煤矿安全是确保煤矿顺利开采的第一要素,而对于频发的煤矿瓦斯事故,最有效的防治手段就是瓦斯抽采,与此同时,瓦斯抽采安全监控系统在确保瓦斯抽采甚至煤矿安全生产方面显得尤为重要。传统的安全监控系统虽然已具备了多样化的功能,很大程度上缓解了安全工作的压力,但由于煤矿井下环境情况复杂多变,瓦斯抽采系统还存在着各种隐患,而对于隐患的防控,已有的系统还基本没有涉及,甚至连相关理论研究都较少。因此,煤矿瓦斯抽采系统隐患判识研究具有重大的意义和作用。鉴于隐患判识的重要作用,采用小波分析和支持向量机理论来共同实现对瓦斯抽采系统安全隐患的判识。首先对可能存在的隐患(火灾、积水、漏气等)作了深入的研究,确定了隐患特征参数及控制策略。由于传感器采集的信号难免会受到环境及电磁信号等因素的干扰,通常会伴随着时变和突发的信号,本文利用小波分析的阂值滤波方法处理含噪特征信号,很大程度上确保了信号数据的真实性,再利用支持向量机理论(SVM)对于小样本学习的优势,对数据集进行分类预测,以此来实现对安全隐患的判识。最后以火灾隐患为代表,通过MATLAB对小波阈值滤波及SVM分类预测模型的构建进行了仿真实验,证明小波支持向量机在隐患判识方面的有效性和优越性,对于瓦斯抽采监控系统安全隐患的判识应用于实践提供了理论基础。本课题的研究不仅为瓦斯抽采系统安全隐患提供了可靠的判识方法,同时对排除隐患险情、保障安全生产来说有着十分重要的意义,具有重要的实用价值。再加上煤矿安全隐患判识理论的相通性。采用的分类预测方法对于煤矿生产过程中的其它安全隐患的判识也同样适用,可用在其他安全监控系统中,具有较高的理论和实践价值,应用前景良好。