sp;   矿山灾害的随机性、模糊性和不确定性决定了矿山安全状态的变化不会按照某一特殊的规律或函数变化。模糊神经网络安全评价模型完全可以解决传统方法所不能解决的几个问题。模糊神经网络有较强的非线性函数逼近能力，可以根据样本数据训练得到输入输出变量之间的函数关系，即可以通过网络学习，确定各神经元之间的耦合权值，从而使得网络整体具有近似函数的功能。同时，模糊神经根据需要给神经网络加入规则，这样就可以避免“黑箱”问题。模糊神经网络技术综合模糊逻辑和神经网络的优点，克服了它们各自的缺点，因而完全可以应用于矿山安全评价的研究中。
    6 结论
    传统的、事先设定变化规律和特性的评价方法鉴于其局限性，难以很好地解决矿山灾害系统复杂多变的问题。因此，建立科学的矿山安全评价模型，开发行之有效的安全评价软件包，加强矿山安全评价理论和技术的研究既有现实意义，又有长远的历史意义。
    模糊神经网络技术在求解这类不确定性知识方面具有很强的优越性，它可以模拟人类的思维习惯进行定性描述。模糊神经网络技术运用于矿山安全评价中的优点可以归纳为：
    （1）利用模糊神经网络并行结构和并行处理的特征，通过适当选择评价项目克服安全评价的片面性，可以全面评价矿山灾害系统的安全状况和多因素共同作用下的安全状态。
    （2）运用模糊神经网络知识存储和自适应性特征，通过适当补充学习样本，可以实现历史经验与新知识完美结合，在发展过程中动态地评价矿山灾害系统的安全状态。
    （3）利用模糊神经网络理论的容错特征，通过选取适当的作用函数和数据结构可以处理各种非数值性指标，实现对矿山系统安全状态的模糊评价。