煤与瓦斯的突出现象是目前煤矿开采过程中破坏性最强、危害性最严重的矿井安全事故之一,它的本质是一种极其复杂的矿井动力现象。如何对瓦斯灾害进行有效预测一直是煤矿安全领域中重要的研究课题。但目前鉴于煤与瓦斯突出机理本质尚未彻底清楚,且突出灾害本身受到多种复杂因素的综合作用和影响,是一个具有极强的非线性和复杂性的高维问题,采用传统的预测方法难以进行准确预测。因此,为了提高瓦斯灾害的预测精度和预测效率,本文在分析煤与瓦斯突出机理和影响因素的基础上,借鉴我国《防治煤与瓦斯突出规定》里描述的两种工作面和区域性突出预测方法及其预测指标体系的建立规则,从数据分析的角度深入分析各致突因素,提出了一种新的突出预测指标体系,建立了基于KPCA与IQGA-ELM的煤与瓦斯突出预测模型,并运用在矿井掘进工作面内的煤与瓦斯突出现象预测中。本文以准确、快速实现煤与瓦斯突出预测为目标,主要围绕以下几个方面进行工作:(1)总结目前应用较为广泛的各种煤与瓦斯突出机理假说,通过比较多种形式的煤与瓦斯突出预测方法,分析该领域的研究现状以及目前存在的不足之处,讨论了建立煤与瓦斯突出面域化预测模型的必要性和现实意义。(2)分析影响煤与瓦斯突出的各相关因素,建立面域化预测指标系统;提出采用核主成分分析方法对煤与瓦斯突出预测指标进行权重分析,并将其作为突出预测模型输入变量的选取原则。(3)通过对极限学习机原理的深入分析,针对其在学习训练过程中随机生成输入层权值及隐含层阈值的缺点,引入改进量子遗传算法对传统极限学习机网络进行改进,建立了基于IQGA算法优化的ELM煤与瓦斯突出预测模型。(4)对建立的基于KPCA与IQGA-ELM预测模型进行实例验证。采用开滦钱家营煤矿数据进行预测实验,预测结果验证了该预测模型的准确性。并将其与其他模型进行预测性能比较,凸显了该模型的良好预测性能。该论文有图18幅,表15个,参考文献60篇。