自神经网络集成概念和思想提出以后，大量研究人员便涌入该领域，从而使得神经网络集成成为当今国际机器学习和神经计算学界的研究热点。如何设计出更有效的神经网络集成的实现方法，以提高神经网络集成模型的泛化能力，则具有很强的理论和现实意义。本文正是在此前提下，就样本选取、个体网络生成选择两个阶段，分别提出了新的算法。样本选取——提出基于图聚类的样本选择算法；个体网络生成选择——提出了基于人工蜂群的个网络个体选择算法。第三章重点介绍了图聚类算法，以及通过将图聚类算法应用到训练样本选取过程来提出一种基于图聚类的神经网络集成算法。该算法首先利用图聚类算法将样本聚类，然后从个聚类中抽取样本，并用所抽取样本训练个体神经网络，最后在将个体神经网络集成。第四章重点阐述了一种利于ABC算法（蜂群算法）去除冗余个体的新的选择性神经网络集成构造算法。该算法能够选择差异度大的集成个体，构建出精确度高的集成网络。这一算法首先运用可重复采样技术训练大量集成个体，继而采用蜂群算法将网络集成预测误差作为优化目标函数,然后选择集成个体子集。本文最后重点研究了神经网络集成技术在煤矿安全隐患领域中的应用，特别说明了本文所提出的神经网络集成算法在煤矿中瓦斯涌出量的预测上可发挥的重要作用。