当前煤炭生产的安全形势严峻,而威胁安全生产的最大因素及造成的损失最大的就是煤与瓦斯突出。如何有效的对煤与瓦斯突出进行预测,为煤矿工作者提供准确可靠的决策依据,避免或降低煤与瓦斯突出造成的生命财产损失是国内外煤矿共同面临的研究课题。因此研究煤与瓦斯突出预测模型具有重大现实意义。一直以来专家及技术人员尝试多种方法来解决该问题,例如：声波探测、打孔、电磁波探测等。但最理想的解决办法是对突出进行预测,使得能够及时的做出应对措施。近些年,支持向量机方法在数据挖掘及预测领域发展较好并取得了很多成果。煤与瓦斯突出是一个影响因素多、高度非线性的过程,而支持向量机在解决小样本、高维度、非线性的问题方面有较为突出的优势。所以在此使用支持向量机来进行煤与瓦斯突出的预测。本文分析影响煤与瓦斯突出的各种因素,介绍支持向量机的理论及发展,介绍了全局优化算法遗传算法和粒子群算法,使用它们来优化支持向量机里的参数。重点针对基本支持向量机存在的一些问题提出基于粒子群的最小二乘支持向量机算法(PSO-LS-SVM)和基于遗传算法的最小二乘支持向量机算法(GA-LS-SVM),利用最小二乘支持向量机工具箱和煤矿现场采集的数据建立预测模型,并用此模型进行分类预测,与传统的方法相比,有效地提高了煤与瓦斯突出预测的训练速度和分类精度,满足了煤与瓦斯突出预测的实时需要。