為提高工作面瓦斯涌出量預測的效率和準確率,提出了一種將遺傳算法(GA)與極限學習機(ELM)相結合的瓦斯涌出量預測的新方法。為了避免ELM受輸入權值矩陣和隱含層偏差隨機性的影響,算法采用GA對ELM的輸入權值矩陣和隱含層偏差進行優(yōu)化,建立GA-ELM瓦斯涌出量預測模型。利用某礦瓦斯涌出量相關數(shù)據(jù)對該模型進行了實例分析,將ELM、SVM和BP算法預測結果與該模型進行了對比分析。結果表明:GA-ELM模型具有較高的預測精度,可以相對準確、高效地對工作面的瓦斯涌出量進行預測。