采掘面煤矿瓦斯的突出给国家和人民的生命财产带来了巨大的损失，本文针对采煤工作面煤矿瓦斯突出危险等级评判存在的信息检测智能化程度低、预测技术不完善、缺乏系统的防突决策理论与方法等问题，开展工作面煤矿瓦斯突出危险等级人工智能评判技术研究，研究了基于模糊神经网络和D/S证据理论的煤矿瓦斯突出危险等级评判策略。　　本文在分析了煤矿瓦斯突出的机理的基础上，对影响煤矿瓦斯突出的各重要指标进行了全面的分析，并且在关键指标的测量方法上做了研究。针对采掘面煤矿瓦斯的突出等级具有不确定性，由于模糊神经网络具有处理不确定性信息的能力，建立了基于模糊神经网络的煤矿瓦斯突出危险等级的评判框架，推导了模糊神经网络的算法，并且研究了模糊神经网络的设计过程，通过MATLAB实例仿真验证了该方法的有效性，并且与BP神经网络的评判结果做了对比，说明了使用模糊神经网络拥有比较高的精度性。但也指出了使用模糊神经网络主要获得采掘面局部点的融合结果，仅仅依靠观察几个或者单个点的评判结果就对采掘面的瓦斯突出危险等级做出评判会造成一定的误差。　　D-S证据理论具有处理不确定性信息的能力，具有决策准确的优点，建立了基于D-S证据理论的煤矿瓦斯突出危险等级评判框架，并对D-S证据理论的评判算法进行了研究。通过实例验证了使用该方法进行决策的准确性和清晰性，但也指出了获得运用D-S证据理论所需的基本概率函数是比较困难的。　　针对使用模糊神经网络仅仅能获得采掘面局部点的融合结果的特点，但构建基本概率函数比较简单的优点，而 D-S证据理论构建基本概率函数困难但决策准确的特点。本文最后将两种评判方法结合在一起，建立了基于模糊神经网络和D-S证据理论的煤矿瓦斯突出等级综合评判框架，先通过模糊神经网络进行局部融合，再用 D-S证据理论进行全局融合，对具体的融合过程做了详细的研究。通过MATLAB实例仿真研究，证明了所用的综合评判方法更高的精度性和清晰性，比单独使用一种方法评判的精度要高。