随着社会对矿产资源的需求量日益剧增,导致浅部矿产日渐枯竭,金属矿产深部开发是必然趋势。矿产开采深度不断增加,地温升高问题显著,增加矿石自燃火灾事故发生概率。国内外许多金属矿山均存在内因火灾的危险,硫化矿石一旦发生氧化自热事故,可能导致矿山停产,遭受巨大的经济损失,还可能带来一系列的环境和安全问题。因此,开展硫化矿石自燃预警的研究对于企业实现可持续发展、保障人员生命安全等方面具有重要的意义。本论文的主要研究内容如下:(1)通过选取国外内金属矿山所发生的多起硫化矿石自燃灾害事故案例进行分析,利用系统动力学初步明确自燃灾害影响因素,选用群决策改进层次分析法对硫化矿石自燃灾害预警指标进行初次筛选,并采用主成分分析法进行第二次优选,建立一套科学、完整的灾害预警指标体系。其中,硫化矿石自燃灾害预警指标体系包括人员、硫化矿石自燃倾向性、环境、管理4个一级指标和18个二级指标;并划分了四个预警等级,给出了等级划分标准及相应的预警准则,为硫化矿石自燃灾害防治提供前期基础和理论支撑。(2)针对预警指标的特点,通过建立指标重要性程度的未确知有理数,并运用未确知有理数法确定了硫化矿石自燃灾害预警系统指标的权重值。指标的权重值有助于矿山企业在自燃预警工作中抓重点,提高矿山管理安全水平及降低灾害损失具有重要意义。未确知有理数法可以很大程度减小主观赋权过程中的随意性,使所得评估结论更加科学合理。(3)结合自燃灾害案例,建立基于RBF、PSO-SVM和云模型的硫化矿石自燃灾害预警模型。实证表明,RBF神经网络模型的结构为19-18-4,硫化矿石自燃灾害预警等级的预测效果较好,性能相对稳定;PSO-SVM测试样本的分类精度达到80%以上,分类效果较好;基于未确知有理数—云模型的预警模型在硫化矿石自燃预警的预测值与实际值有一定的差别,因此需要对云模型中存在的问题进行更深入研究,得到更符合实际的评判结果。对三种预警模型进行比较,基于准确率和可靠性,本文选取RBF预警模型完成硫化矿石预警系统设计。(4)应用Qt应用程序框架,借助Windows平台开发硫化矿石自燃灾害预警系统。包括用户管理、自燃灾害基本信息、自燃预警管理和应急管理4个模块。由此实现了硫化矿石自燃灾害预警功能,为企业的安全生产提供智能化、信息化、科学化的管理平台。Qt可以跨多平台,提高软件开发效率和可复用性。