瓦斯灾害事故不仅严重威胁着煤矿人员的生命,还给企业带来巨大经济损失,因此做好瓦斯灾害预防工作至关重承要。精准快捷预测瓦斯涌出量,提前做好瓦斯防治措施,对矿井瓦斯治理及煤矿安全生产具有重要意义。瓦斯涌出量预测是一个多维非线性小样本数据预测问题,其影响因素众多,且相互之间存在复杂的关系。为研究瓦斯涌出量影响因素的具体作用关系,根据分源预测法和选取原则,选取18个影响因素建立初始预测指标体系。通过试验矿井采集数据进行非线性特性分析,得到瓦斯涌出量影响因素具有非线性和存在信息重叠等特征。采用斯皮尔曼等级相关系数法明确各个影响因素与瓦斯涌出量之间的相关强度。提出了采用核主成分分析法（KPCA）进行降维,确定了最优核参数,明确了特征指标和模型输入变量。为了实现瓦斯涌出量精准快捷预测,针对人工鱼群算法（AFSA）后期的收敛速度慢、最优解求解精度不高的问题,提出采用莱维飞行步长进行参数改进,得到了基于莱维飞行的人工鱼群算法（IAFSA）,通过多峰函数寻优测试实验进行了寻优效果验证,结果表明其寻优精度和寻优速度得到提高。针对极限学习机中的权值和闽值参数是初始随机生成的问题,将IAFSA算法与极限学习机相耦合,得到IAFSA-ELM预测算法,并通过UCI经典数据集预测实验进行了预测可行性验证,结果表明该预测算法具有可行性和可信度。结合核主成分分析方法与IAFSA-ELM预测算法,构建基于 KPCA-IAFSA-ELM算法的瓦斯涌出量预测模型,并利用MATLAB软件中图形用户界面设计工具,开发了具有通适性的煤矿瓦斯涌出量预测软件。利用预测软件对试验矿井和湖南某矿、沈阳某矿进行实例应用,结果表明:分源预测法预测相对误差约为1 0.27%,IAFSA-ELM算法的预测精度比分源预测法提高了 12.8倍左右,该预测算法比传统方法的预测精度更高;预测算法迭代次数也大幅度下降,预测差值基本不超过±0.4,预测相对误差均值均不超过4%,进一步表明IAFSA-ELM算法预测效率快,预测精度高,预测效果稳定,且预测软件具有一定的通适性,可以实现瓦斯涌出量精准快捷预测,对煤矿井下瓦斯灾害防治具有重要的现场指导意义。