瓦斯事故是当前对煤矿安全生产威胁最大、最突出的一个问题。对瓦斯进行准确的预警具有重大的理论和实际意义。同时,由于影响瓦斯突出的因素具有不确定性和模糊性,在知道可能发生瓦斯突出或已经发生瓦斯事故时,及时有效地采取措施也是一个现实的问题。支持向量机是近些年发展起来的一种新的机器学习方法。它以统计学习理论为基础,能够较好地解决小样本的学习问题。由于其出色的学习和推广性能,支持向量机已经被应用到许多方面。案例推理由于克服了传统的基于规则系统的诸多缺点,如知识获取的瓶颈问题,对处理过的问题没有记忆,整体性能较为脆弱等,日益受到人们的关注,并且被广泛应用于各个领域。本文将支持向量机理论应用于瓦斯突出预警,并利用案例推理理论对瓦斯事故案例进行推理。首先对监控监测得到的数据进行预处理,提取出参数特征并进行归一化,利用支持向量机进行训练,通过修改动态指标值进行即时报警;同时,把突出预警的案例和发生爆炸事故的案例保存并建立事故案例库,将当前发生的事故案例与事故案例库中案例进行匹配检索,以检索出的相似案例作为处理当前事故案例的起点,为当前事故制定处理预案,尽可能地降低事故损失。本文研究的内容是基于实际项目,文章从预测参数选择,特征提取,支持向量分类,修改预警指标,对瓦斯事故案例推理的实现都给出了详细的理论依据及具体的解决方案。论文的整体章节安排是按照概要介绍,理论依据,实际应用模式进行的。论文是根据煤矿的实际应用情况设计,最后,给出了作者参与的系统部分截图。论文的算法及设计思想具有一般性,因此,也可用于其它系统的故障诊断处理与应用。