本發(fā)明屬于礦山開(kāi)采技術(shù)領(lǐng)域，公開(kāi)一種礦山采空區(qū)上覆巖體移動(dòng)時(shí)空規(guī)律預(yù)測(cè)方法及系統(tǒng),先提取訓(xùn)練礦山采空區(qū)上覆巖體移動(dòng)時(shí)空規(guī)律片段的MFCC特征訓(xùn)練一個(gè)GMM?UBM模型，然后再基于特定的帶異常信息的礦山采空區(qū)上覆巖體移動(dòng)時(shí)空規(guī)律片段提取MFCC特征，進(jìn)而調(diào)整GMM的參數(shù)，最后將提取到的特征用來(lái)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)，達(dá)到自動(dòng)識(shí)別分類(lèi)的要求。本發(fā)明在訓(xùn)練GMM?UBM模型時(shí)，根據(jù)礦山采空區(qū)上覆巖體移動(dòng)時(shí)空規(guī)律數(shù)據(jù)音素和音調(diào)的特點(diǎn)對(duì)數(shù)據(jù)進(jìn)行篩選，挑選出具有代表性的少量數(shù)據(jù)，即保證了模型的表征泛化性也降低了數(shù)據(jù)運(yùn)算量，提高了建模了效率；首先訓(xùn)練一個(gè)GMM?UBM模型，然后再用MAP自適應(yīng)算法來(lái)調(diào)整GMM的參數(shù)，克服了樣本量少，無(wú)法訓(xùn)練GMM模型的問(wèn)題，加快了運(yùn)算速度。