随着我国煤矿开采强度和深度的增加,瓦斯灾害造成的人员伤亡数量依旧不容小觑,瓦斯涌出异常识别以及预警对于煤矿安全具有重大意义。尽管煤炭企业的监控平台不断监测瓦斯状态信息,但是静态的瓦斯监测数据分析并不能从根本上防止瓦斯灾害事故发生,针对时间序列进行二次使用与特征挖掘,进而对工作面瓦斯涌出异常种类识别,才能更加有效的对瓦斯灾害事故进行防控。本文围绕时间序列的预处理、瓦斯涌出异常特征捕获、瓦斯涌出异常类别判识进行研究,主要工作内容如下:(1)在对时间序列异常与缺失数据预处理的基础上,考虑到瓦斯时间序列的含噪问题,提出一种基于改进小波阈值的瓦斯时间序列去噪方法。针对传统的小波阈值去噪方法未充分考虑分解尺度的改变对阈值的影响这一弊端,提出一种新的阈值定义原则并改进阈值函数,引入信号分解尺度,使得阈值伴随分解尺度增加而减小,对各尺度的小波系数做不同的量化处理,从而达到对有效信号保护的目的。利用瓦斯时间序列进行实验分析,结果表明:本文提出的去噪方法优于传统的去噪方法,在消除噪声干扰的基础上保留有效信号成分。(2)从统计分析原理角度出发,利用Ryan-Joiner正态检验方法分析瓦斯时间概率分布特征,将瓦斯时间序列的分布特征作为瓦斯涌出异常特征捕获依据,以时间序列数据分布特征是否正态作为瓦斯涌出异常情况发生的判据。实验结果分析表明,瓦斯涌出无明显波动且变化正常时,时间序列服从正态分布;而在瓦斯涌出异常时期,瓦斯涌出显著波动,此时瓦斯时间序列不服从正态分布。(3)根据不同种类异常状态下,时间序列具有不同的特性特征,各类检验统计量之间有明显差异。基于时间序列特性分析,联合采用正态检验、平稳性检验、非线性检验方法,获取不同异常状态下的瓦斯时间序列特征信息,利用主成分分析数据降维以及特征提取,采用改进交叉验证法优化最小二乘支持向量机模型参数,构建分类器对瓦斯涌出异常时间序列分类识别。通过实验对比分析,本文方法对于瓦斯涌出异常情况具有较高的识别准确率。通过多个对比实验,对上述提出的方法进行验证以及分析,证明了本文方法的有效性。研究成果对于煤矿安全以及瓦斯灾害防控有重要指导意义和辅助应用价值。