安全生产是一个庞大的系统工程，安全科学研究工作是这个庞大系统工程中的重要环节之一。近几年来，各类重特大事故的频繁发生，对我国国民经济发展产生了重大消极影响。事故发生所造成的严重伤亡后果对我国安全生产也产生了重大的影响。因此，科学地研究我国企业生产中各类伤亡人数的变化趋势，将会为我国的安全生产制定合理的解决措施提供参考。由于人工神经网络技术具有强大的非线性映射能力和自组织、自适应、自学习能力，特别适用于解决因果关系复杂的非确定性推理、判断、预测和分类等问题。而时间序列的预测，则是从分析时间序列的变化特征等信息中，选择适当的模型和参数，建立预测模型，并根据惯性原则，假定预测对象以往的变化趋势会延续到未来，从而做出预测。为此本文将人工神经网络和时间序列预测结合起来，基于BP网络和时间序列等理论，来进行建立、训练和仿真预测模型的研究。本文简要的介绍了国内外事故预测模型的研究概况，同时介绍了人工神经网络的基本原理，BP网络的基本结构、学习算法、网络模型及MATLAB计算软件的神经网络工具箱。分析和比较了现有的几种预测模型，进而详细讨论了基于BP网络的时间序列预测模型。文中针对我国1974年至2003年全国工业企业事故死亡率，来进行建立、训练和仿真基于BP网络的时间序列预测模型。仿真的结果同传统回归法进行比较，可以看出神经网络的预测结果比回归法的预测结果更准确，进而说明作者所建立的预测模型具有理想的预测能力。其次，通过对我国1981年至2002年全国各类煤矿事故死亡人数的预测研究，验证了本文所建立的预测模型在多输入预测中的有效件。