煤矿是我国的主要能源，随着煤矿开采的不断深入，矿井瓦斯浓度逐渐增大，瓦斯事故日趋严重，这时刻威胁着国家和人民的生命财产安全，对煤矿生产中的瓦斯有效监测是十分迫切的。虽然煤矿企业对瓦斯的安全监测也建立了相应的监测系统，但它主要是针对局部的监测与管理，其缺乏对监测数据的有效处理以及深度分析，而本课题就是利用数据挖掘分析方法试图对相关的监测数据进行深度分析，以达到更好的预测功能。本文的研究目的在于将数据挖掘技术应用到煤矿瓦斯监测系统的数据分析中，也就是，针对监测系统所采集的相关数据，引用聚类、时间序列分析等新型技术对其数据进行深度分析和处理，从而为煤矿生产中的瓦斯监测及预测提供一种探索和指导。在介绍课题背景之后，对课题中涉及的相关技术进行了描述，然后通过分析煤矿瓦斯监测数据指标的特点，建立了数据挖掘处理模型，在此处理模型中，主要涉及以下几方面的应用：应用模糊K-均值法对煤矿瓦斯安全进行评级；应用时间序列分析方法中的ARIMA模型对瓦斯的日均浓度进行预测，把握瓦斯浓度的分布及变化趋势；通过运用数据挖掘中的关联规则挖掘方法对安全监测数据进行多维关联规则挖掘，发掘数据间有意义的强关联规则，并提出了一种基于规则前件的最小支持度阈值的估计方法，用于关联规则挖掘中最小支持度阈值的确定。实证研究表明，模型性能良好，简便易行，所采用的方法合理有效。