瓦斯灾害一直是目前困扰我国煤矿安全生产的最重要因素之一。充分利用煤矿现场的海量安全监测数据并加以有效分析，实现准确、可靠的瓦斯浓度预测，将能够显著提高对于瓦斯灾害的预警能力。瓦斯浓度预测是瓦斯灾害防控的有效手段，也是矿井通风瓦斯安全研究中的重要课题。本文针对煤矿安全监测监控系统实时采集的瓦斯监测数据，研究基于关联分析的瓦斯浓度预测及预警分析方法，开展了以下研究工作：研究了煤矿瓦斯监测数据的预处理方法。分析了煤矿现场瓦斯监测数据的实际表现特点，通过对瓦斯监测数据进行异常数据替代、缺失数据补齐、数据消噪处理，在尽可能消除随机、不确定性因素对预测分析影响的前提下，研究了瓦斯监测数据希尔伯特—黄变换（HHT）分析方法，通过经验模态分解（EMD）方法将瓦斯浓度时间序列分解成不同瞬时频率固有模态函数（IMF）分量的叠加，依据瓦斯浓度时间序列的瞬时特征选取适合的方法进行预测，以降低预测复杂度并提高预测精度，实现了有效的瓦斯监测数据预处理，并为准确、可靠的瓦斯浓度预测奠定了基础。研究了监测点瓦斯浓度预测方法。基于瓦斯浓度监测数据预处理，以预测有效度作为预测精度的评估准则；结合灰色关联聚类分析方法和高斯过程回归模型，动态确定瓦斯浓度时间序列样本最佳重构维数；通过将瓦斯浓度样本划分成关联度较强的若干类别，作为虚拟变量表示诸多随机、不确定性因素共同作用下的瓦斯浓度动态特征，以消除这些因素对预测精度的影响；依据瓦斯浓度时间序列HHT分析结果，综合自回归模型（AR）和高斯过程回归（GPR）两种预测，实现监测点瓦斯浓度自适应预测。研究了工作面多变量瓦斯浓度预测方法。基于瓦斯浓度监测数据预处理，将工作面及其关联巷道监测点瓦斯浓度时间序列视为关联变量，通过贝叶斯网络学习，建立了多变量瓦斯浓度时间序列关联分析模型；应用贝叶斯网络推理提取工作面瓦斯浓度时间序列强关联变量，形成工作面强关联多变量瓦斯浓度时间序列样本组；通过混沌相空间重构方法确定多变量瓦斯浓度时间序列样本重构维数，构建多变量瓦斯浓度预测模型，应用高斯过程回归方法实现工作面瓦斯浓度预测。研究了基于瓦斯浓度预测的瓦斯预警分析方法。在瓦斯浓度预测的基础上，将预警指标确定为预警基本指标和关联性指标，通过瓦斯浓度监测数据的统计分析确定基本指标阈值；通过瓦斯浓度监测数据关联分析方法分析瓦斯浓度样本的关联特征，确定关联性指标阈值；通过预测值与预警指标阈值的比较进行瓦斯浓度异常分析，划分预警等级，实现动态和精细化的瓦斯预警分析。研究了瓦斯浓度预测及预警分析应用。通过对宁夏汝箕沟煤矿瓦斯监测数据的应用分析表明，井下重要监测点和主要采掘工作面瓦斯浓度预测精度较高，预测区间有效，预警阈值及结果表达合理，验证了该技术应用于煤矿现场的有效性和适用性。本文针对煤矿瓦斯监测数据的特点，基于时间序列数学方法的综合应用所提出的瓦斯浓度预测及预警模型，对于煤矿现场的瓦斯浓度预测及预警表现出了良好的适应性和精度控制能力，为煤矿瓦斯灾害的风险预控提供了新的决策支持方法和手段。