本发明提供一种一种基于卡尔曼滤波的采空区煤自燃CO浓度滤波及预测方法，通过获取[0，M]天的CO测量数据，将[0，N1]且N1＜M天的CO测量数据传输至限幅自回归‑卡尔曼滤波模型中，并获取[0，N1]天的CO浓度滤波值作为CO浓度最优估计值；构建长短期记忆神经网络‑卡尔曼滤波模型；对[0，M]天的CO测量数据完成滤波，对应得到[0，M]天CO浓度滤波值；通过循环神经网络模型RNN进行训练，并通过迭代的方式对后m天的CO浓度进行预测。该方法能够有效滤除井下非煤自燃所引起的从采空区上隅角CO浓度异变的问题，并能够随着采空区上隅角CO数据的输入，实时更新模型，提高模型的准确性和适用性。