煤与瓦斯突出是矿井瓦斯灾害中最危险的灾害之一，也是最常见的灾害，对矿井灾害的预防和控制已成为矿井安全工作的重中之重。在深入了解瓦斯突出发生机理的基础上，实现瓦斯突出危险性的准确预测成为防治瓦斯灾害的主要技术手段。为此，本文针对矿井安全生产的需要，以影响矿井瓦斯突出主控因素为研究对象，以矿井瓦斯突出预警为目的，系统地研究了支持向量机和数据融合在瓦斯突出预测中的应用。本文通过研究数据融合与支持向量机的理论与方法，构建了基于支持向量机的矿井瓦斯数据融合技术框架，提出了瓦斯突出预测的分层融合模型，并确定了各层的融合算法及其完成的主要功能。在特征层融合上，选用SVM作为特征层融合算法，建立基于SVM的煤与瓦斯突出预测模型；首先对预测系统的数据来源进行分析，本文通过灰色关联分析法计算出灰色关联度来选择矿井瓦斯突出风险特征指标集，即确定影响煤矿瓦斯突出的主控因素，并把主控因素作为预测系统的特征指标，即输入数据；利用支持向量机对这些特征指标进行模拟训练，并选择合适的支持向量机核函数，利用调步长网格搜索与十折交叉验证组合的方法对支持向量机参数进行优化，实验结果表明，在经过特征层融合后能够得到很好的预测结果，但基于SVM固有的缺点，进一步提出用D-S证据理论作为决策层融合方法，利用SVM的预测结果和几个典型的指标的预测结果共同作为D-S证据理论的决策层融合证据体，从而构成特征层和决策层的两层融合结构模型，增加了系统决策的可靠性。最后通过选取某矿区历史突出数据，对本文提出的分层融合预测模型进行了验证，结果表明通过决策层融合后，所得的预测结果更准确，表明了该方案具有很好的可行性和有效性。