我国是煤炭生产大国，而煤与瓦斯突出(以下简称突出)灾害时有发生，从而严重制约着煤矿生命财产安全。本文采用模式识别技术对突出灾害信息进行处理，建立突出灾害预测模型，为突出灾害防治提供决策服务。从系统工程的角度，建立突出的分级预测体系。在时间上，对突出灾害进行早期综合分析预测和实时预测；在空间上，进行区域预测、区段监测及点预测相结合。把突出信息用发展的、联系的观点，在整体层面上加以处理。针对不同的预测阶段，结合已有的突出发生机理，选取合适的预测指标集。并利用前向浮动搜索，优化算法和粗糙集理论等实现预测指标集的约简，即是对突出信息的特征选择过程。在突出预测模型建立阶段，自始至终顾及到No Free Lunch定理的约束性，充分考虑到突出信息的各种可能情形，在查阅文献和实践中发现，没有绝对好用和处处好用的算法，同时也没有最佳和最完善的特征集。甚至有了正确的算法选择，也不一定能全面解决复杂实际问题。所以，需要在众多的原理与方法中优先选择简单有效者，甚至建立起多算法集成模型。经过仔细权衡，这里主要选取模式识别方法中的神经网络方法、支撑向量机方法等。而其中对前馈神经网络分类器进行了有效改进，主要是利用耦合了混沌机制的蜂群优化算法来优化神经网络的连接权值和阈值(记为CBC-MLP模型)。然而突出预测是一个复杂的系统工程，单一算法很难解决所有问题，所以，在以上基础上建立混合模式识别模型，所得的结果更具参考价值。论文的最后是一系列算法、分类器模型的工程实现部分。以中平能化集团天安五矿为研究依托，开发突出信息模式识别模块，辅助决策模块。结合现场实际情况，以Microsoft Visual C++6.0为开发工具，编制CGOCIDS软件；集成用Matlab语言编制的进行数据处理的算法，完成识别过程，建立预测模型；对提交的预测任务进行处理，及时反馈预测结果以及对分类器模型的维护等功能。