工作面瓦斯涌出量是关系到矿井通风设计的一个重要指标,对煤矿的安全生产以及井下工人的生命安全都会产生重要的影响,因此实现瓦斯涌出量的准确预测具有重要的现实意义。影响瓦斯涌出量的各因素之间的关系是动态且非线性的,因此由传统的线性预测方法所建立预测模型的预测精度并不能满足现实需求。在研究分析了现有的瓦斯涌出量预测方法后,本文从机器学习问题出发,提出利用相关向量机来建立预测模型,同时引入改进蛙跳算法对预测模型的参数进行优化,建立了基于相关向量机与改进蛙跳算法的预测控制系统。论文首先分析了相关向量机的基本理论,针对单一核函数的局限性,提出了利用组合核函数来构建相关向量机；针对其参数选择问题提出使用改进蛙跳算法来对其进行参数寻优。紧接着分析了蛙跳算法和遗传算法的基本理论,提出了对原始蛙跳算法在分组和子种群进化方面的改进,即在原有分组策略的基础上,扩充每组的个体数量,具体扩充方法是分别从除了本组之外的其他组随机选择一个个体加入本组,并且用交叉操作和变异操作来代替原有的步长更新策略。最后通过某矿具有代表性的历史数据将本文提出的预测模型进行验证与其他预测模型进行对比验证,其结果表明该预测模型可行且准确性和可靠性都很高。