国家安全生产监督管理总局事故查询系统数据统计显示,2016年1～7月全国发生安全生产事故28115起,造成16059人死亡或下落不明。数据挖掘手段已经普遍使用于商业中,然而其在安全生产领域的应用却极少。随着时间的推移,我国安全生产方面积累了大量的文本数字等格式的数据,这些数据有着非比寻常的重要意义。但与此同时,由于这些数据大都非结构化,难以有效分析和深入挖掘,因此如何提取这些安全生产事故数据中所包含的信息一直是学术界和企事业单位面对的难题。本论文从我国安全生产事故特征和历年数据入手,从事故死亡人数和事故次数统计分析、事故次数预测,地点、事故类型及时间关联分析三个方面,运用聚类分析、关联规则挖掘、时间序列预测等数据挖掘相关理论与方法,对安全生产事故数据进行分析和挖掘,深入探究安全生产事故与各种要素的作用关系。从国家安全生产监督管理总局网站通过八爪鱼获取数据,数据含有文本数据和数字数据,通过文本挖掘流程对这些数据进行预处理,为之后的统计分析和挖掘工作做好必要的准备。统计死亡人数和地点信息,获取安全生产事故的基本规律信息;然后对文本数据进行文本聚类和关联分析,深一层次地挖掘事故数据中的规则和机理;运用RHadoop云平台处理安全生产数据,对比了它与单机处理数据的耗时量;最后,为了提高事故次数预测精度,提出基于ARIMA和LOESS的时间序列组合预测模型。