瓦斯对煤矿企业的安全生产影响巨大,一旦发生瓦斯爆炸,后果不堪设想,因而有必要对瓦斯涌出量预测方法进行研究。瓦斯涌出量的高精度预测是提高瓦斯防治、瓦斯治理的重要措施,同时对改善矿山企业的安全生产状况和人民生命安全具有重大的现实意义。论文将非线性的神经网络、具有全局寻优的遗传算法和瓦斯涌出分源预测法结合起来探讨瓦斯涌出量预测新方法。论文首先介绍了瓦斯涌出量预测的现实意义和国内外的研究现状,着重从提高瓦斯涌出量预测精度角度出发,针对瓦斯涌出是一个复杂多变量的动态系统,引入了具有非线性映射的神经网络和具有全局搜索能力的遗传算法,同时针对瓦斯分源涌出的特点,为了避免不相关因素的干扰,提出了遗传神经网络瓦斯涌出分源预测的新方法,将神经网络、遗传算法和分源预测方法结合起来应用于瓦斯预测问题。论文对遗传算法优化神经网络的方法进行了介绍,并对本文中所采用的遗传算法优化神经网络的权值和阈值进行了重点论述,并建立了遗传神经网络瓦斯分源预测模型。在此基础上,借助MATLAB仿真软件和瓦斯涌出实例样本,将实例样本分为测试样本和检验样本,用建立的模型来对瓦斯涌出量进行了预测,并将预测结果和检验样本进行了对比分析,结果证明该方法具有较高的预测精度,满足生产要求。同时,为了进一步说明该预测方法的可行性和高精度,并与神经网络瓦斯涌出分源预测法的预测结果进行了对比,可以发现,本文建立的瓦斯预测模型预测精度高,将该预测方法应用于生产实际,对煤矿企业的瓦斯防治具有一定的指导意义。