偏互信息算法PMI对输入变量库进行非线性的特征变量筛选，使用STL算法对被筛选中的两个特征变量与地下水位时间序列进行去趋势，分别计算去趋势的地下水位的显著自相关阶数及去趋势的地下水位和去趋势的输入变量间的显著互相关阶数，将显著自相关阶数作为为NARX模型的反馈入延迟系数，将显著互相关阶数作为NARX模型中是输入延迟系数，构建机器学习模型NARX，在机器学习模型NARX预测中输入矿区气象和采煤生产数据，预测矿区地下水位。该方法突破了传统地下水数值模型中所需水文地质参数多、建模成本高、模拟精度差等问题。