导水裂隙带发育高度的精准预测直接关系到煤矿的安全生产,亦是矿山工程领域亟待解决的重难点问题。当前,BP神经网络作为一种较为成熟的算法被广泛应用于导水裂隙带高度预测,但存在权重分配不合理、易陷入局部最优等缺陷,导致预测精度难以满足实际生产需求。为提高BP神经网络的预测准确性,本文以淮南矿区为研究区域,收集49例导水裂隙带高度实测数据,选取开采厚度、煤层倾角、开采深度、工作面斜长和硬岩比例系数作为影响因子,引入灰狼优化算法(GWO)对BP神经网络的权值和阈值进行优化,构建GWO-BP神经网络导水裂隙带高度预测模型。采用44例数据作为训练样本,5例数据作为检验样本,对模型的预测性能进行验证,并与BP神经网络和经验公式的预测结果对比分析。研究结果表明,经GWO优化后的BP神经网络预测性能显著提升,其预测的准确性和稳定性均优于BP神经网络和经验公式。检验样本的预测结果显示,平均绝对误差不超过0.51 m,平均相对误差不超过1.12%。将训练后的模型应用于顾北煤矿北二采区1312(1)工作面,将预测结果与地面钻孔传统实测数据及分布式光纤与高密度电法综合实测数据进行比较,误差分别为0.26 m,相对误差为0.50%,因此,GWO-BP神经网络具有良好的工程适用性,可为矿井顶板防治水工作提供可靠的技术支撑。