煤与瓦斯突出灾害是煤矿安全生产中非常严重的灾害之一。煤与瓦斯突出灾害的发生机理复杂,基于各种敏感参量进行的突出灾害预测方法往往存在一定的不精确性和模糊性。本文结合煤与瓦斯突出灾害预防存在的主要问题以及监控预警科技创新的发展方向,分析煤与瓦斯突出参数测定及敏感指标,研究瓦斯涌出量的预测方法,研究基于智能算法的煤矿瓦斯突出灾害风险判识及监控预警方法,为实现煤与瓦斯突出灾害隐患在线监测、判识、预测预警提出技术路径。分析了煤与瓦斯突出灾害在发生发展过程中的敏感指标,包括静态敏感参数和动态敏感参数,此基础上,考虑到煤与瓦斯突出的影响因素较多且不同因素在突出灾害的发生和演化过程中起到的作用、影响程度既有共同之处,也具有明显差异,采用基于相关度增益的改进灰色关联法,通过基于熵值-相关度增益方法进行灰色关联分析,得到各个表征指标的权重表达,从而确定影响煤与瓦斯突出的9个主表征因素,降低信息冗余,实现从多源瓦斯突出灾害多参量信息特征中提取出对瓦斯突出灾害的表征与识别最有效的特征指标。研究了主因素指标的获取及检测预测方法。确定瓦斯基础指标参数、声发射信号、电磁辐射信号的测定方法与表征作用;针对无法建模的过程,以瓦斯涌出量预测为研究对象,研究了基于改进万有引力算法的KELM瓦斯涌出量预测方法,测试结果表明,绝对瓦斯涌出量预测结果的误差在0.1m3/min以内,预测精度较高;基于瓦斯浓度的连续监测信号所构成的时间序列信号蕴含了关于系统动态演化过程的痕迹和特征信息,将基于多稀疏回声状态网络模型应用于瓦斯浓度时间序列的预测,测试结果表明,所提出方法的均方根误差小,能够较准确表达瓦斯浓度变化的实际情况。为了有效融合多源信息、提高多源信息的综合判决能力,进行了改进证据理论决策融合方法的研究,提出基于模糊集相似性度量的证据体表征方法,引入Vague集相似度函数修正证据源,将权重作为折扣因子修正证据源的冲突证据合成方法,提高对冲突证据源融合结果的准确性。测试结果表明本文方法能够有效融合多个特征信息、较好地处理不确定性和外界干扰,提高煤与瓦斯突出预测可信度。开发了煤与瓦斯突出灾害风险预警平台,基于主要的敏感指标,进行煤与瓦斯突出灾害危险性的评价与预警,系统功能完善,能够提高煤矿防治瓦斯突出灾害的能力,保障矿井安全生产。该论文有图44幅,表30个,参考文献222篇。