矿井采空区火灾及回采工作面瓦斯灾害事故是威胁煤矿安全生产的关键因素,本文为改进完善采空区火灾及回采工作面瓦斯灾害准确预测预警问题,以瓦斯、温度、CO及风速等数据为研究对象,系统地进行了矿井特定环境下数据融合关键技术的研究。矿井有线监测系统存在其自身不可避免的局限性,例如采空区内布线困难、回采工作面线缆常收放移动不便等,利用无线传感器网络(WSN)技术,设计并采用无线系统与有线系统相结合的监控方式,便于对矿井进行更加有效和灵活的监控。针对无线监控网络需要节约能耗以及灾害预测预警需要多种参数综合判断的特点,采用数据融合技术,延长监控网络使用寿命,降低误报、漏报概率,得到更加准确可靠的预测预警结果。本文采用BP神经网络进行矿井WSN数据融合,能根据历史监测数据以一定的融合方式对未来一段时间的安全状况进行预测,并且针对采空区及回采工作面两个区域监测参数类型及数据变化规律均有较大差异的问题,分别设计不同的神经网络结构,进行井下不同地理位置的两种数据融合,并将融合结果由无线分站发送给地面监控中心,由监控中心显示最终预测结果。利用Matlab软件进行反复对比实验,给出采空区BP神经网络第二隐层节点数及回采工作面BP神经网络隐含层节点数不同时对网络运行效率影响方面的仿真结果及分析。在我校原有“煤矿安全生产监控系统”的基础上加入无线收发模块,实现数据无线传输功能,并基于无线分站、无线瓦斯传感器、无线温度传感器、无线CO传感器及无线风速传感器搭建实验平台进行WSN数据融合技术的测试及验证,最后给出实验结果分析验证了其可行性。