煤与瓦斯突出（以下简称瓦斯突出）是煤矿最为严重的灾害之一,严重威胁着我国煤矿安全生产和能源保障。贵州地区煤层赋存条件复杂,构造多变,瓦斯突出灾害频繁,在构造等地质异常区及应力集中区尤为突出。随着矿井采深的逐步增加,瓦斯突出灾害危险日趋严重复杂,研究瓦斯突出实时监测技术并提高预警准确率,符合国家要求且迫在眉睫。但现有技术手段难以反演瓦斯突出及危险区的演化过程,在突出实时监测、危险区域定位分析、有效预警等方面还有待进一步深入研究。微震监测能够实现破裂源定位并反映区域性破裂演化过程,具备监测范围大、空间定位等优势,在瓦斯突出监测预警中有较好的发展前景,有望解决上述问题。针对需求和难题,本文采用理论分析、数值模拟、实验室试验和现场测试与验证等研究方法,对瓦斯突出演化过程的微震动态响应与前兆定量表征、瓦斯突出危险区域的动态评价与分级划分、基于多源数据融合的突出危险智能预警方法等进行了研究。主要研究工作及结果如下:（1）建立了煤体破裂、瓦斯突出与微震响应实验系统,实验测试并分析揭示了煤岩体破坏失稳过程的微震动态响应规律,提出了基于微震指标的瓦斯突出前兆特征描述方法。开展了三轴压缩、卸围压以及瓦斯突出试验,获取了试验全过程的微震监测数据,结合瓦斯突出力学作用过程,分析挖掘了煤岩体破坏失稳过程的微震动态响应规律及特征,提出了基于微震能量、振幅、频次参数的瓦斯突出动态过程定量描述方法。研究结果表明,瓦斯突出四阶段（准备、发动、发展和终止）具有明显的微震响应特征,其演化规律与微震事件能量、振幅、频次、波形特征等具有显著关联性:（1）时频特征:“能量降低、频率升高”,平静期集中于低频段,突出启动、发生阶段频率分布范围广且向高频转移,突出完毕后恢复低噪特点;（2）阶段性特征:从频次、能量等指标来看,突出前期大能量事件逐渐增加,在突出时刻大振幅（能量）事件增加,且幅值普遍远高于平静时期振幅,而事件频次急剧增加达到峰值。（2）针对实验室及现场试验微震信号复杂多变、难以识别以及定位精度低等难题,基于实测数据构建了典型微震波形库,创新提出了FSVD（Singular Value Decomposition of Frequency Domain）去噪法、HMM波形识别模型等算法,形成了集“预处理-到时拾取-波形识别-精确定位”于一体的微震数据精细化处理技术。结合“低能量、宽频带、低信噪比”微弱信号特点,提出FSVD微震数据去噪方法,经实测FSVD法保证了提高时频分辨率且有效消除了虚假低频干扰成分,去噪后信号趋势与原信号保持一致,信噪比由5db以下提升至10db以上,且保有了原有的能量分布;建立了矿山微震波形的幅值域、时域以及频域特征提取方法,构建了基于HMM模型的矿山微震波形识别体系,其有效识别率达到90%;提出了微震波形初始到时拾取算法,经上述方法去噪后的到时误差降低了70%以上,以此构建了联合单纯形法和K-means聚类算法的微震优化定位模型,利用MATLAB编制了相关程序,实现了对区域微震监测的快速高精度定位（精度10m范围内）。上述研究为后续煤岩损伤破坏的定量表征、瓦斯突出前兆特征分析奠定了基础。（3）揭示了采动过程中断层等地质异常区域的微震响应规律,建立了基于聚类算法的典型地质异常体的识别模型,提出了基于微震的地质异常体探测和动态辨识方法。以贵州某瓦斯突出矿井为工程现场,研究了工作面采动的微震响应规律与应力显现特征,获得了工作面巷道掘进过程中的微震活动规律;分析了采动过程中已揭露断层、褶曲等地质异常区域的微震活动,提出了基于微震指标的地质异常区域的活化规律及描述方法;提出了基于DBSCAN聚类算法的地质异常区域微震活动特征分析方法,利用MATLAB编制了典型地质异常体的自动识别及三维可视化程序;以断层为例开展了相关现场验证试验,结果表明上述方法可以获得断层的空间形态（位置、倾角、延伸方向等）信息,实时追踪采动过程中断层的活化迹象,这为煤与瓦斯突出灾害风险区域划分、准确预警奠定了基础。（4）开展了瓦斯突出过程的微震响应规律与预警现场试验,测试分析了瓦斯突出灾害孕育过程中的微震活动时空演化规律,揭示了瓦斯突出灾害的失稳模式和微震前兆信息。利用微震监测空间定位功能实现了潜在危险区域的实时辨识,反演煤体内部的应力应变特征、分布规律,挖掘了瓦斯突出的前兆特征规律。研究表明,临近采掘工作面的大震级微震事件（M＞2.0）存在直接诱发瓦斯突出可能,而小震级事件（M＜1.0）与瓦斯异常涌出密切相关;区域内的微震事件分布密度直接反映了媒体内部活动剧烈程度;此外,常规瓦斯突出敏感指标（S、K1、Δh2以及q值）等印证了微震指标（频次、能量以及空间位置）与瓦斯涌出量变化的关联性。这为瓦斯突出危险区定位与预警奠定了基础。（5）提出了“探测-评价-分析-预警”的瓦斯突出预警模式,建立了基于改进多指标灰靶决策模型的瓦斯突出风险区评价方法,构建了融合多参量的瓦斯突出智能预警模型,研发了相应的瓦斯突出智能预警平台。提出了基于改进加权灰靶决策模型的瓦斯突出分级模型,经与实测结果对比,其分级评价准确率达到80%以上;基于评价得出的突出危险程度,利用多源数据融合算法及分析模型,实现对瓦斯、震动等多场数据的融合分析和处理,建立基于人工智能算法的瓦斯突出智能预警模型,利用混淆矩阵分析得出该模型的准确率为91%;提出了基于多源监测数据的瓦斯突出综合预警方法,开发实现了基于B/S架构的瓦斯突出危险区智能识别与预警平台。通过半年多的现场测试和验证,系统软件有效预警23次,无漏报。本文研究为瓦斯突出灾害的实时监测预警研究提供了一种新方法,对深入研究瓦斯突出灾害致灾机理、提高预警准确率、保障矿井安全生产等具有重要理论意义和实践价值。