煤炭工业是国民经济的基础产业,同时也是特殊的高安全风险的行业,煤矿安全是煤炭工业健康、可持续发展的关键问题。因此研究如何有效地控制煤矿安全风险具有十分重要的理论和现实意义。本文综述了国内外煤矿安全评价理论与技术的研究现状,建立了煤矿安全动态评价和预测模型,并结合现场数据进行了应用研究。煤矿井下生产系统是一个由人-机-环境构成的、空间极其复杂的灾害系统。虽然事故发生的机理各异,但引发事故的因素却相互关联,在时间、空间上各种灾害随时随地发生,且相互影响。因此,根据煤矿井下灾害系统的结构特点,对系统的危险程度进行评价,事先获得事故的可能后果及对整个生产系统的影响,从而使煤矿的技术和管理部门有针对性地采取措施,达到安全生产的目的。寻求并建立科学、合理的矿井安全评价模型,并与实际生产相结合,是矿井安全管理与控制的关键问题。矿井安全系统中的许多问题都是非线性的,传统的、事先设定变化规律和特性的评价方法已经显现出其局限性,且难以很好地解决从因素到结果的定权和变权问题。本文在分析我国煤矿安全现状的基础上探讨了开展煤矿安全评价工作的重要意义,综述了国内外安全评价理论和煤矿安全评价技术的发展现状,分析了人工神经网络技术的特点,提出课题研究的意义、研究思路和主要内容。根据现代事故致因理论,结合人-机-环分析法与层次分析法等分析了煤矿安全生产的主要影响因素,并总结为10大类。根据安全评价模型的要求,在遵循指标构成及其定量化处理等原则的前提下,构建了全面的煤矿安全评价指标体系,使煤矿安全生产过程中的各个重要影响因素在指标体系中得到体现。根据神经网络结构特点和己经建立的煤矿安全评价指标体系,确定以误差反向传播的前向BP网络作为煤矿安全评价算法模型,并探讨了煤矿安全评价模型的网络结构设计、训练学习流程、性能改进方法。讨论了MATLAB神经网络工具箱及其图形用户界面GUI在神经网络模型的设计和训练过程中的强大功能,为煤矿安全评价网络模型的应用奠定基础。利用神经网络工具箱GUI实现了煤矿安全评价的神经网络模型设计,并结合大量的现场实际数据实现了煤矿安全动态评价的应用研究,评价结果与实际情况基本一致。预测就是依据历史寻求事物的未来发展趋势,是对事物未来发展趋势的认识,目的就是根据事件的发展与变化趋势来采取相应的措施。煤矿安全的有效控制对生产和作业人员的安危具有重要意义。有效的管理与控制,必须有完善、可靠的过程监测,而过程控制的成功与否,取决于对煤矿安全性指标的超前把握,准确的预测是超前把握并采取有效技术和管理措施的先决条件,煤矿安全预测就是通过系统现有或过去的危险信息来预测未来的系统安全状态。本文根据宏观与微观、静态与动态的辨证关系,确定了矿井安全预测的基本原则,建立了神经网络预测、灰色系统预测的数学模型。神经网络应用于安全预测的数学模型擅长于解决具有大量的历史数据的预测问题;而灰色预测GM(1,1)模型适应于历史数据不充分的预测问题,并在其基础上提出了函数变换型GM(l,1)模型,引入了UGM模型,有效的解决了GM(1,1)模型在短期预测中的不足,从而使预测结果更具客观性和预见性。