煤与瓦斯突出是严重威胁煤矿安全生产的自然灾害之一,突发性和破坏性极强。实现对煤与瓦斯突出危险性的准确预测是有效防治瓦斯灾害并高效开发利用瓦斯资源的关键基础,也一直是矿山安全领域的关键技术难题和重大研究课题。本文将模糊聚类理论、粗糙集理论和支持向量机学习算法相结合,建立了基于模糊粗糙集与支持向量机的煤与瓦斯突出多分类预测模型。首先利用模糊C-均值聚类理论对原始数据进行离散化处理,并利用粗糙集理论对离散化得到的决策表进行煤与瓦斯突出信息的知识获取,即在保持数据完整性的前提下剔除冗余信息,实现数据降维的目的;然后从预处理后的样本中选择训练样本集和测试样本集,对支持向量机多分类预测模型进行训练,并选择合适的核函数和参数,最后用于煤与瓦斯突出危险性预测。实验结果表明,基于模糊粗糙集与支持向量机的煤与瓦斯突出预测模型训练时间短、分类精度高,具有良好的推广性能。模糊粗糙集与支持向量机相结合的技术在煤与瓦斯突出危险性预测中的应用对确保煤矿安全生产和煤矿工人的生命安全具有极其重要的意义。