在智慧矿山应用中,要实现准确的瓦斯预测预警,必须要从多元数据集中汲取整合一套完整的融合数据。因此研究面向智慧矿山应用的多元多尺度数据融合方法,对进一步提高智慧矿山数据的精确度,能够实现矿山多元多尺度瓦斯数据预测、预警,具有十分重要的研究意义和应用价值。本文在智慧矿山应用背景、意义及国内外研究现状的基础上,总结智慧矿山数据融合方法在应用过程中遇到的实际问题,并针对相应问题给出详细的研究内容与研究方案。本文的主要工作包括:(1)以粗糙集和神经网络为技术支撑,以矿井瓦斯数据为研究对象,通过对矿井数据流分析、数据融合、粗糙集与神经网络理论方法研究的基础上,给出了面向智慧矿山应用的数据融合框架。根据瓦斯检测数据的特点,获取瓦斯数据信息,明确数据特征间的关系,进行规则约简,提取相应的模糊规则,根据其规则生成瓦斯预测指数,产生相应的融合结果,主要是为矿井瓦斯预测预警提供完整的融合数据、决策支持,构建了可应用于瓦斯涌出预测的模糊神经网络数据融合模型。(2)在矿井瓦斯预警决策分析的基础上,对数据融合方法进行了详细的研究,提出了基于粗糙集与模糊神经网络的数据融合方法模型和改进的模糊神经网络矿井瓦斯数据融合预测模型。主要包括模糊神经网络与粗糙集集成方法的适应性研究、模型设计、算法研究。(3)给出了一种基于思维进化算法数据融合参数向量选择及优化方法。主要对模糊神经网络模型的初始权值及参数进行优化,并分别通过七个变量和十三个变量的进行了数据融合实验仿真。(4)给出了基于狼群算法的数据融合参数向量选择及优化方法。提高了数据融合模型中学习算法的收敛能力及全局搜索性能,并将原数据融合和改进的数据融合模型应用于矿山安全态势的评估、预测。理论分析和仿真结果分析表明,本文提出粗糙集与模糊神经网络的数据融合技术可有效的应用于矿井瓦斯预警中,达到了研究的目的。