更重要的还在于使用者的理论水平和工程经验。
煤矿环境复杂多变，准确地进行生产事故隐患预报十分困难。提高采煤事故隐患的预报能力，是晋城矿区安全管理与事故预报的核心。它必须建立在信息管理系统之上，并基于动态获取采煤生产信息，借助于人机界面进行事故隐患的动态预报。
研究开发的事故隐患预报系统包括2个子系统:基于知识的常规推理专家系统和基于实例的神经网络专家系统(图3)。
图3晋城矿区事故隐患预报系统结构
3.1事故预报常规推理专家系统
在分析、研究国内外已经开发的专家系统开发工具的基础上，并考虑到基层矿山人员的使用。因此，采用中国科学院数学研究所和浙江大学等6家科研单位开发的“天马”专家系统开发环境(中国科学院数学所等，1991)，开发了事故预报常规推理专家系统。“天马”开发环境已经成功地应用于天气预报，煤矿瓦斯预报等专家系统的开发。通过实际应用专家系统的开发，表明该工具功能强、可靠性高，容量大，已成为国内较好的汉化商业软件。同时，该开发环境是汉字平台，窗口菜单显示，使系统使用简单，操作方便。
该系统的知识表达方式采用的是“框架+规则”形式，克服一般开发工具单一的规则知识表达方法，适合于复杂的采矿系统的知识描述。
借助于“天马”开发工具，分别建立晋城矿区采煤生产涉及到的6个生产环节的知识库(图3)。为了获取可靠的知识，不仅走访采矿专家、工程技术人员，而且还对采矿生产的事故隐患进行分析，为知识库的建立奠定基础。
3. 2事故预报神经网络专家系统
考虑到采矿与巷道掘进系统的事故隐患多，危害严重，该预报系统还借助于人工神经网络的学习能力，开发了晋城矿区采煤、掘进、支护和通风4个生产环节的神经网络专家系统。
与常规推理专家系统不同，基于神经网络专家系统的事故预测是基于从工程实例中学习所获取的知识。系统采用神经网络的BP学习算法，基于晋城矿区已经发生的事故实例，建立供神经网络学习的实例库。为了便于实例的修改、扩充和知识更新，开发的神经网络专家系统具备人机交互界面，十分方便于矿山人员使用。
4事故树分析与辅助
