瓦斯是指在煤矿生产过程中,从煤层、岩层和采空区释放出的各种有害气体的总称,是危害矿井安全生产的重要因素之一,也是煤矿中最为严重的灾害之一。对矿井进行瓦斯涌出量进行预测是煤矿安全工作中的一项十分重要的工作,它对有效防止瓦斯超限,瓦斯爆炸,保障矿井生产安全有着非常重大意义。对于地质条件复杂的矿井,因瓦斯涌出源众多,瓦斯涌出规律复杂,传统的瓦斯涌出量预测方法存在不足。在原有的技术基础上探索新的预测方法成为当前瓦斯涌出量预测研究工作中至关重要的工作。本文以山西晋城寺河煤矿矿井为例,通过对历年瓦斯涌出量影响因素数据的系统收集与整理,用灰色关联分析方法研究了主采煤层瓦斯涌出量的主控因素,将这些主控因素作为灰色神经网络的输入层节点,同时将主控因素的灰色关联度作为输入的权重,构成输入加权的灰色神经网络预测模型,对煤层瓦斯涌出量进行预测。由于灰色神经网络的权值和阈值是随机初始化的,网络的进化很容易陷入局部最优,并且每次预测的结果不尽相同。采用遗传算法优化灰色神经网络的权值和阈值可以有效的避免网络在进化时陷入局部最优。最后,对输入加权灰色神经网络预测模型、遗传优化的输入加权灰色神经网络预测模型和传统的BP神经网络预测模型进行了仿真实验,并进行了比较分析,结果表明:遗传优化的输入加权灰色神经网络预测模型,可以简化系统建模,并能提高瓦斯涌出量预测精度,有一定的实用价值。