煤矿火灾事故频繁发生给人民生命和财产带来巨大危害。煤自燃是引起煤矿发生火灾的主要原因之一，提早准确地测定煤自燃的危险等级，就可以及时采取有效措施，避免煤自燃的发生，从而保证煤矿的安全生产。本文利用煤在氧化升温过程中所释放的气体，针对煤自燃具有影响因素繁多、高度非线性的特点，采用支持向量机(support vectormachine,SVM)方法，对煤自燃危险程度进行预测具有实际意义。本文的主要研究内容主要和创新点如下：（1）针对支持向量机的参数对其性能的影响，利用遗传算法(genetic algorithm,GA)和粒子群算法(particle swarm optimization,POS)对支持向量机的参数进行了优化。（2）引入了模糊隶属度和最小二乘的思想，改进了一种模糊最小二乘球形支持向量机(FLHSSVM)的方法，并结合序贯最小化（SMO）的方法求解，最终的预测实验表明了该算法的有效性。（3）运用邻域粗糙集的方法对煤自燃预测实验中的输入向量进行约简，然后结合支持向量机进行预测分类,有效的减小了支持向量机的训练数据，降低算法复杂度。（4）采用西安科技大学研制的特大型煤自然发火实验台（ZRM-15型）对大同某矿煤样进行了煤自燃模拟实验，采集了并分析实验数据，建立了基于支持向量机的煤自燃危险程度预测模型，并对实验结果进行分析。