本文介绍了一种基于人工神经网络的方法来进行矿井通风系统安全评价，本文研究结果表明，利用人工神经网络方法可以解决矿井通风系统安全评价问题。 在详细分析指标体系建立的基本原则和层次递进关系的基础上，结合现场实际工作经验和4M法建立了矿井通风系统安全评价因素指标体系，划分了各评价指标的安全等级，给出了各等级的评价标准。在简要介绍神经网络的发展历程和基本概念的基础上，提出了适合本文研究目的的神经网络模型构想。 通过对煤矿的大量调研，找到了矿井通风系统事故的发生条件和规律，对矿井通风系统从人、机、环境、管理四个方面进行详细的因素分析，应用神经网络理论建立网络模型。探讨了BP人工神经网络隐层个数和隐层节点数的选取问题，确定了BP神经网络的隐层结构。利用确定的BP网络结构，分别用改进的带动量自适应学习率BP算法和L-M算法，分析、解决矿井通风系统安全评价问题。本文还提出使用径向基函数神经网络，该网络的应用在安全评价领域尚未见有关文献公开发表。经本文研究表明，径向基函数神经网络运算速度较普通BP算法快10~2-10~3倍，并且精度比较高，应用径向基函数神经网络可以较好地完成矿井通风系统安全评价任务。至此形成了矿井通风系统安全状况的评价体系。 根据对煤矿广泛调研所得矿井通风系统安全评价的现场资料，形成了矿井通风系统样本的安全等级。在此基础上，运用Matlab6.5程序软件编制神经网络程序并进行训练，建立矿井通风系统安全水平的综合评价模型。将建立好的神经网络模型、矿井通风系统的指标样本一起组成了矿井通风系统安全等级的评价系统，并将此系统对具体矿井通风系统进行工程验证，从而得出校验样本的矿井通风系统的安全级别。 本文的研究结果表明：人工神经网络安全评价方法可操作性强、效果较好，提高了矿井通风系统安全评价的实用性和科学性，可以在一般煤矿企业的安全评价中应用。