语义网技术提供了一种对复杂信息统一描述和处理的方法,在生物医学、智能楼宇等领域都得到了广泛应用。其中,语义推理技术通过对已有信息进行推理,可以得到有重要价值的隐含语义信息。本文将语义本体构建和推理应用到矿山安全领域,可为矿山安全提供统一的知识描述系统,并能实现对已有信息的扩展,为矿山安全预警提供技术支持。本文的主要工作如下:基于矿山事故危险源理论和瓦斯爆炸事故树分析方法,构建了包含矿山危险源本体和瓦斯爆炸事故树本体的瓦斯爆炸事故本体。对矿山危险源本体应用Jena推理机的自定义规则,可实现从根源危险源到状态危险源的推理,同时根据瓦斯爆炸事故树本体能完成顶上事件发生概率的计算。实验结果表明,构建的矿山危险源本体实现了正确的推理,并能自下而上计算顶上事件的发生概率,初步验证了利用OWL本体推理预测瓦斯爆炸事故的有效性。在验证本体推理计算有效性的基础上,发现了随本体和规则数据量增大,推理效率逐渐下降的问题,为下一步研究提供了方向。在语义数据快速增长的背景下,传统单机推理系统已无法满足有效的推理计算,而已有的并行化推理算法在推理性能上也存在明显不足。在矿山安全领域本体推理研究的基础上,以大规模语义数据处理为背景,提出了一种基于Spark的OWL语义规则并行化推理算法(PROS,parallel reasoning for OWL semantic rules based on Spark)。该并行推理算法:1)在充分分析OWL Horst规则依赖关系的基础上,将规则划分为SPO规则、Sameas规则、Type规则和Schema规则;2)对四类规则分别设计了区域最优的执行顺序,进一步提高了并行推理的执行效率;3)把Sameas规则考虑到循环迭代过程中,显著提高了算法的推理能力。实验结果表明,将PROS算法应用在瓦斯爆炸事故本体推理中,与单机推理相比,推理时间明显减少;PROS算法与已有并行化推理算法相比,在推理完备性和稳定性上表现出较好的效果,推理效率也得到小幅度提高;同时PROS与单机推理系统相比,推理效率显著提高,面对大规模数据处理时展现出了优良的扩展性。最后,总结全文瓦斯爆炸事故本体构建及语义规则推理相关的研究内容,指出本文研究的不足,并展望了领域本体构建与推理未来的研究方向。