煤矿瓦斯监测是我国当前煤矿安全生产监督管理的重中之重。开发瓦斯灾害实时监测技术及装备,是预防瓦斯事故的重要防线和保障措施。用激光光谱法并结合神经网络对瓦斯进行预警是一种全新的方法,该研究适合我国煤矿瓦斯监测预警要求的在线、实时、快速的系统,使得该研究在世界上占有一席之地,建立出可行的预警模型,从而能极大地缓解我国煤炭生产百万吨死亡率远高于国际标准的局面。本文首先论述了基于可调谐半导体激光吸收光谱技术的煤矿瓦斯预警模型及相关理论。通过对气体近红外选择性吸收的理论分析,给出了气体吸收测量的理论依据,并确定了甲烷气体的吸收谱线。采用DFB激光器在控制电路下扫描1.65μm附近的一条甲烷振转吸收谱线,通过甲烷2ν3带R(3)线的吸收对气体浓度进行检测,对激光的波长调制,研究其最佳参数,检测二次谐波以获得更高的探测信噪比,建立出光谱数据的反演方法。其次介绍了神经网络和BP算法的相关理论,提出了利用BP神经网络进行瓦斯浓度分析和预测建模的方法。利用神经网络通过对历史浓度数据进行学习,找出瓦斯浓度变化的内在规律,并将其存储在网络具体的权值和偏置值中,用以预测未来的数据。采用三层前馈神经网络对瓦斯浓度建立预测模型,讨论了网络的各种参数设置的问题。用Matlab进行了仿真实验,实验表明BP神经网络用于瓦斯浓度的预警是可行的。最后,从硬件结构的优化角度入手,对Sigmoid函数的硬件实现方式进行了比较研究,找出了较合理的设计方案。利用EDA技术,采用自顶向下的设计方法,通过FPGA硬件技术实现了BP神经网络算法。