随着煤炭开采向深部延深,地应力重新分布,高应力释放、转移以及强卸荷作用引起的煤与瓦斯的瞬间释放给煤矿生产带来极大的威胁。瓦斯突出作为煤矿动力灾害的一种,其复杂的产生机理、丰富多样的状态以及系统结构的非线性,使得煤岩体失稳条件林林总总。鉴于此,本文顺着“瓦斯突出预测指标分析—相应指标测定办法—多源瓦斯突出数据预处理—多源信息特征提取—特征级融合与预测”干线进行研究,为进一步实现瓦斯突出动力灾害的防治提供理论依据。主要研究内容如下:(1)深入探究瓦斯突出预测的研究背景及意义。对瓦斯突出机理研究现状,智能预测理论及方法的现有成果进行归纳总结,分析当前瓦斯突出智能预测技术存在的问题,明确本文研究路线及相关技术。(2)静态分析地应力、瓦斯压力、煤孔隙率对瓦斯突出的直接作用,运用声发射技术测定地应力,运用压力传感器测定瓦斯压力,运用电学性质测定煤孔隙率。(3)为提高预测精度,提出双层去噪自编码器(D-DAE)对多源瓦斯突出数据进行预处理。相较于去噪自编码器(DAE),具有较好的数据预处理能力。(4)对预处理后的多源瓦斯数据提取特征。对声发射信号分阶段提取振幅、能量、信号带宽、峰值频率和峰值频率幅值。首次使用爬坡事件表示瓦斯压力信号,同时提取瓦斯压力信号的变化幅度。首次使用峰度系数和偏度系数表示煤电阻率信号,同时提取煤电阻率信号的拐点电阻率。(5)建立卷积神经网络协同双层门限循环单元(CNN-Bi-GRU)实现特征级数据融合与预测,并对该网络提出反馈控制方式下Adam优化器结合GridSearch的可控参数训练方法。通过预测值与真实值误差分析、与其它先进模型对比分析,结果表明:本文所提网络具有较优秀的预测能力。该论文有图34幅,表7个,参考文献61篇。