煤礦瓦斯濃度的精準預測是礦井瓦斯防治的關鍵。為了準確可靠地預測工作面瓦斯濃度，提出了一種基于門控循環單元方法的工作面瓦斯濃度預測模型。采用鄰近均值法對數據缺失值和異常值進行補全，采用MinMaxScaler方法對實驗數據進行歸一化處理，為了提高模型精度和穩定性，采用粒子群算法和Adam算法對GRU超參數進行優化，從而構建了基于PSO-Adam-GRU的工作面瓦斯濃度預測模型。以崔家溝煤礦生產監測數據為樣本數據進行模型訓練，采用平均絕對誤差、均方根誤差、運行時間3種評價指標對預測模型性能進行評估，并將預測結果與BPNN和LSTM進行對比。結果表明：PSO-Adam-GRU較BPNN和LSTM具有