近年来，我国煤矿安全事故频频发生。其中煤与瓦斯突出现象，给煤矿安全生产，特别是井下工作人员的生命财产造成了极其严重的威胁。这给我国煤炭行业的发展敲响了警钟。煤与瓦斯突出是矿井含瓦斯煤岩体呈粉碎状态从煤岩层中向采掘空间急剧(数秒钟到数分钟完成)运动并伴随着大量瓦斯喷出的一种强烈的动力过程。长期的防治工作和科学研究表明，煤与瓦斯突出虽然是突发性的，但在突出前均有前兆显现，其中声发射就是前兆之一。由于声发射信号中含有大量的噪声，而且目前降噪技术也不能很好的使声发射监测得以准确预报，因此本论文采用了基于蚁群优化的提升小波包渐变式阀值的降噪方法，并通过大量的数值计算和计算机仿真证明了该思想的可行性。提出了基于蚁群优化的小波神经网络煤与瓦斯突出的预测模型，系统研究了煤与瓦斯突出声发射的神经网络预测的原理，将声发射自适应神经网络模型应用于煤与瓦斯突出危险性预测上。实现了煤与瓦斯突出危险性的声发射动态趋势预测。文章的最后还简要的介绍了监测系统的设计实施方案。