針對基于最小二乘支持向量機(LS-SVM)的瓦斯濃度預測方法進行參數優化時存在的易陷入局部最優解、搜索效率較低、易產生早熟收斂等問題,提出了一種基于改進蟻群算法-最小二乘支持向量機(ACO-LSSVM)的瓦斯濃度預測模型。首先,對采集的大量煤礦綜采工作面瓦斯數據進行k-means聚類分析,以降低數據維數;然后,采用改進蟻群算法對LS-SVM的懲罰參數和核函數參數進行尋優,再代入LS-SVM模型中進行回歸預測。仿真結果表明,當瓦斯體積分數絕對誤差閾值分別為0.03%,0.04%,0.05%時,基于ACO-LS-SVM的瓦斯濃度預測模型的預測準確度都在95%左右,比SVM模型和LS-SVM模型表現