瓦斯灾害是煤矿企业安全生产的巨大挑战，一旦发生瓦斯灾害事故，人民的生命和财产安全都将面临巨大的威胁。瓦斯涌出量的大小是矿井通风设计、瓦斯抽放工程设计、瓦斯防治工作的基本依据，对瓦斯涌出量进行高精度预测是提高瓦斯防治、瓦斯治理的重要措施，对改善矿山企业的安全生产状况和人民生命财产安全具有重大的现实意义。因此有必要对瓦斯涌出量预测方法进行研究探讨，提高瓦斯涌出量的预测精度。　　本文在充分学习和研究一些经典预测方法以及目前一些热点预测方法的基础上，对瓦斯涌出量预测新方法进行了探讨，提出了将具有非线性映射特点的BP神经网络、粒子群优化算法、adaboost迭代提升算法和瓦斯涌出分源预测法结合起来，建立了基于 PSOBP-adaboost算法的瓦斯涌出量分源预测模型。　　在深入了解 BP神经网络、粒子群优化算法、adaboost算法原理的基础上，提出了 PSOBP-adaboost算法，并将此算法应用到了非线性系统的预测辨识中，应用MATLAB进行了仿真实验，针对 UCI数据库中一个经典数据集，建立了相应非线性预测系统，测试基于 PSOBP-adaboost算法所建模型的可行性与准确性。　　在总结经典的瓦斯预测方法的基础上，引入分源预测法的理论，选取了其中的开采煤层、临近煤层、采空区三个瓦斯涌出源进行了研究，针对三个瓦斯涌出源的特点及影响因素，确定了相应的影响因子，并对影响因子进行了主成分提取。　　依据 PSOBP-adaboost算法的理论，建立了基于 PSOBP-adaboost算法的瓦斯涌出量分源预测模型，在此基础上，使用 MATLAB仿真软件和某煤矿瓦斯涌出实际样本，用建立的模型对瓦斯涌出量进行了预测，结果证明该方法具有较高的预测精度，能够满足生产要求。　　为了进一步说明该预测方法的可行性和高精度，将结果与基于 BP神经网络的分源预测模型的预测结果进行了比较。通过误差分析表明，基于 PSOBP-adaboost算法的预测模型的预测精度明显优于 BP人工神经网络的模型。证明了PSOBP-adaboost算法理论应用于瓦斯涌出量预测具有良好的预测性能和泛化性能，同时证明了该理论的合理性和优越性。