煤炭产业是我国国民经济的支柱产业,对国民经济的发展起着至关重要的作用,但目前我国的煤矿安全现状却不容乐观,煤矿事故伤亡发生率居世界首位,因而安全评价工作成为了煤矿企业安全管理的重要环节。本文选取具有高度非线性、容错性、自组织的人工神经网络的方法对煤矿进行安全评价工作,主要研究工作如下：一、经过比较、分析传统的安全评价方法,指出其具有“线性”、“局部性”和“确定性”的缺点,而神经网络评价方法具有自组织、自学习和高度非线性逼近的特点,便于联想、综合和推广,从而确定了神经网络用于煤矿安全评价的可行性。二、在充分了解煤矿生产系统特征的基础上,根据煤矿安全风险指标体系设计原则,从煤矿固有风险因素、人员风险因素、设备风险因素、管理风险因素、环境风险因素五个方面建立了煤矿安全评价指标体系。三、探讨了BP人工神经网络隐含层层数和隐含层节点数的选取问题,确定了BP神经网络的网络结构,利用MATLAB软件编程,运行在MATLAB7.0的平台上,分别采用BP神经网络的附加动量算法、弹性算法、L-M算法对煤矿进行评价,评价结果表明三种算法都可以完成煤矿的评价工作,但附加动量算法运算速度慢、步数多,弹性算法在逼近目标值方面存在欠缺,L-M算法不仅运算速度快、步数少、在逼近精度方面也是前两种算法无法比拟的。四、介绍了一种无论在精度逼近能力、分类识别能力还是网络训练速度方面都优于普通BP神经网络的RBF神经网络。利用RBF神经网络对煤矿进行评价,评价结果显示RBF神经网络比普通BP神经网络算法训练速度快,时间短,精度高,可以和BP神经网络的L-M算法相媲美,能够很好地完成煤矿的评价任务,应该得到大力推广本文的研究表明：人工神经网络评价方法与传统的安全评价方法相比具有明显的优点,其可操作性强,评价结果精确,可以提高煤矿企业安全评价工作的效率。