煤与瓦斯突出是发生在煤矿井下的一种机理极其复杂的灾害动力现象,它是制约煤矿安全生产最为严重的自然灾害之一。由于其影响因素众多而突出机理尚未彻底研究清楚、突出灾害却日益加剧,因此有必要对其危险性进行评价和预测研究。论文首先分析了当前的研究现状和存在的问题,确立了以突出机理的综合假说为理论基础,以人工神经网络模型进行预测的研究方案和技术路线;接着,本文对煤与瓦斯突出的特点和规律进行归纳总结,对煤与瓦斯突出的影响和控制因素进行全面分析,在此基础上建立了潜在突出危险性评价综合指标体系,同时对相关指标作了详细描述和量化研究;随后,本文对人工神经网络(ANN)的基本原理和基本结构作了简要的介绍,指出基于人工神经网络的非线性预测评价模型在潜在突出危险性预测中的应用可以较好地解决传统预测方法存在的缺陷,有较好的应用价值;最后,本文重点研究了在函数逼近和模式识别领域广泛应用的误差反向传播神经网络模型,对其结构设计及训练进行了深入的研究。结合实际收集的数据,运用MATLAB神经网络工具箱建立了综合考虑煤层瓦斯含量、煤层瓦斯压力、煤的破坏类型等指标的潜在突出危险性BP神经网络预测模型,并利用Levenberg-Marquardt算法所对应的trainlm函数对网络进行训练。检验结果表明,该模型能够准确的评价潜在突出危险性,为煤与瓦斯突出危险性的评价预测提供了一条新的技术途径。