煤与瓦斯突出是一种伴有声响和猛烈力能效应的矿山动力现象,它是在地应力和瓦斯的共同作用下,破碎的煤岩和瓦斯由煤岩体自采掘空间突然喷出的现象。煤与瓦斯突出的区域和危险性仍在扩大,所以如何能进行准确地提前预测,成为急需解决的问题。在实验室实验分析了矿区煤样电磁辐射特性,确定了矿区煤样可以产生电磁辐射,并且煤样在受载变形过程中,电磁辐射强度与加载应力的大小成正相关。根据实验结果和相关资料分析可知,煤与瓦斯突出虽然是几秒到数十秒短时间内突发的,但在发生前均有明显的征兆,电磁辐射就是其中之一。在确定电磁辐射法可以用于预测煤与瓦斯突出的基础上,利用模糊识别法确定了电磁辐射法预测煤与瓦斯突出的敏感指标及其临界值,为建立电磁辐射神经网络模型预测煤与瓦斯突出提供了判断依据。在自适应原理的基础上,对Elman神经网络进行改进,构建改进后的神经网络模型并应用于电磁辐射预测煤与瓦斯突出危险性预测上,并结合历史数据用MATLAB进行仿真进行试验。结果表明,与其他预测模型相比较,该模型的预测精度更高,泛化能力更强,能够有效地实现对煤与瓦斯突出危险性的电磁辐射动态趋势预测,有较高的实用价值,这也为煤矿煤与瓦斯突出危险性预测提供了新思路。利用微计算机硬件等相关知识,在对传统的监测仪深入考察和对煤矿井下环境的特殊复杂性的综合考虑的基础上,研究一种高效新型的手持式综合监测仪。硬件设计主要介绍信息处理模块,电源模块等部分。并对硬件抗干扰方式提出了改进以及对软件部分做了相应的研究。