煤炭是我国主要能源,开采过程中煤矿事故时有发生。近年来,我国煤炭行业百万吨死亡率逐年下降,但是安全形势仍然严峻。煤矿安全监控系统是保障安全生产至关重要的工具与手段。为预防事故的发生,国家和煤矿企业对监控系统提出更高的要求,煤矿监控系统朝向智能化、准确化、高效化发展。如何利用监控系统监测到的海量数据来获取未知知识,成为了煤矿监控系统智能化的关键。本文综合运用安全科学、监控技术、人工智能理论、事故预测理论、计算机技术和网络技术等相关学科的理论和方法,融合安全对策优选方法,对煤矿安全智能监控问题进行研究。首先对我国2008年至2017年十年发生的重大、特别重大煤矿事故进行统计和事故致因分析。在煤矿事故致因分析的基础上,结合智能监控技术,提出了基于信息获取模块、控制模块和知识获取模块组成的煤矿智能安全监控模型。详细介绍了模型工作原理,通过传感器监控信息和人工录入信息,按照制定的预测算法进行危险性分析,通过分析结果智能预警并提供决策。然后,针对煤矿智能安全监控模型中两个关键算法方法:海量数据预测算法和对策优选方法展开了研究。以灰色系统和神经网络理论为基础,构建GM(1,N)_GRNN预测算法模型,以瓦斯涌出量为例在实际工程应用中进行了验证。运用层次分析法确定指标权重进行对策优选,建立煤矿事故安全对策库,并进行实例优选。最后利用ASP语言,研制了煤矿安全监控数据智能分析系统,实现了煤矿监控信息管理,对煤矿事故智能预测预警分析,获取海量数据背后隐藏的知识,向管理者提供决策帮助的功能。本文研究工作有明确的理论意义,在煤矿事故预防和安全管理工作中有实用意义。