煤矿的安全生产一直是煤矿安全领域面临的重大风险挑战。针对煤矿企业的工艺流程复杂、作业环境恶劣和大型机械设备众多等非线性因素导致传统安全研究方法效果不佳的问题,论文提出使用遗传粒子群算法优化BP神经网络对安全评价模型进行改进,同时建立了以PDCA循环为核心的安全管理体系,以提升煤矿企业安全管理水平。 以煤矿安全为研究目标,从安全生产的角度出发,采用24Model模型全面分析了煤矿生产过程中存在的安全风险因素,在此基础上建立了煤矿安全指标体系。基于MATLAB平台,结合煤矿生产的特性和需求,运用MATLAB对传统BP神经网络、遗传算法优化BP神经网络、粒子群算法优化BP神经网络、遗传粒子群算法优化BP神经网络进行消融实验对比分析,通过对煤矿安全管理现状的研究,运用PDCA循环法建立安全管理体系,给出安全管理的保障措施,实现了安全管理体系的改进和完善。 论文所提出的改进方法利用了全局寻优能力,优化了BP神经网络的初始权重和阈值,克服了BP神经网络容易陷入局部极小值和收敛速度过慢的问题,进一步提升了BP神经网络安全评价模型的学习能力和预测精度。 实验测试表明,遗传粒子群优化后BP神经网络算法模型预测准确率最高、收敛速率最快,证明了其在煤矿安全评价方面的可行性与准确性,能够有效预测煤矿安全信息。论文提出的安全研究方法在煤矿安全预测方面取得显著成效,提升了煤矿企业安全管理水平。