支持向量机是在统计学习理论基础上发展起来的一种新的非常有效的机器学习方法。由于其出色的学习性能，该技术已成为预测领域新的研究热点，其中支持向量机二类分类机的理论和实际应用研究相对成熟，而多分类的研究尚有待进一步深入。煤与瓦斯突出事故频发给人民生命财产带来巨大危害。煤与瓦斯突出过程是一个高度复杂过程，具有影响因素繁多、高度非线性等问题。本文采用支持向量机多分类预测方法对煤与瓦斯突出进行预测很有实际意义。 本文通过大量阅读中外文献，了解了煤与瓦斯突出过程的特点；分析与突出关系密切的各个相关变量，同时对支持向量机基本理论知识、方法技术以及目前的研究领域、发展现状进行综述。在对支持向量机多项技术深入分析和比较后，确定适合突出的各项技术并进行理论说明；对基于支持向量机的几种多分类方法的性能进行研究和比较；探讨高斯径向基核函数的可分性与局部性，确定本文核函数；采用改进序列极小化方法进行特征选择，提高支持向量机在分类预测问题中的应用能力。本文建立了煤与瓦斯突出预测系统。根据研究区的自然地理情况，确定输入因子；选取合适的核函数和核参数；采用支持向量机一对多分类预测方法为煤与瓦斯突出预测建立模型，完成预测系统。