针对基于支持向量机（SVM）的煤与瓦斯突出预测算法存在预测精度和可靠性不高，选择核函数时未考虑非线性数据的分类，对非线性分布的煤与瓦斯突出影响因素提取效果较差的问题，提出了一种将改进的粒子群(IPSO)算法与Powell算法相结合（IPSO-Powell）优化SVM的煤与瓦斯突出预测算法。首先通过灰色关联分析提取出煤与瓦斯突出主控因素，即瓦斯放散初速度、瓦斯压力、开采深度、瓦斯含量和煤体破坏类型，作为算法的输入样本；然后运用IPSO算法改善粒子群算法（PSO）的早熟收敛性，结合Powell算法进行局部搜索得到最优解，对SVM算法的惩罚系数和高斯核函数参数进行寻优，得到SVM的最优参数组合；最后将煤与瓦斯突出的主控因素输入到SVM中进行分类，并将其与实际测试集分类结果进行对比，实现煤与瓦斯突出预测。仿真结果表明：与SVM算法、GA-SVM算法、PSO-SVM算法相比，利用IPSO-Powell优化SVM算法进行煤与瓦斯突出预测，具有更高的预测精度，同时提高了 SVM 求解过程的运算效率，能同时满足煤与瓦斯突出预测的精度和可靠性要求，准确率达到95.9%。
