煤炭是我国国民经济发展的基础能源。在工业生产领域,煤矿重大灾害危险源最多、安全隐患最大。煤与瓦斯突出是发生在煤矿井下的一种机理极其复杂的动力现象。煤与瓦斯突出是制约煤矿安全生产最为严重的自然灾害之一。鉴于其影响因素众多而突出机理尚未彻底研究清楚、突出灾害却日益加剧的现实状况,本文提出了根据突出机理的“综合假说”,利用人工神经网络模型实施煤层潜在突出危险性评价的指导思想。论文首先阐述了进行煤层潜在突出危险性预测评价必要性和深远意义,分析了其当前的研究现状和存在问题,确立了以突出机理的“综合假说”为理论基础、以人工神经网络模型进行评价的研究方案和技术路线。接着,本文对影响煤与瓦斯突出的瓦斯、地质条件等因素进行全面分析和总结,并抽取相应的定性、定量描述的指标。通过全面分析和总结,建立了以瓦斯、煤体结构特征和地质构造三因素为一级指标的煤层潜在突出危险性评价综合指标体系,并对反映三因素的八个指标进行了分级研究。随后,本文对人工神经网络(ANN)的基本原理、基本结构、处理能力及其应用作了简要的介绍。对煤层潜在突出危险性评价与非线性动力学模型的适应性进行了研究,指出基于人工神经网络的非线性预测评价模型在煤层潜在突出危险性评价中的应用可以较好地解决传统预测方法存在的缺陷,在煤层突出危险性评价中的应用是完全可行的。最后,本文重点研究了在函数逼近和模式识别领域广泛应用的误差反向传播神经网络模型(BPNN),对其结构设计及训练进行了深入的研究。结合沈阳煤业集团红菱煤矿煤层突出危险性预测的课题,运用 MATLAB 神经网络工具箱(ANN)建立了综合考虑煤层瓦斯含量,煤层瓦斯压力,煤的破坏类型,煤的坚固性系数,煤的瓦斯放散初速度,煤层软煤比,褶皱,断层八个指标的煤层潜在突出危险性BP 神经网络评价模型,检验结果表明,该模型能够准确的评价煤层潜在突出危险性,为煤层潜在突出危险性评价提供了一条新的技术途径。