众所周知,能源问题关乎国民经济命脉。国家"十三五"规划指出打造绿色煤炭能源势在必行。然而,据《中国煤炭工业年鉴》数据显示,近二十年的煤矿事故占全国工矿企业事故的25%左右,死亡人数占40%左右。不言而喻,造成这些事故的原因不能仅仅从单一层面加以断定,地方政府监督不严、企业经济利益驱使、矿工安全意识低下、安全技能欠缺、作业环境差、安全管理混乱等因素均在特定水平上导致矿难发生,但归根结底源于员工的行为。因此,针对复杂环境下的煤矿员工安全行为影响因素进行有效识别和预控成为政府及企业决策者亟需解决的难题。本文以煤矿一线员工安全行为为研究对象,基于煤矿安全生产的复杂性和系统性,研读国内外文献,剖析2001年至2016年典型煤矿事故案例,归纳整合员工安全行为影响因素,借助典型事故分析、实地调研以及问卷调查、行为事件访谈等,验证所提取影响因子的可靠性和科学性。在甄别煤矿员工安全行为影响指标的基础上,对指标进行优选及分析,量化指标层级结构,进而构建切实有效的煤矿员工安全行为评价指标体系。采用信息熵法,辨析计算煤矿员工安全行为各指标权重。接着借助5P神经网络的自学习、自适应能力,通过对淮南矿业集团、河南平煤矿业集团下辖的10个已知样本的学习,获取专家思维,采用训练好的网络仿真尚未测度的样本,有效缩减了人因在安全评价中影响程度;此外,通过训练好的网络还可以求得各指标相应的权重大小,进而根据权重值明晰指标对煤矿员工安全行为的影响程度。在此基础上,进一步明确煤矿员工安全行为预警机制,即:预警指标选取、预警体系构成、单一指标预警区间确定以及综合指标预警区间确定等。以此为基础,选用5P神经网络同遗传算法改进后的5P神经网络进行对比分析,结果表明:GA-5P的收敛速度与测算精度更加准确、有效。最后,依据预警分析与规避对策,以期实现煤矿安全预警管理模式的良好运行及员工安全行为的有效综合管控。