煤炭作为我国的主要能源之一,与人们的生活息息相关。但是由于煤炭行业的特殊性、作业环境复杂、以及矿业工作人员思想懈怠、管理人员疏忽大意,造成矿难频发。通过对1990-2016年我国煤矿重大事故及人因比率的分析后发现,在近35年间我国煤矿发生的重大事故96.56%与人的因素有关。因此,将人作为主要研究对象,减少人的失误率对于降低煤矿事故频率,提高煤矿安全生产效率具有重要的意义。本文分析了煤矿综采工作面人因失误的主要因素。通过数据分析,调查问卷等方式最终确定了23个人因失误的因素。并对这些因素采取信度和效度检验,确保所用数据的有效性和代表性。将这些因素纵向分为目标层、中间层和因素层三个层次,横向则划分为内因和外因两部分,其中外因又分为人员因素和环境因素两个方面。论文介绍了不同人工神经网络的模型、算法以及适用范围,并最终确定使用BP神经网络作为分析方法。建立了三层(23-11-5)BP神经网络模型,利用MATLAB软件中的神经网络工具箱进行编程,选取具有代表性的15组样本作为分析数据,在计算机中实现了煤矿综采工作面人因失误模型的建立。并对霍尔辛赫煤矿进行检验,证实了模型的有效性。采用PSO算法对BP神经网络进一步改善,形成PSO-BP网络神经模型。通过比较PSO-BP模型与BP模型后发现,改进后的模型收敛速度更快、精度更高、效果更好。随着样本数据的不断完成完善,该模型的应用价值更大,更具有现实意义。论文研究结果对于降低人的失误率,提高矿井安全生产有重要意义。