随着煤矿开采深度不断增加,煤与瓦斯突出作为煤矿重大动力灾害之一呈现日益严重趋势,严重制约着煤矿安全生产。准确可靠的监测预警是有效防治煤与瓦斯突出发生的前提和关键。电磁辐射和声发射监测技术已较为广泛应用于煤岩动力灾害监测预警中。受到突出演化过程不确定性强和作业环境干扰因素复杂等因素的影响,突出监测过程中噪声信息滤除、有效信号识别及危险性准确预警是科技难题。针对以上问题,本文通过实验方法和现场监测方法,提出基于多源噪声信号特征的滤噪方法,获得有效前兆信号及其时频特征;建立基于电磁辐射或声发射信号的突出前兆时频特征深度学习识别模型,并进行验证;建立基于声电瓦斯多源信息融合的突出预警模型,并在金佳煤矿和石屏一矿进行现场应用及验证。研究工作及取得的主要成果如下:（1）分析揭示了实验诱发煤与瓦斯突出的演化过程中应力、瓦斯压力的变化规律和声电信号的波形、时域特征、频域特征及其能量分布规律。结果表明:突出发生时,煤体的应力和瓦斯压力变化在时间和空间上都存在显著差异,近突出口应力和瓦斯压力均急剧下降;远突出口应力呈先增后减趋势,瓦斯压力延迟下降;掘进过程中,声电有效信号波动明显,幅值呈显著增长趋势,突出发生前信号幅值出现突增;具有持续增长趋势的高幅值有效信号及有效信号的主频段可作为突出前兆特征;声电噪声信号波形简单且无显著主频段,在时域和频域上都与前兆特征信号存在显著差异。（2）通过对现场掘进过程中电磁辐射和声发射强度信号及多源噪声信号特征进行分析,发现井下噪声类型通常为两种,分别是突增的“尖脉冲”型（放炮、移动传感器、耙煤）和间歇性“n”型（顶板支护、区域钻）;提出基于奇异值分解与集合经验模态分解（SVD-EEMD）相结合的声电强度信号滤噪方法,确定奇异值分解降噪的最优时间尺度为8小时,并获得降噪后的重构声电信号;对重构信号进行短时傅里叶变换获得了基于二维时频特征图像的突出前兆信息,确定声电信号的突出前兆特征主频段,为突出危险性前兆特征识别提供了基础依据。（3）建立了基于VGG-16（Visual Geometry Group Network）卷积神经网络的煤与瓦斯突出电磁辐射或声发射信号前兆特征识别模型,并利用金佳煤矿数据库中声电信号进行现场应用验证。结果表明:该模型对测试集电磁辐射和声发射前兆特征的识别准确率分别为98.00%和98.40%;其中,有效前兆信号100%被识别,不存在漏报现象。该模型提高了前兆特征识别准确率,为掘进过程过中煤与瓦斯突出多源信息融合预警提供可靠的证据来源。（4）选取电磁辐射、声发射以及瓦斯浓度数据作为多源信息融合的证据来源,建立基于可传递信度模型（TBM）的煤与瓦斯突出多源信息融合预警模型,并将模型应用于金佳煤矿和石屏一矿进行现场应用及验证。结果表明:基于声电瓦斯的突出多源信息融合预警模型可以更加全面且动态地反映掘进过程中可能存在的突出危险性,多源信息之间的验证与互补也使突出超前预警结果更加可靠,避免漏报、误报或迟报等问题。该模型对金佳煤矿喷孔事件、煤炮事件超前1～3天时间进行预警;对石屏一矿K1值临近超限事件和瓦斯超限事件超前7～12小时进行预警。验证了该模型可以实现突出危险性的智能识别和超前精准预警,具有较高的可靠性。本文的研究成果为煤与瓦斯突出危险性预警提供了理论依据,对于提高煤与瓦斯突出前兆特征识别准确率,提升突出预警超前性与可靠性,增强煤矿生产安全及风险控制具有现实意义。该论文有图90幅,表19个,参考文献259篇。