瓦斯是煤炭在开采过程中的伴生产物。煤层瓦斯的生成导致的结果是长期均匀的从煤体中涌出或者突然的大量涌出,能够引起燃烧和爆炸,而大量积聚时又会使人窒息甚至死亡。近年来瓦斯事故是煤矿安全生产最重要的灾害之一,事故发生特点具有突发性强、危害性大,一旦事故发生,造成的后果不仅仅是巨大的经济损失,而且造成矿工的身体伤害,更为严重的是矿毁人亡,最终后果是煤矿企业形象遭受影响、矿工无价生命的中断以及国家煤炭资源的浪费。因此,做好煤矿瓦斯涌出工作、控制煤矿瓦斯事故的发生是煤矿安全生产的当务之急,也是煤炭工业全面、协调、可持续的基础。本文统计了近十年煤矿瓦斯事故发生的情况,分析了瓦斯涌出量的影响因素以及涌出发生的机理,瓦斯涌出常用预测方法即神经网络预测法在其预测中的基本思路,指出了神经网络模型在预测中存在的不足即传统网络模型收敛速度慢,易陷入局部极小以及泛化能力较弱。为了更科学合理的解决瓦斯涌出预测中的问题,在深入学习了灰色理论及其BP神经网络和RBF神经网络的基本工作原理及建模思路的基础之上,分析了这两种神经网络模型在预测中存在的优缺点,采用分辨系数改进的灰色关联分析算法对两种网络进行优化。通过更精确的灰色模型对两种神经网络的优化,在MATLAB仿真实验平台下运行,建立了瓦斯涌出预测模型,将其运用到实际煤矿预测中。本课题选取山西焦煤东曲矿作为实验对象,将利用分辨系数改进的灰色关联分析得出影响瓦斯涌出主控因素中影响较大的因素,即开采强度、煤层厚度、原始瓦斯含量、煤层埋藏深度做为预测模型的输入,根据各因素关联度的比重作为其输入权重,通过两种模型得出的结果证明优化的RBF神经网络模型比优化的BP神经网络模型更加可靠,预测效果更好。煤矿在保证安全以及达到预测精度要求的前提之下,运用优化的RBF神经网络模型的预测可以做的科学合理的预测。由于每个矿井条件如地质构造、瓦斯赋存情况、煤层开采方式以及矿井通风系统格局等因素的不同,各个因素又与瓦斯涌出之间存在着复杂的关系。而本文所介绍的瓦斯涌出预测研究方法,使得矿井瓦斯涌出预测技术更成熟,在实际的矿井安全生产中提供了可借鉴的方法。