煤与瓦斯突出等事故的频发以及其带来的巨大危害,是威胁煤矿安全生产的重大隐患。因此,对煤岩动力灾害的监测和预防成为了煤矿安全生产过程中要面对和研究的一个重要课题。煤与瓦斯突出是一个复杂的非线性系统,具有诸多的不确定因素,针对其预测的方法也是层出不穷,不断更新换代。声发射检测技术由于其动态无损的特点,能够通过其特征参数信息来反演煤岩体破裂的演化过程,在预测煤岩动力灾害方面更是方兴为艾。基于此,本文将声发射检测技术与神经网络相结合,提出一种基于声发射多参数的PCA-SW-ESN煤与瓦斯突出预测方法。由于煤与瓦斯突出属非线性动力系统,其声发射信号也必然是高维且无序的。因此本文首先采用主成分分析法对声发射特征参数进行降维,提取与煤与瓦斯突出关系密切的综合指标参数;选择具有较强非线性逼近能力和自适应能力的回声状态网络作为基础网络,以适应煤岩破裂过程中的复杂性;针对回声状态网络存在的病态解问题,利用小世界网络改变其拓扑结构,使回声状态网络达到优化;从而实现对煤与瓦斯突出的预测。通过构造煤与瓦斯突出预测体系,对矿区现场的各项声发射指标数据进行监测分析,并结合本文提出的PCA-SW-ESN预测方法进行仿真,对比分析。结果表明,本文提出的预测法迭代速度快且预测精度高,能够为预测煤与瓦斯突出等煤岩动力灾害提供可靠的理论依据。