瓦斯是危害矿井安全生产的重要因素之一，也是煤矿中最为严重的灾害之一。对矿井未采区域进行瓦斯涌出量预测是煤矿地质工作者的一项非常重要的工作，它对有效防止瓦斯超限、瓦斯爆炸，保障矿井生产安全有着重大意义。对于地质条件复杂的矿井，因瓦斯涌出规律比较复杂，传统的瓦斯涌出量预测方法显得有些不足。在原有的技术基础上探索新的预测方法成为当前瓦斯涌出预测研究的重中之重。 本文以陕西韩城下峪口高瓦斯突出矿井为实例，通过瓦斯地质资料的系统收集与整理，用灰色关联分析方法研究了主采煤层瓦斯含量的主控因素，将其作为BP神经网络的输入层节点，对研究区未知区域煤层瓦斯含量进行了预测。 考虑到灰色动态模型在预测波动性较大的数据序列时，会出现误差较大的缺点，在矿井瓦斯涌出量研究中，将自记忆原理引入GM(1，1)模型，组成灰色自记忆模型。用于未来年份矿井瓦斯涌出量的预测，取得了很好的效果。@2 由于瓦斯涌出量预测样本大及基本BP算法存在的收敛速度慢，易陷入局部极小点，隐含层节点数难以确定等缺陷，本文将遗传算法原理引入到BP神经网络中，提出了一种遗传BP算法，提高了搜索速度和精度。理论分析和实践结果表明，遗传BP算法用于采面瓦斯涌出量预测是可行和有效的，有着良好的前景。 最后，作者将研究区瓦斯地质数据经整理后输入数据库，开发出了一个通用性较强的瓦斯涌出量预测系统，可实现数据的输入、查询、分析及自动绘图等功能，显著提高了研究工作的效率。