一直以来，各种煤矿灾害给我国的煤炭工业带来了巨大的经济损失，导致了多次重大的人员伤亡，给我国煤炭工业的可持续发展和社会的和谐稳定造成了极大的危害。传统的煤矿虚拟仿真技术是利用虚拟现实技术，根据煤矿井下的各种数据，对煤矿井下的生产环境进行模拟和仿真，可以在煤矿虚拟场景中进行各种煤矿灾害演示，对煤矿工作人员进行安全培训，以最大程度地降低煤矿灾害的发生率和提高煤矿灾害事故的应急救援决策能力。案例推理技术具备重用历史经验的能力，历史案例对重复率较高的煤矿灾害有较强的指导意义，贝叶斯网络模型能够处理煤矿灾害事故应急救援决策中常存在的数据缺失问题，智能主体(Agent)技术在智能性和动态性上的优势，对复杂多变的问题尤为适用。本文以动态贝叶斯网络结合案例推理模型(DBN-CBR)建立应急救援决策模型和智能主体技术为基础，针对煤矿灾害重复率高和动态变化的特点，具体研究如下：首先，本文在通过Agent的智能性以及煤矿灾害的分析，研究了一种面向任务的Agent体系结构，结合Agent模型改进作业条件危险性评价法(LEC)的安全评价方法，对井下灾情进行现场评价，为后续的救援决策提供危险等级的参考数据，加快煤矿灾害的救援决策。其次，利用贝叶斯网络的优势，构建出DBN-CBR模型。在传统案例推理的理论基础上，结合新提出的动态增量式期望最大化贝叶斯网络参数学习方法，改进了煤矿灾害事故应急救援决策过程中的相似度评价函数。在此基础上，提出了案例库的组织方式：K-D树组织，通过这种方式，有效的提高了案例检索的效率。最后，结合基于案例推理的DBN-CBR模型和灾情现场评价参数，设计并实现了虚拟煤矿灾害事故应急救援决策仿真系统，并通过针对煤矿瓦斯爆炸的实例验证了本文提出的模型以及思想的有效性。