随着煤矿开采持续向深部延伸,工作面面临的地质压力不断增大,瓦斯释放和积聚的风险显著增加。此外,深部矿井中煤层的物理性质和构造特征也与浅部煤层存在一定差异,进一步增加了煤与瓦斯突出的潜在风险。本研究基于某矿数据,首先应用箱线图(Boxplot)与多重插补法(MI)进行数据清洗,结合相关系数(Correlation)筛选影响因素,建立基于Boxplot-MI-C的煤与瓦斯突出预测指标体系。然后运用深度学习中的卷积神经网络(CNN)搭建模型框架,结合鸬鹚搜索算法(COA)优化模型超参数,建立基于COA-CNN的煤与瓦斯突出预测模型。最后,建立支持向量机(SVM)、COA-SVM、人工神经网络(ANN)、COA-ANN、CNN模型进行对比验证,其中,COA-CNN模型预测结果的准确率最高,拥有更优的鲁棒性与泛化能力,可以为煤与瓦斯突出灾害的预测与防控提供更好的决策参考。