瓦斯监控系统是保障煤矿安全生产的重要防线,瓦斯传感器是瓦斯监控系统的源头性装置,其自身的运行状态直接影响到瓦斯浓度实时测量的准确度,进而影响到煤矿瓦斯监测系统的可靠性。综合利用矿井内传感器数据,挖掘数据间潜在关系,使瓦斯传感器具备实时性能监测能力,使瓦斯监测系统具有高可靠性和高度智能化是智慧矿山建设要求的功能目标之一。本文依托国家重点研发项目,结合郑州某煤矿工程项目,从煤矿监测系统中提取历史瓦斯浓度时间序列数据,开展瓦斯传感器性能在线监测方法研究,提出了一种基于时空相关性和信息融合的瓦斯浓度异常原因的在线诊断识别方法,可以在线监测瓦斯传感器性能,实时诊断瓦斯浓度异常原因。该方法对于加强瓦斯监控系统的可靠性和智能性,提升我国煤矿安全开采水平,有一定的理论意义和工程应用价值。本文主要工作内容如下:1、对比了八种常见的瓦斯浓度时间序列的形态特征,即:平稳状态、煤与瓦斯突出,炮后瓦斯,局部停风,传感器校验,传感器偏差故障（恒偏差、恒增益）,传感器显著突变故障。利用ADF/PP特征根检验法验证了八种典型的瓦斯浓度时间序列类型的平稳性。2、对煤矿巷道中瓦斯浓度异常时,瓦斯在巷道运移过程中的时空相关性问题进行了定量定性分析,确定了瓦斯运移过程中的滞后步长计算公式。引入相关系数和相关性强度量化八种不同情况下的瓦斯浓度时间序列时空相关性强度,该参数可以协助诊断瓦斯浓度异常原因。3、利用郑煤集团某煤矿历史瓦斯浓度时间序列数据库数据建立了有效的ARMA-RNN瓦斯浓度时间序列混合预测模型。该模型可以有效预测平稳状态下瓦斯浓度时间序列。改进了传统阈值法,引入残差能量和残差峭度作为瓦斯浓度时间序列异常评价指标,评价瓦斯浓度时间序列真实值和预测值偏离程度。ARMA-RNN预测模型结合改进判定法构成了有效的瓦斯浓度异常值检测系统。4、提出了复合多尺度熵分析法、Fisher判别法相结合的瓦斯浓度时间序列特征提取方法,并将瓦斯浓度时间序列的时空相关性强度融入特征向量中,利用基于PSO-SVM的识别方法完成识别诊断过程。5、利用D-S证据理论融合基于复合多尺度样本熵的识别诊断模型和基于复合多尺度排列熵的识别诊断模型的诊断结果,克服了单一模型存在的缺陷,提高了识别诊断的正确率。该论文有图31幅,表14个,参考文献76篇。