煤矿井下瓦斯监测系统是煤矿安全生产过程中的重要环节,在对瓦斯涌出量进行监测和预测时需要建立合适的模型,建立完整、先进的瓦斯安全监测和控制系统,从而促进煤炭行业自动化系统的完善改进,这些系统对井下的安全作业生产起到了关键作用。在此背景下,本文在对瓦斯涌出量模型探究过程中探索出一种基于改进的遗传支持向量机(GA-SVM)算法相结合的瓦斯涌出量预测方法。煤矿瓦斯系统随时间动态发展可认为是非线性系统,具有复杂程度高、随机性强的特点。另外,对煤矿瓦斯监测时影响因素众多,利用单一算法对煤矿瓦斯涌出量预测时存在片面性问题。针对以上问题本文首先分析了瓦斯涌出量的内在本质和影响因素,利用支持向量机(SVM)能够较好地解决小样本、非线性的特点,将预测概念引入遗传算法中,为解决煤矿瓦斯预测问题提供一种途径。本文主要进行以下工作：首先,对瓦斯涌出量模型进行了深入探讨,选取影响因子。其次,提出遗传支持向量机预测模型。对遗传支持向量机进行适当改进；选取合适的核函数,利用遗传算法优化支持向量机参数,提高预测性能。最后,将构造的改进GA-SVM预测模型与其余两种算法模型进行比较分析分析、误差分析,通过实验仿真验证算法的正确性。