本文研究多传感器同步相关分析方法和异步相关滞后步长分析方法,并将其应用于分类主特征选择及煤矿瓦斯监测数据的异常检测和遗失值估计问题。同时,开发了基于时间序列数据挖掘的煤矿瓦斯涌出量分析系统。主要研究内容如下:运用多传感器相关信息熵的概念,定义了多传感器相关组合的概念并分析了其性质。在此基础上提出了一类发现所有相关传感器组合的快速算法,即SCC(Super Correlation Combination)算法。该算法能够高效的找出全部相关组合。提出了基于粒子群优化的异步相关滞后步长分析方法。研究了两种针对多传感器系统异步相关最优滞后步长分析的适应值函数,分别为基于相关信息熵的适应值函数与基于相关系数的适应值函数。实验表明提出的方法是有效的。提出了基于多传感器相关分析的主特征选择方法。该方法引入主特征和主特征子集的概念描述被分类对象的关键分类特征,并给出了计算被分类对象的主特征和主特征子集的方法。其特点是主特征和主特征子集与所采用的分类器无关。实验结果显示:利用数据集的主特征和主特征子集进行数据分类比用数据集的全部属性进行分类的性能要好。瓦斯浓度异常检测和遗失值估计事关煤矿安全。以往的解决方法是使用一个矿井中的全部瓦斯传感器采样数据分析求解这两个问题。但是这种方法存在着不足:计算量大和异常检测的准确率相对较低,遗失值的估计精度也较低。提出了利用相关传感器组合的信息进行瓦斯异常检测和遗失值估计的方法。仿真结果表明该方法克服了上述不足。开发了基于时间序列数据挖掘的煤矿瓦斯涌出量分析软件原型系统。本文的研究结果主要开发了其中的多传感器相关分析模块与瓦斯涌出量预测模块。测试结果表明该系统运行正确。