矿井瓦斯涌出是一种极其复杂的动力现象，是多种因素综合作用的结果。鉴于目前瓦斯灾害日益严重的现况，准确预测矿井生产过程中的瓦斯涌出量将对防止瓦斯灾害事故的发生，保障煤矿安全生产产生重要影响。本文以Monte Carlo方法和BP神经网络为主要理论依据，以回采工作面瓦斯涌出量预测方法为研究内容，在构建新预测方法的基础上对所研究问题进行了系统的探讨，进而建立基于Monte Carlo方法改进的BP神经网络模型，实现对生产矿井回采工作面的瓦斯涌出量预测。本文主要开展了以下工作：论文在分析瓦斯涌出量预测方法研究现状和存在问题的基础上，结合大水头煤矿回采工作面实际确定瓦斯涌出主要影响因素，采用BP神经网络通过逼近矿井瓦斯涌出量与影响因素之间的函数关系，实现隐含层节点数和最佳训练函数最优关联，形成瓦斯涌出量的动态预测。在BP神经网络训练成熟的基础上，选用Monte Carlo方法对BP神经网络进行改进。利用Monte Carlo方法抽样模拟，分别对各类影响因素的数值进行预测，得出各影响因素数值的发展值，将发展值作为BP神经网络仿真阶段输入层节点的原始值，代入训练成熟的BP神经网络模型进行预测。选取大水头煤矿东113回采工作面进行预测精度检验。通过与实际生产过程对比，本文建立的基于Monte Carlo方法优化的BP神经网络模型能够对生产矿井回采工作面的实时瓦斯涌出量进行较高精度的预测，该模型的预测结果对煤矿企业的瓦斯防治工作具有一定指导意义。