针对煤矿瓦斯涌出量预测中经常出现变量难以获取等问题，为了提高瓦斯涌出量的预测精度和可靠性，提出将小波包分解方法与极限学习机相结合，构建瓦斯涌出量的小波－极限学习机时变预测模型。首先，通过小波包分解重构将瓦斯涌出量时变序列分解成高、低频率不同的分量，然后采用极限学习机对小波包分解重构后的时间序列进行预测，再叠加预测值，得到最终的预测结果。以山西天池煤矿某工作面瓦斯涌出量监测时序样本为例，为体现模型的优越性，设置2个对照模型，即小波－BP模型和未经小波处理的极限学习机模型。结果表明：该模型预测相对误差为0.42% ～10.45%，平均相对误差仅为2.50%，小波－BP模型的预测相对误差为0.33% ～7.33%，平均相对误差为3.42%，未经小波处理的极限学习机模型的预测相对误差为1.59% ～13.09%，平均相对误差为4.25%，小波－极限学习机模型的预测精度和泛化能力均高于对照模型；小波包分解重构方法的引入能有效降低数据复杂度，大幅度提高预测精度，为瓦斯涌出量时变序列的预测提供了新的思路。