为了提高瓦斯涌出量的预测精度,减少瓦斯灾害,提出以核熵成分分析与粒子群支持向量机相结合的预测模型,KECA-PSO-SVM模型.首先核熵成分分析方法利用雷尼熵最大方向投影,对原始数据进行降维,提取主成分,然后采用粒子群支持向量机的方法进行预测.针对回采工作面上影响瓦斯涌出量的12种因素和瓦斯涌出量实际值共18组数据,将前15组数据作为训练数据,后3组数据作为测试数据.该模型预测结果为核熵成分分析法提取五个主成分,对雷尼熵的贡献率达到100％,利用粒子群支持向量机进行预测,预测结果分别与PSO-SVM, PCA-PSO-SVM, KPCA-PSO-SVM 比较,平均偏差分别为2.32％, 2.79％, 1.64％, 1.22％ ,KECA-PSO-SVM模型预测精度高,有较好的鲁棒性.