为提高煤矿安全态势的预测精度,提出一种基于特征选取与机器学习融合的煤矿安全生产态势预测模型.首先,对1978年—2019年我国煤矿安全生产态势的相关数据进行归一化处理,使用全子集回归和随机森林2种特征选择方法对8种煤矿安全生产态势的影响因素进行组合;然后,运用岭回归、分类与回归树、自适应提升和极端梯度提升4种机器学习算法分别对12种煤矿安全生产态势特征参数组合进行预测,得到48种预测模型,根据各模型的平均判定系数对模型进行初步筛选;最后,综合比较归一化均方误差以及平均绝对百分比误差,得到2组待调优模型,分别对其进行超参数调优,得到最优预测模型.结果表明:最优预测模型的判定系数为0.971,归一化均方误差为0.029,平均绝对百分比误差为5.3%.