瓦斯事故是煤炭生产中最严重的灾害之一,它一直困扰着煤矿企业,严重威胁着矿工的生命安全。千百年来,人们一直尝试用各种方法检测和控制瓦斯浓度,对之采取有效措施,避免重大瓦斯灾害发生。但是由于瓦斯的特殊性,矿井环境恶劣,受影响的因素极多,目前很难对瓦斯浓度进行精确测定,对瓦斯涌出量预测的误差也很大。如果能在煤矿瓦斯安全监控系统中实时检测瓦斯浓度的精确值并对瓦斯涌出量进行准确预测,将极大地减少瓦斯灾害给煤矿企业带来的巨大损失,更好地保护矿工的生命安全。　　本文首先介绍了课题的研究背景以及煤矿瓦斯监测的重要意义,分析了国内、外有关多传感器数据融合的研究现状和预测技术的最新研究成果,其中包括支持向量机、时间序列分析法、灰色系统理论、混沌时间序列预测等方法。　　为了实时精确地监测矿井瓦斯浓度,本文尝试用数学统计中主成分分析法的思想,提出基于主成分分析法的多传感器数据融合算法。重点分析主成分分析法在数学上的定义、原理和推导过程,给出了主成分分析法的计算步骤。并以8个瓦斯传感器为例,对单点的瓦斯斯浓度采用多个传感器进行检测,对分别用主成分分析法与平均值融合法的绝对误差进行对比分析。实验表明,主成分分析法能有效剔除冗余数据,提高监测精度。　　对瓦斯进行有效的监测与控制,除了精确地检测到瓦斯浓度外,另外一个重要的工作是对瓦斯涌出量进行准确的预测。本文试图用混沌理论的思想来对瓦斯涌出量进行预测,在本文的第四章中阐述了混沌的概念、基本特点,介绍了Devaney、Li-Yorke在数学上对混沌的定义,分析了混沌时间序列的相关理论,混沌时间序列的预测方法。并在一阶加权局域预测法的基础上引入灰色理论中的关联度理论,从而试图提高该模型的预测精度。最后通过对广西某矿务局下属煤矿某矿井的第1303和1305号两个工作面的瓦斯涌出量进行预测,把预测值与实际检测的真值进行比较,实验表明,改进了的一阶加权局域预测法具有精度高、误差小的特点。实验结果表明在混沌系统中,不管是哪种预测模型,经过一段时间后,其预测值都会迅速偏离其真值,这说明混沌法只适用于短期预测。