随着工业社会发展的需求和煤炭业在我国工业生产中占有绝对主导地位,煤炭安全事故也随之而来。近十年以来,我国在预防煤矿事故上投入了大量的人力和物力。虽然我国的煤矿安全事故有明显的降低,但是同国外相比较还有很大的提升空间。煤矿安全事故中以瓦斯事故的伤害性最大,井下瓦斯的存在时刻在威胁着矿工们的生命。因此,瓦斯涌出量的预测对于确保矿工人员的生命安全和提高煤炭产量和生产效益有着重要的意义。本文以煤矿瓦斯监测系统为研究背景,结合煤矿井下现实生产,提出了改进粒子群小波神经网络的算法,用于井下瓦斯涌出量进行预测研究。本文主要研究了以下几个方面:首先,分析煤矿实际生产中井下监测系统的运作流程,搭建了模拟矿井工作面巷道的瓦斯采集系统。分析了开采工作面瓦斯涌出量的数据会出现异常数据和缺失数据并且数据非线性复杂程度高,对初始数据采取移动值平均法和类白化归一法处理。其次,在对瓦斯采集系统研究的基础上提出了瓦斯预测问题,给出瓦斯预测的思路,并分析比较常用瓦斯预测算法,决定使用粒子群算法和小波神经网络算法。为了弥补这两种智能算法的缺陷并充分发挥各自的优点,从而将粒子群算法和小波神经网络算法相融合,提出了改进粒子群小波神经网络算法。利用所提出的算法对井下采空区瓦斯涌出量数据进行预测,并在Matlab环境下进行仿真验证,结果证明所提算法较传统算法能够更好地用于瓦斯预测问题。最后,为便于操作人员对系统当前状态进行监测,本文结合了现实煤矿井下生产情况,研究了煤矿监测系统的软硬件。使用KingView软件进行上位机界面的设计并且以串口的方式与整个系统进行通信,绘制所提算法仿真所得预测结果,并进行软硬件系统的联机调试,运行结果证明所制作的系统可实现所要求的监测功能。