煤与瓦斯突出是煤矿煤炭生产过程中面临的主要动力灾害之一。研究表明,在发生过煤与瓦斯突出事故的矿井中,煤层均发育一定程度的构造煤,且构造煤厚度越大,瓦斯突出的危险性越严重。因此,如果能够准确预测出煤层中构造煤的分布,将对煤矿的安全管理和煤层气的开发与利用起到至关重要的作用。针对目前构造煤分布预测方法精度不高的问题,本文提出了利用深度置信网络对构造煤分布进行预测。首先,利用主成分分析技术对三维地震属性进行降维处理,在降低地震属性维数的同时,消除变量之间的相关性;然后,针对受限玻尔兹曼机只能接受二进制输入而导致数据丢失的问题,构建了包含一层连续受限玻尔兹曼机的深度置信网络预测模型,训练过程中利用BP神经网络有监督的对整个模型进行微调。同时,为了提高预测模型的准确性,采用了多层感知机结合softmax回归输出预测结果,有效的提升了预测模型的性能。最后,本文将预测模型应用到芦岭煤矿Ⅱ六采区8煤层,预测得到的采区构造煤分布与实际地质资料具有较高的一致性。将该优化模型与SVM模型及ELM模型进行对比试验,最终取得了更好的预测结果。因此,本文提出的预测模型预测精度较高,预测误差较小,可以推广应用于实际采区的构造煤分布预测。