尾矿库是矿山企业生产的最大安全隐患,尾矿库一旦失事会给经济、社会、生态环境带来巨大危害。浸润线是尾矿库的生命线,浸润线位置过高,严重威胁尾矿库安全。然而,浸润线受多种随机不确定性因素的影响,成为动态变化的非线性系统,给建立浸润线确定模型和准确预测浸润线位置带来很大困难。针对这一问题,提出一种改进遗传算法,并利用改进后的遗传算法优化BP(Back Propagation)神经网络,建立尾矿库浸润线预测模型,为尾矿库安全分析提供决策支持,对于预防事故发生,保障安全有重要作用。本文工作围绕建立基于遗传神经网络的尾矿库浸润线预测模型进行研究,主要研究内容包括：(1)研究浸润线对尾矿库稳定性的影响。通过故障树和瑞典圆弧法计算稳定性安全系数的公式的分析,确定导致尾矿库溃坝事故发生的主要原因是水对坝坡抗滑稳定性起到了不良影响。并利用渗流理论和有限元分析方法,对尾矿库坝体内部渗流变化规律进行模拟计算分析,确定浸润线升高会使尾矿库稳定性下降。(2)针对遗传算法搜索过程会出现的未成熟收敛的问题,提出一种新的自适应度函数,能够同时用种群相似度和种群适应度作为种群进化“优胜劣汰”的标准,提高遗传算法迭代中种群的多样性。通过算例验算比较改进算法和传统算法,验证了改进遗传算法能够提高种群的多样性,避免进化过早收敛,有助于提高浸润线的预测精度。(3)针对BP神经网络收敛速度慢和易陷入局部极小值的问题,提出利用LM(Levenberg Marquardt)-BP算法提高神经网络收敛速度,利用改进遗传算法搜索全局最优解,优化网络的初始权值阈值,建立了基于遗传神经网络的浸润线模型。利用实际工程数据对该模型进行实验验证,结果表明该模型可以准确预测短期内浸润线变化趋势,减少尾矿库风险,保障尾矿库安全。(4)根据某尾矿库安全监测任务,对尾矿库安全在线监测系统进行研究和设计,利用混合编程的方法开发监测系统软件,实现数据采集、存储、统计分析、显示和管理等功能,并成功将建立的浸润线预测模型应用于监测软件系统,预测结果直观清晰,可以为尾矿库稳定性分析提供有效决策支持。