煤炭资源几十年来一直都是我国最为主要的能源，然而，我国是世界上煤矿事故发生最多的国家之一，这些事故不光给国家财产造成了巨大损失，也对广大矿工的生命构成了威胁。因此，利用信息技术更好的帮助煤矿安全生产是值得广大科技工作者研究的热点。当前煤矿事故主要包括瓦斯爆炸、粉尘爆炸、火灾和冒顶等类型。其中造成损失最为严重的是瓦斯等爆炸类事故。煤矿井下安置着大量的不同类型的传感器，时刻监测着影响煤矿安全的各项指标。然而由于井下环境复杂、恶劣，单一类型传感器有可能出现失效或不精确而导致误判的情况，且不同类型传感器获得的数据之间存在着一定非线性的关系。因此，研究将多传感器信息融合技术应用到煤矿井下，以期提高对井下环境预测的效率。本文提出一种二级信息融合模型，用于对井下安全环境等级进行实时的预测。该模型融合了瓦斯浓度、风速、粉尘浓度三类具有紧密非线性关系的数据。其中，第一级融合模型基于自适应加权算法，通过该算法求出各个同类传感器间不同的权重值，从而提升对某一信息表述的精确度；第二级融合模型则是基于模糊神经网络的预测模型，该模型既能处理井下的模糊信息，解决井下难以建立精确数学模型的问题，同时又具备学习的能力，可以根据井下数据的更新进行动态调节，可移植性高。总体来说，该信息融合模型能够适应井下的实际环境，可以有效提高预测的精度。为提高预测模型的运算速度，本文重点研究并提出了一种改进的快速LMBP算法。通过大量试验，详细分析了传统LMBP算法存在的主要问题，并通过引入两个判别因子提出了一种快速LMBP算法。通过Matlab条件下的仿真对比试验表明，研究的改进LMBP算法比传统LMBP算法在训练的速度上有了较大幅度的提高。此外，在使用改进的LMBP算法对预测模型进行训练后，进行了模型的预测试验，结果表明，该预测模型的试验预测精度超过96%。最后，本文设计了基于ASP.net技术的煤矿安全监控系统，该系统能够对井下的瓦斯、CO、温度、风速等信息进行实时监控，并能通过报表的方式对各项数据进行分析和打印。该系统通过c#与Matlab混合编程的方式，实现了信息融合模型模块的设计。