瓦斯爆炸作为煤矿灾害事故类型之一,是影响煤矿安全生产的重要阻力。随着人工智能、机器学习技术的发展,井下监控系统不断完善,但存在监测数据综合利用率不高、风险源演变趋势判识精准度较低等问题。如何有效识别瓦斯爆炸风险,及时对事故作出精准预测,是目前煤矿行业急需解决的问题。基于此,论文采用数据驱动研究模式,搜集较大及以上煤矿瓦斯爆炸事故调查报告相关数据,提取瓦斯爆炸事故致因关键词;结合文献研究、国家煤矿安全风险评价指标、瓦斯爆炸事故机理等,构建煤矿瓦斯爆炸事故风险判识变量体系。以贝叶斯网络为研究方法,利用贝叶斯网络构建工具GeNie,融合专家知识和数据学习,构建煤矿瓦斯爆炸贝叶斯网络风险判识模型,对瓦斯爆炸事故风险进行识别与评估,发现导致事故发生的潜在风险源;通过设定事故风险预警区间,基于贝叶斯网络对灾害事故等级进行预警分析。以期为及时准确识别事故风险源,提升灾害预防精准度与灵敏度提供技术支持。基于构建的贝叶斯网络模型,通过逆向推理、敏感性分析,对瓦斯爆炸事故险情进行精准判识;通过事故最大致因链分析,发现导致瓦斯爆炸事故发生的关键致因路径。结合风险预警理论,利用风险等级矩阵测算和期望值理论,划定瓦斯爆炸事故风险等级预警区间;将构建的贝叶斯网络模型应用于瓦斯爆炸事故具体实例,对事故等级进行预测,并将预测结果与实际情况进行对比。结果表明,构建的贝叶斯网络中各节点总精确度为0.8936,节点精确度较高,贝叶斯网络模型具有较强可行性;违章指挥、违章操作、井下安全管理混乱、放炮火焰、局部通风机通风管理问题等是预防瓦斯爆炸事故发生的薄弱环节;放炮火焰、井下机器设备故障产生电火花是导致井下出现引爆火源的关键因素;局部通风机通风问题是导致井下出现瓦斯积聚的主要原因。图26表17参73