煤矿井下安全生产问题已经成为我国亟待解决的问题之一,而其中煤矿瓦斯灾害作为“头号杀手”威胁着我国的煤矿安全。因此,保证预警的有效性与准确性,在如今井下安全生产过程中,迫在眉捷。随着矿井自动化技术的改进,多数矿井已建立了各种自动化系统,如监测井下生产环境(瓦斯、风速、温度等)的瓦斯安全监测和控制系统、监测井下人员活动的系统、监测煤炭产量的系统等多达20种的矿井自动化系统,这些系统为井下安全生产起到了关键作用。本文首先对国内外在煤矿预警研究领域中用到的预测技术进行综述,同时,对其涉及到的系统当前存在的问题及不足进行分析。通过对数据融合基本理论及其方法的学习,针对单传感器煤矿数据预测存在的片面性问题,探索出一种将数据融合思想运用于井下预警的方法,提出以多传感器数据融合技术预测煤矿井下数据,在相空间重构技术与数据融合技术基础之上,构建多传感器煤矿数据的预测模型。对井下多种传感器,包括瓦斯浓度、风速、温度传感器进行融合预测。本文的主要研究成果概括如下：1、数据来源于山西省五一煤矿和阳泉煤矿,采集了近20G数据。首先,以瓦斯传感器为研究对象,运用混沌理论的思想,通过相空间重构技术和加权一阶局域预测法,实现了单传感器的预测,分别以1分钟、5分钟、10分钟、15分钟、20分钟为时间间隔,实验结果得到的最小误差为0.035；2、以瓦斯浓度、风速、温度三类传感器时序数据为研究对象,采用数据融合技术与多变量相空间重构技术相结合的方法,运用基于K-Means聚类的加权一阶局域预测法,实现了瓦斯浓度、风速、温度传感器数据的融合预测。实验结果得到的最小误差为0.003,误差大大下降。