近几年我国的矿难事故频繁发生。其中，瓦斯爆炸事故是煤矿发生频率最高并且损害后果最严重的灾害,瓦斯爆炸频发的原因有多方面的因素,井下监测系统的不完善以及对瓦斯爆炸事故缺乏科学系统的辨识和消除是造成事故发生的主要原因之一。因而通过对煤矿瓦斯监测的研究,有效地避免高危事故的发生提高事故防范预警和安全生产效益具有很重要的现实意义。本文尝试将多传感器信息融合技术、云模型和D-S证据理论相结合的方法实现煤矿瓦斯监测中的状态评估和决策，提高预测的准确率。在煤矿瓦斯监测系统中，可以根据国家各类煤矿瓦斯监测安全规范设立相应的危险程度描述词，并根据各危险程度描述词所对应的检测参数上、下限建立云模型，从特征层融合结果和部分传感器信息中提取危险程度信号构造证据合成的基本概率赋值（BPA），并且使用改进的D-S证据理论方法实现决策层融合。针对传统D-S证据合成法的缺陷，提出了相应的改进方法，对比研究了几种证据合成规则的算法和特点，深入研究了连续分步D-S合成法的归一化和收敛性，提出了连续D-S证据融合有关的几个定理和推论，并给出了相应的证明。对于高冲突证据的处理本文提出了D-S与加权平均混合使用的新的合成法则。最后本文尝试采用时间序列分析法来预测井下未来的安全状况。仿真结果表明：本文提出的基于云模型与D-S证据理论的瓦斯监测方法，决策的结果满足归一化条件并具有很好的收敛性，可有效提高决策的准确性。