针对矿井中瓦斯浓度预测问题,提出一种改进回声状态网络的预测模型。由于实测瓦斯浓度数据含噪声,用经验模态分解将历史瓦斯浓度数据分解成多个独立的本征模函数,再经低通滤波器将小尺度函数自适应去噪后,对数据进行重构以建立预测模型。对传统回声状态网络结构进行了改进,使得改进的网络具有群集、双向连接和自反馈特性,增强了动态神经元池中神经元的多样性,克服了传统回声状态网络易出现病态解的问题,提高了模型的预测精度。实测数据预测结果表明所提方法的有效性和稳定性,为实现煤矿安全生产提供了决策支持作用。