煤与瓦斯突出是煤矿开采、生产过程中最严重、破坏性最大的安全事故之一,其安全问题已成为我国能源安全的工作重中之重。煤与瓦斯突出问题是一个受多种因素综合影响的复杂的、非线性的、高维问题。在现实中,由于技术或人为原因,导致事故突出数据容易存在缺失情况,在以往的研究中大多采取直接删除,但是容易导致样本数据处于不平衡状态。因此提高不平衡数据下突出样本的预测精度是尚需解决的问题。本文首先对近十年的事故数据进行多维度统计分析,并基于数据驱动思想提取事故关键词,并总结出了煤炭安全问题新形势和新特点。得出环境类因素占比最重。然后对煤与瓦斯突出机理和影响因素进行深入研究,完成煤与瓦斯突出指标体系的构建,最后为了进一步准确预测突出情况,降低煤与瓦斯突出事故的发生率,对基本鲸鱼算法进行改进,构建混合核极限学习机,采用改进的鲸鱼算法对其参数进行寻优,并将该模型应用到煤与瓦斯突出危险性预测上。通过对淮南煤矿的样本数据进行处理,构建填补前后的数据集,将选取的各影响因素输入到IWRWOA-HKELM中试验100次,并与HKELM、WOA-HKELM等其他模型进行对比。结果表明:本文提出的改进鲸鱼算法优化了混合核极限学习机的参数选取,有效提升了核极限学习机的预测准确率;同时对填补前后的结果进行对比分析,可知采用miss Forest算法进行数据插补使得突出事故的准确率得到了提升。这表明本文用于煤与瓦斯突出预测的方法是切实可行的,可为为煤与瓦斯突出预测提供一种新的、有理论和工程意义的方法。该论文有图13幅,表9个,参考文献61篇。