瓦斯灾害是煤矿最严重的灾害形式，往往造成大量的人员伤亡和重大的经济损失。回采工作面巷道是主要的瓦斯涌出区域，容易发生瓦斯积聚，煤矿瓦斯事故绝大多数发生在回采工作面区域。当前，对工作面的瓦斯监测主要采用监测站点超限报警的方式，采集的数据为孤立的点数据，监测范围有限，不能有效地描述整个工作面的瓦斯分布和安全状况。如何通过合理部署瓦斯传感器节点并利用节点间的内在联系，实现对瓦斯涌出及积聚区域做出分析判断，对未来瓦斯场的运移态势进行预测预警具有重要现实意义。针对瓦斯数据的预测主要以时间序列方法为主，对瓦斯分布场的构建主要以空间信息学作为主要手段，而瓦斯的运移和分布规律与时间、空间密切相关，避开两者关系孤立地处理问题将造成重要先验知识的丢失。因此本文从充分利用时间和空间内在关系的角度出发，采用研制的无线瓦斯传感器阵列作为研究工具，通过时空建模的方式对瓦斯浓度预测、瓦斯分布场构建、瓦斯传感器布点优化三个渐进问题进行理论和试验研究，实现对瓦斯分布场的实时重构、对瓦斯场运移态势的预测分析、对瓦斯异常行为的时空反演和对瓦斯传感器阵列的优化布置。论文完成的主要工作有：（1）对煤矿通风系统进行分析，研究工作面巷道风流特性，根据对风流性质的数学模型的分析和工作面巷道实际参数确定巷道中的风流状态。然后对工作面瓦斯的主要运移形式进行分析，在菲克扩散定律和守恒方程的基础上，推导出瓦斯在巷道湍流风流作用下的运移扩散方程，理论分析表明瓦斯的运移和扩散与时间和空间变量有关，证明采用时空建模的方式监测瓦斯的运移行为是合理的，为工作面瓦斯浓度的时空预测和瓦斯分布场时空重构提供理论依据。利用数值分析的方法对工作面瓦斯时空规律进行分析，研制瓦斯传感器阵列设备，对瓦斯在工作面的分布进行试验测试，测试结果验证了理论分析的正确性。（2）选取ELM作为基本学习模型并对其进行时空扩展，增加空间位置信息作为先验知识，提出一种新的时空极限学习机模型STELM。以空间关联性作为输入权重，邻接站点的时间面板数据作为时空神经元的输入，简化了时空建模的复杂性，使算法仅需要两个输入参数：空间延迟算子边界值和时间延迟算子边界值。在理论仿真数据以及现场监测数据中的应用表明，较仅依托于时间维度信息的预测方法在泛化能力上有较大的提升。在此基础上，结合选择性集成学习思想，提出了一种基于L1正则化的STELM选择性集成学习方法SERSTELM，通过L1正则化稀疏加权组合多个STELM学习机从而避开了定义和度量多样性的问题，可以直接获得选择性稀疏解，该方法在STELM的基础上进一步提升了预测精度和泛化性能。（3）提出基于时空克里金模型的瓦斯分布场重构技术。空间信息统计方法采用区域化变量为基础，以变异函数为基本工具，对研究具有随机性和结构相关性的数据可以实现最佳无偏估计，借鉴空间克里金方法，对其进行时间扩展，采用积和模型通过拟合空间半变异函数和时间半变异函数构建时空半变异函数，获得时间和空间之间的内在关系，利用交叉验证的方式对算法进行分析比较，各项评价指标均表明，时空克里金模型能够获得更好的瓦斯场重构效果。同时，结合时空克里金方法和STELM能够实现对未来瓦斯运移态势预测，为研究减少和预防瓦斯灾害事故提供了新的研究手段和思路。（4）提出了兼顾已知监测点瓦斯浓度预测和未知监测点瓦斯场插值效果的瓦斯传感器布置方式。监测系统的性能在很大程度上取决于传感器的布置数量和位置，相同数目的传感器，不同的布置方式将产生不同的监测效果。在瓦斯传感器数量一定的情况下，为了使本文提出的时空建模方法能够在实际现场获得更好的效果，采用多目标粒子群算法进行建模并对其进行改进，引入增量比率占优作为适应度优胜策略，增加精英保留和被动更新机制，使其适用于煤矿传感器布点场景，试验结果表明其布局方式随着节点数量的减少而呈现明显规律性，寻优结果可以在两种算法中进行有效折衷。