张 震，朱权洁，李青松，刘 衍，张尔辉，赵庆民，秦续峰

(1.华北科技学院安全工程学院，河北 三河 065201；2.贵州省矿山安全科学研究院，贵州贵阳 550025；3.湖北省烟草公司十堰市公司，湖北 十堰 442000;4.山东能源淄博矿业集团有限责任公司，山东 淄博 255000)

随着我国部分矿井煤炭资源开采向深部延伸，加之矿山井下地质条件复杂，导致煤矿瓦斯灾害事故频发。由于矿山井下地质条件的复杂性以及相关技术的局限性等，致使矿山企业在及时、准确、可靠地进行矿井瓦斯灾害事故预测方面还存在诸多不足，瓦斯灾害仍严重地影响着采矿作业的进行。因此，挖掘矿井瓦斯浓度潜在的发展规律，开展矿井瓦斯浓度变化趋势的预测，对矿山安全生产具有重要的现实意义。

在矿井瓦斯浓度预测研究方面，诸多研究人员主要基于ARMA、灰色关联分析、BP神经网络等模型，挖掘矿井瓦斯浓度时间序列潜在的关联关系，推断矿井瓦斯浓度的发展趋势。如黄元申等利用ARMA模型对华东某煤矿瓦斯浓度开展了预测，预测结果与实际变化趋势较符合；黄东等在分析灰色系统理论与自记忆原理的基础上，将两者结合，实现了对矿井工作面瓦斯波动情况的准确预测。由于灰色神经网络预测模型易陷于局部最优情况，胥良等利用GA算法对模型权值与阈值进行了训练，从而达到了优化预测模型的目的;贾真在分析矿井瓦斯预警现状的基础上，将BP神经网络成功地应用于矿井瓦斯预警系统中，结果表明该方法能降低矿井瓦斯浓度预测的误差。……