为了对煤层瓦斯涌出量进行预测，提出将支持向量机（SVM）与遗传算法(GA)相耦合。利用GA寻找SVM最优的惩罚参数c和核函数参数g，并结合SVM具有训练速度快且具有良好泛华性能的特点，建立基于GA-SVM的煤层瓦斯涌出量预测模型。煤层深度、煤层厚度、煤层倾角、开采层原始瓦斯含量、煤层间距、采高、临近层瓦斯含量、临近层厚度、层间岩性、工作面长度、推进速度、采出率、日产量对瓦斯涌出量的影响是复杂的、非线性的，因而将其作为预测的影响参数。将瓦斯涌出量作为目标参数。分别用影响参数和目标参数作为GA-SVM的输入值和输出值进行训练，训练后的预测输出和期望输出之间的误差绝对值倒数作为GA的适应度函数值进行参数优化。研究结果表明:该预测模型预测的最大相对误差为5.91％，最小相对误差为0.92％，平均相对误差为2.2％，相比耦合前及其他预测模型有更强的泛化能力和更高的预测精度，并在铁法集团大平煤矿进行了实际应用，得出预测的最大相对误差为6.80％，最小相对误差为0.47％，平均相对误差为2.89％。证明了该模型具有实际的应用价值。