煤炭是我国重要的战略资源，主要集中在瓦斯、顶板和水灾等重特大煤矿突发事件频发，给国家及其人民带来了重大经济损失，亦给社会带来不良影响。于是对煤矿突发事故的有效治理一直是我国矿安工作的重难点。 　　它由多种因素作用形成，是多参数、多层次、多目标、海量复杂信息的集合。怎样找到一种高效的解决方法，从不确定、难以建模、海量的动态信息中，快速获得到有价值的部分进行分析处理，及时采取得力措施，保证矿安生产具有重大价值。 　　本文针对煤矿突发事件的特点，提出了案例推理技术与粗神经网络相结合的方法。其中，案例推理与粗神经网络的结合，两者互为补充；粗糙集与神经网络的结合，两者扬长避短。首先，对原始历史数据信息进行规范化与知识化，通过提取分析相关特征信息，基于数据库技术建立了案例知识库；其次，提出了基于模板检索与最近邻法相结合的案例检索策略，摒弃了传统理论的一些假设条件，剔除了案例属性缺失值对求解过程的影响；接着提出了基于粗糙集理论的案例库维护方法应用于案例库规模扩增的情况，以提高案例质量和检索效率；最后，通过分析对比，用粗神经网络来提取规则与人配合作为案例推理中例外情况的补充，并以瓦斯为例，验证了这种规则预测的效果。 　　数据挖掘技术和异于传统经验化的案例推理方法相结合在目标上互补，在内涵上有共通之处。这符合人脑一般先选择经验求解，无相似案例则依据事物间的因果用深层次的逻辑思维关系求解的情况。这样的有机结合与运用丰富了系统可靠性预警及其系统工程理论，为更好进行煤矿事故预防与营救等工作赢得先机、提供有效的决策支持，建立的知识库为今后煤矿的发展累积了宝贵财富，提高了煤矿突发事故的预测与应对能力并加强了实际可操作性，对预测决策具有实际意义。