近年来我国浅层煤炭储备逐渐减少,深部开采的比重随之逐年上升,而瓦斯的有效抽采在一定程度可消除煤矿深部开采带来的安全隐患。因此针对瓦斯安全、高效抽采的需要,对瓦斯抽采系统进行智能调控具有重要的研究意义。为了提高瓦斯抽采的安全性及效率,降低瓦斯抽采的经济成本,分析了瓦斯抽采系统运行的安全约束条件及效率约束条件;分析了瓦斯抽采系统四大控制任务并建立了瓦斯抽采优化数学模型;根据理论调控策略,提出了瓦斯抽采智能调控的完整流程。以上述调控流程为基础,提出了瓦斯抽采智能调控模型,将瓦斯抽采浓度、瓦斯抽采纯量、瓦斯抽采负压及抽采泵效能比作为被控量,抽采钻孔的阀门开度和抽采泵功率作为控制量,利用循环神经网络分析处理被控量历史数据的时间变化规律,学习得到被控量随时间变化的理想动态拟合曲线。通过MPC（模型预测控制）算法对控制量进行智能调控,使被控量的实际值趋近于其理想动态拟合曲线对应时刻的参考值。利用校正反馈和滚动优化不断增强瓦斯抽采智能调控模型的抗干扰能力。基于瓦斯抽采模拟数据,完成了算法仿真实验。实验结果表明:通过对循环神经网络超参数的优化选取,最终得到超参数为神经元128个、迭代次数为100次时,循环神经网络得到的理想动态拟合曲线具有很好的数据拟合度并且模型复杂度较低,能较准确地反映瓦斯抽采浓度数据和瓦斯抽采纯量数据的变化规律;瓦斯抽采负压及抽采泵效能比理想动态拟合曲线能较准确地维持在15-25Kpa之间和1.3-1.5m3/（kw*h）,满足瓦斯抽采过程的经济和安全需要;模型预测控制算法对控制量的动态调控能克服环境及非线性因素的干扰达到较好的调控效果,控制量的可调节范围分别是:阀门开度在0%-100%之间,抽采泵的功率在200-500KW/h之间。整个瓦斯抽采智能调控流程完整有效,可为煤矿瓦斯抽采过程提供一定参考建议。