我国铁路运输网络具有运输里程长、历经站点多、范围辐射广、运输周转大、运输速度快等特点,年度旅客周转量及货物周转量均居世界首位。铁路安全涉及面广、专业性强且繁琐复杂,伴随着铁路运输速度的提高和行车密度的增大风险也进一步提高,不同性质事故的发生可能性也随之升高。铁路事故不仅会造成人员伤亡、经济损失和环境危害,还有可能造成极其恶劣的社会影响。因此,对铁路事故数据进行科学研究,充分发挥其对铁路安全工作的决策支持作用,对我国铁路系统健康稳定的发展有着非常重要的意义。本文从铁路事故实际数据入手,首先对影响铁路事故的各因素进行归纳统计,去除冗余模糊内容,得到可供深入分析的数据样本；其次,结合新兴的数据挖掘技术,将关联规则分析应用于铁路事故实际数据的研究中,使用经典Apriori算法对样本数据进行挖掘；经筛选得到最突出的强关联规则,以灰色关联理论为指导,将该规则中的数据字段细分为具体的安全隐患内容及事故性质类别,通过灰色关联度计算量化分析二者之间的内在联系,进一步地对计算结果展开深入分析;之后,运用组合预测原理,以GM(1,1)与三次指数平滑的预测结果为基础,结合灰色理论及IOWA算子概念,构建科学合理的组合模型,对不同性质的铁路事故数量分别预测并校验误差；最后,结合隐患与事故的关系确定其严重程度,汇总各单位报告的数据情况分析安全水平,对超出安全阂值的给出警示,以此对我国铁路事故安全进行预警分析。本文以铁路事故实际数据为基础,对运输过程中各影响因素及其相互关系进行量化研究,形成以安全隐患及事故性质为切入点的安全预警应用,对提升我国铁路安全管理水平有极大的促进作用。