我国煤炭产量居世界首位,煤矿安全事故也频频发生,伤亡人数仅排在因交通事故伤亡之后。随着开采深度地不断加深,生产能力地提高,地质条件也更加复杂化,煤矿安全工作面临着巨大的挑战。瓦斯事故又是煤矿生产过程中的主要不安全因素,如何能准确快速地预测出瓦斯涌出量,对于瓦斯防治措施的制定有着积极意义。本文从开采因素和自然因素两个方面分别分析煤层的瓦斯含量、埋深、瓦斯压力、大气压力、风量、产能等方面对瓦斯涌出量的影响,指出传统预测瓦斯涌出量方法的局限性,不能将瓦斯涌出量与各个影响因素之间复杂的非线性关系清楚地表述。RBF神经网络自身的容错性和自适应性以及较强的非线性函数逼近能力,则能很好地克服这些缺点。RBF神经网络具有搜索全局最优解和最佳逼近能力,其拓扑结构、隐节点数目、中心位置、宽度和权值是决定整个网络性能的关键因素。遗传算法作为一种全局优化算法,具有强鲁棒性,适用于解决训练速度慢、易陷入局部极小值等缺点的网络结构,自适应调整交叉概率和变异概率,能够避免重复搜索,并提高搜索效率。本文提出采用遗传算法优化RBF神经网络中的隐节点数目、中心位置、宽度和权值,有效地弥补RBF神经网络的不足,最后利用Matlab软件编程实现GA-RBF神经网络模型,应用此模型分别对两个采煤工作面进行瓦斯涌出量预测,得到了令人满意结果。