煤质数据信息始终贯穿着煤炭企业经营运行的各个环节，数据分析与预测可以最大化地开发数据资料的功能，发挥数据的作用。从大量的煤质检验数据中发现异常数据，可以提供准确、及时、可靠的分析数据；分析煤炭热值与灰分、水分、挥发分等指标的相关性，可以为数据审核及热值预测提供重要的理论依据；研究合理的算法和实现手段预测煤炭热值，是煤质数据分析的重要任务和方向。本文的主要研究对象为开滦煤矿某选煤厂煤质工业分析指标数据，对煤质数据的误差分析、相关性分析、热值预测等算法进行了深入研究，并将算法集成于网络环境中实现，建立了煤质数据分析处理的系统化方案，同时，解决了数据传递滞后、共享性差等问题，符合煤炭企业信息化建设的要求。具体研究内容如下：首先，通过分析比较不同的离群值分析算法，选取了一种新型的、结构简单的分布图法分析粗大误差；然后，对煤炭热值与灰分、水分、挥发分的相关性进行分析，对传统灰色关联分析法进行了改进，采用了一种灰色斜率关联分析法进行分析。之后，采用相同的样本数据和检验数据，对煤炭热值分别采用回归分析方法与神经网络方法进行预测，得到神经网络模型预测精度较高的结论。最后，将分析算法、预测算法以及数据处理过程进行网络系统实现。