本发明公开了一种矿井瓦斯涌出异常的识别方法，将井下不同位置监测点的监测数据序列作为随机变量建立变量集，建立置信网络结构；再将各变量均匀离散化成取值区间；采用最小二乘法完成网络学习，并计算网络参数来定量表示各监测点位置瓦斯流量大小的依赖程度；再计算联合概率以及每个监测点的监测数据序列在不同取值区间上后验概率最大值，判断瓦斯涌出整体水平，最后通过概率推理计算得出瓦斯监测数据取值的最大后验概率，结合历史监测数据统计特征分析判断瓦斯涌出异常情况。本方法的计算结果有效且可靠，适用于现有煤矿安全监测监控系统产生海量监测数据条件下的大数据处理及安全预警应用。