煤炭是我国经济社会发展的主要能源，作为我国的基础产业，煤炭工业有着举足轻重的地位。然而近年来煤矿安全生产形势不容乐观，各类矿难事故的发生严重威胁到工作人员安全及社会和谐稳定，造成了巨大的经济损失。因此，积极开展煤矿安全评价研究，对影响煤矿安全生产的诸多隐患因素进行客观、合理的评价，为煤矿企业提供切实可行的解决方案，是关系到经济建设可持续发展和社会安全稳定的大事，更是我国长期面临且持续研究又急需解决的重大问题，具有重要的社会意义。本文从安全原理、算法改进、仿真实验、系统设计等几个方面逐步实现对煤矿安全评价算法的相关研究，主要工作分为以下几个方面。⑴提出4M-C-I理论，从人员、设备、环境、管理、安全文化、法律法规信息六方面的隐患因素进一步建立并初步完善符合我国煤矿实际生产情况的安全评价指标体系；⑵采用遗传算法进一步改进优化小波神经网络初始参数，克服小波神经网络算法中存在的对网络初值设置依赖性强、易陷入局部极小值等缺点，增强评价结果的精准度；⑶提出一种调整步长的方法对惩罚参数C和损失参数g进行搜索寻优，实现对支持向量机的算法优化，通过MATLAB仿真实验加以验证，结果显示改进算法具有运算效率更高的优越性；⑷开发基于B/S网络架构的煤矿事故隐患及安全评价原型系统，重点应用混合编程思想设计实现其中的安全评价模块，给出小波神经网络、基于遗传算法优化的小波神经网络、支持向量机和基于参数寻优的支持向量机不同算法的评价结果。本文所做的研究工作不仅为煤矿安全评价提供了切实有效的模型方法，还为煤矿企业实施决策管理提供有效途径。