为深入研究宝雨山矿瓦斯赋存规律,依据矿井构造和瓦斯赋存条件,以鲁沟背斜为界,将矿井分为东西两个瓦斯地质单元。使用瓦斯地质方法定性化分析宝雨山矿瓦斯赋存规律,确定影响瓦斯赋存的主控因素。并利用改进的粒子群算法（PSO）优化BP神经网络模型,通过优化后的模型定量化表述不同瓦斯地质单元瓦斯赋存影响因素权重大小,为宝雨山矿安全生产提供了重要帮助。主要结论如下:（1）分析了区域地质构造演化特征,揭示了印支运动阶段鲁沟背斜弯滑褶皱作用是造成煤体破坏,煤层厚度分布不均的主要因素。（2）以矿井以21号勘探线（鲁沟背斜）附近为界,将矿井划分为东、西两个瓦斯地质单元。不同瓦斯地质单元瓦斯分布不均衡。西部瓦斯地质单元瓦斯含量明显高于东部瓦斯地质单元。（3）揭示了宝雨山矿瓦斯赋存特征,应力集中区瓦斯含量增大,局部受围岩及内部流通水体影响瓦斯含量降低。结合矿井实际地质情况,分别分析断层、煤层埋深、煤层厚度、顶底板砂地比对瓦斯赋存的影响,确定影响矿井瓦斯赋存的主控因素为顶板砂地比。（4）在定性化分析宝雨山矿瓦斯赋存规律基础上,利用神经网络定量化表述瓦斯赋存影响因素权重。以BP神经网络为基础建立瓦斯含量预测模型,并结合结合粒子群算法对BP神经网络进行改进,构建了AHPSO-BP神经网络预测模型。与标准BP神经网络预测模型对比,改进后模型具有预测精度高、收敛速度快,运行结果相对稳定等优点。利AHPSO-BP神经网络模型定量分析宝雨山井田瓦斯赋存影响因素权重大小,顶板砂地比是影响矿井瓦斯赋存的主控因素,东、西部瓦斯地质单元中煤厚对瓦斯赋存影响差别较大,底板砂地比和褶皱复杂系数对瓦斯赋存影响较小。