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