煤矿事故的频发极大威胁着煤矿的安全生产,其中的瓦斯灾害是煤矿生产中面临的首要难题。缺乏准确预测瓦斯涌出量的方式为防治煤矿瓦斯事故提出了很大的挑战。而矿井的通风设计的合理性也和瓦斯涌出量的准确预测密切相关,也成为煤矿技术经济指标的重要考量。瓦斯涌出量间的因素通常会表现为动态、模糊的非线性动力变化,导致传统线性方法建模的精度很难满足实际生产需求。本文在总结过往关于预测瓦斯涌出量的方法后,对基本蚁群算法进行研究并改进,并试图将改进蚁群算法应用到瓦斯涌出量预测中,文中利用神经网络作为预测媒介,进而搭建起改进蚁群算法优化的小波神经网络的系统预测模型。论文首先分析出传统小波神经网络存在收敛精度低,易陷入局部极值的缺陷,引入蚁群算法进行改进。然后论文分析蚁群算法基本原理和各重要参数,针对算法易陷入局部收敛的问题,优化蚁群寻优的最大最小范围,平滑处理信息素轨迹,引入惩罚因子和扰动因子,该算法求解旅行商问题取得良好效果。最后将改进蚁群算法与小波神经网络结合建模,参照历史数据仿真。结果表明文中的模型比传统算法搭建的模型有更快的收敛速度,更高的收敛精度,更好的鲁棒性。改进蚁群算法通过小波神经网络这样的预测工具所搭建的模型在预测中的体现出其优越性,证明本文改进的蚁群算法未来可以在瓦斯涌出量的预测中起到重要作用,其应用研究也有着更光明的前景。