油气勘探行业是石油工业的重要组成部分,由于油气勘探作业涉及众多危险有害因素,一旦发生事故,容易造成重大的人员伤亡和财产损失。然而,目前我国油气勘探领域尚未形成符合油气勘探作业特点的风险评估方法与事故预测模型,对油气勘探作业事故的发生机理缺乏系统的认识,并且亟待开展行业内的事故统计分析研究。因此,为了降低油气勘探作业风险水平,有效预防油气勘探作业事故,本文结合中石化石油工程地球物理公司课题,系统地开展了油气勘探作业风险评估及事故预测方法研究,具体内容如下:1.风险评估及事故预测相关理论研究以事故致因相关理论、风险评估相关理论及典型事故预测方法研究为理论基础,明确了油气勘探作业基本内涵、作业特点,系统分析了风险管理的关键要素,从霍尔三维结构的视角剖析油气勘探作业风险管理实施程序,为油气勘探作业风险评估方法的确定与事故预测模型的构建提供理论依据。2.油气勘探领作业风险辨识基于油气勘探作业特点,利用等级全息建模（HHM）的方法,从多个视角、维度和层级分析油气勘探领域风险因素,构建油气勘探作业风险的全息视图,利于全面掌控油气勘探的各个维度风险。同时,基于我国某油气勘探系统真实事故数据,提出了数据库构建与事故数据表征的方法,并对历史数据进行了多角度的统计分析。基于此,提出一种改进的灰色关联度分析方法,定量表征事故致因对于油气勘探作业风险的关联程度,从而辨识出关键致因,为后续风险评估提供依据。3.基于贝叶斯网络的油气勘探作业动态风险评估油气勘探作业风险具有动态变化的特征,在油气勘探作业风险辨识的基础上,研究基于贝叶斯网络的油气勘探作业动态风险评估方法。通过历史事故数据的时变特征实现动态风险分析,采用预测推理法、诊断推理法与灵敏度分析分别预测事故发生的实时概率,并利用实时安全数据实现风险动态更新。为预测油气勘探领域关键致因的变化趋势提供真实的量化依据,亦为提高风险评估效果的时效性与准确性提供参考借鉴意义。4.基于小波神经网络的油气勘探事故预测模型及应用油气勘探事故数据具有较强随机性和非平稳性,利用小波分析理论处理非平稳信号的特征,将小波分析理论与传统BP神经网络结合,构建了适用于油气勘探作业特点的小波神经网络事故预测模型。将某油气勘探系统真实事故数据作为非平稳离散信号,利用小波多分辨分析对原始事故信号进行分解和重构,开展小波神经网络预测模型与传统BP模型的求解、分析及预测结果对比研究,结果表明:小波神经网络预测效果显著优于传统BP神经网络,有利于提高事故预测结果的准确性与实用性。