在矿井通风设计、瓦斯抽放工程设计、瓦斯防治工作中,瓦斯涌出量预测是必不可少的环节。预测的精度直接影响到煤矿生产的正常进行。长期以来,许多学者对瓦斯浓度预测进行了大量的研究,并提出了许多有效的方法。本文在充分学习和研究一些经典预测方法和当前热点预测方法的基础上,建立了基于最小二乘支持向量机的预测模型,研究结果说明,与经典方法相比,基于最小二乘支持向量机的预测模型具有更好的预测效果和更好的泛化性能。本文在总结经典预测方法的基础上,运用分源预测法的理论,选取了采煤工作面的开采煤层、临近煤层、采空区三个区域分别进行研究,并针对三个不同的区域分别选取了不同的瓦斯涌出量的影响因子集。在深入研究支持向量机和最小二乘支持向量机理论的基础上,本文建立基于最小二乘支持向量机的瓦斯涌出量预测模型,选用径向基核函数作为核函数,用自调节网格搜索法进行核函数参数的寻优,并用MATLAB仿真,进行了实例分析,测试模型的准确性。选取机器学习方法中比较经典的人工神经网络方法对同一实际测量数据进行预测对比,通过误差分析表明,LSSVM预测模型的预测精度明显高于BP人工神经网络的模型。证明了最小二乘支持向量机理论应用于瓦斯涌出量预测具有良好的预测性能和泛化性能,证明了该理论的合理性和优越性。最后,结合煤矿需要实时进行瓦斯涌出量预测的实际,运用MTTLAB的GUI功能设计编制了基于最小二乘支持向量机的瓦斯涌出量预测软件,便于该理论的实际应用,界面友好,使用方便。