矿井瓦斯事故是我国煤矿安全生产的主要灾害事故之一,瓦斯事故频繁发生,不仅给煤炭企业造成巨大的经济损失,而且严重威胁煤矿工人的生命安全。对采集的海量瓦斯监测信息进行有效分析和深度挖掘,寻找瓦斯浓度内部隐含的规律性特征,实现瓦斯浓度的智能预测是瓦斯灾害防治研究中的重要课题。论文采用理论分析、数学建模、软件开发和工程应用等方法设计了基于大数据的矿井瓦斯智能预测系统的拓扑架构,构建了集数据采集、数据存储、数据分析、数据应用四层结构为一体的系统总体框架,并针对各层进行详细设计,完成了系统总体设计。在数据采集及数据存储的基础上,分析了矿井瓦斯浓度影响因素,揭示了瓦斯浓度的动态非线性、时空相关性特征,在对瓦斯浓度监测数据预处理后,建立了改进动态聚类的瓦斯浓度时空相关性分析模型、基于时空相关的多变量相空间重构模型。研究了基于Mapreduce的BA并行优化算法,建立了基于Mapreduce的BA-ELM瓦斯浓度单步智能预测模型;通过构建基于预测结果的误差实时补偿模型,建立了基于误差实时补偿的瓦斯浓度多步智能预测模型。在数据分析方法研究的基础上,基于Hadoop大数据平台和WebGIS平台,设计并开发了基于大数据的矿井瓦斯浓度智能预测系统,实现了矿井瓦斯监测数据的自动化采集与存储、智能化分析与预测、可视化共享与发布。基于大数据的矿井瓦斯智能预测系统在晋煤集团成庄煤矿瓦斯浓度预测及预警的实际应用,验证了模型及系统的适用性和可靠性,为矿井瓦斯灾害的预测与防治提供了新的技术手段与方法。