随着数据库技术的成熟和数据应用的普及,大规模数据库和数据仓库的建立,人们开始面对“数据丰富,但信息贫乏”的挑战,要从海量的数据中发现有用的规律就需要用到数据挖掘技术。数据挖掘是从大量数据中挖掘出隐含的、先前未知的、对决策有潜在价值的知识和规则。这些规则蕴涵了数据库中一组对象之间的特定关系,提出一些有用的信息,为经营决策、市场策划、金融预测等提供依据。数据挖掘是一门交叉性学科,涉及机器学习、模式识别、归纳推理、统计学、数据库、高性能计算等多个领域。针对煤炭行业的一般性、特殊性问题,本文提出并建立了一种基于遗传BP神经网络的数据挖掘系统,来解决目前煤炭行业中的不缺数据缺知识的现状。本文重点研究了数据挖掘中采用的算法问题,神经网络算法是数据挖掘技术中常用的一种算法,具有高正确率、抗噪声数据能力强等优势,其中应用最广泛的是BP神经网络算法。运用BP神经网络算法建立数据挖掘系统对解决煤炭行业中出现的实际问题有重大的意义。但是BP神经网络算法有算法效率低、收敛速度慢、易陷入局部极小值等问题,要解决这个问题,我们提出一种用遗传算法来对BP神经网络进行辅助优化的方法,即遗传BP神经网络算法。此算法充分避免了上述问题。最后,利用数据可视化技术解决了数据挖掘输出结果不能直观显示给用户的问题。本文利用先进的数据挖掘技术建立了一个基于遗传BP神经网络的数据挖掘系统,并用来指导煤炭行业中出现的问题,在拓展数据挖掘技术的应用方面做了一个有效的尝试,同时对其他行业中出现的类似问题的解决提供了一个方法,有一定的指导作用。