瓦斯是危害矿井安全生产的重要因素之一。针对矿井未开采区域进行瓦斯涌出量预测对有效防止瓦斯超限、瓦斯爆炸,保障矿井生产安全起着重大作用。矿井瓦斯涌出量各影响因素之间存在着动态、模糊的非线性关系,其变化过程表现为复杂的非线性动力学过程。通过研究发现,传统的线性预测方法很难准确地建立瓦斯涌出量预测模型。神经网络具有自组织、自适应、并行处理等特性和很强的非线性映射能力,使得其在矿井瓦斯涌出量预测中具有传统方法无法比拟的适应性和优越性。所以利用BP神经网络通过逼近矿井瓦斯涌出量与其影响因素之间的函数关系建立了预测模型。针对瓦斯涌出量预测模型,对传统BP神经网络进行了改进。为克服BP网络训练速度慢,采用了动量法和学习率自适应调整策略;为克服BP网络易陷入局部最小,采用了遗传算法对BP神经网络模型的权值和阈值进行优化。对于不同的矿区,煤层瓦斯涌出量的主控因素是不同的。找出研究区瓦斯涌出量的主控因素,有利于清楚地掌握研究区瓦斯储存规律,提高运算效率。本文提供了两种确定瓦斯涌出量主控因素的方法:灰色关联分析法和权重贡献率分析法。将主采煤层瓦斯涌出量的主控因素作为BP神经网络的输入节点,对未开采区域煤层瓦斯涌出量进行预测。用C++语言进行了系统实现。瓦斯涌出量预测系统能够实现输入节点数、输出节点数、隐含层数、训练精度、最大训练次数、训练步长、动态因子等参数的灵活配置。可进行单样本预测和连续样本实时预测,通过单样本预测可以观察系统的训练效果。实时预测需要与数据库相连,通过设置数据库服务器地址、数据库密码、名称等参数,进行实时预测。通过对比发现改进的BP神经网络算法能够对瓦斯涌出量进行很高精度的预测。