预测技术是安全科学的基础技术，事故预测是事故预防与控制以及安全生产目标任务制定的主要依据，正日益成为系统安全管理研究的热点问题。基于时间序列的统计预测是系统安全预测的主要技术，其中事故发生起数是典型的安全系统时间序列。现有多数的事故预测理论在实施过程中没有充分利用统计数据所包含的信息，同等对待每一期的统计数据，使得预测结果不能较好的反映安全系统的实际情况。矿业安全系统事故发生起数时间序列具有典型动态非线性趋势，其近期统计数据较远期统计数据对未来状态的影响力更大，提出了加权预测的思想，赋予近期统计数据较大的权重，建立了安全系统事故加权预测模型，形成了短周期精度检验，进而研究了时间非线性函数、修正指数函数、统计值—非线性函数、残差—时间非线性函数以及皮尔函数五种权函数特征，基于修正指数函数权函数形式，构建了权函数的判别函数及选择方法。基于2005年—2009年矿业事故时间序列进行了加权预测研究，得到残差—时间非线性函数权函数的短周期精度为70.8094，较指数趋势预测提高了824.26%，进一步通过判别函数研究了修正指数函数权函数的平均增长速度对加权预测精度的影响，发现随着平均增长速度的增大加权预测精度提高；同时还进行了皮尔函数参数C的变化对预测精度的影响，特别的当皮尔函数参数C0.1，矿业事故加权预测的近五期残差平方和为65.4270，精度提高了900.29%。加权预测方法提高了事故预测的近期精度，较好的表征了安全系统的实际情况，为安全系统事故预测理论和方法提供了新的思想，对安全管理具有重要的实际意义。