随着我国煤矿作业规模日渐扩大,煤矿粉尘安全隐患和职业健康问题愈加严重。煤矿作业环境粉尘尤其呼吸性粉尘对作业工人危害极大,对煤矿粉尘进行监测是控制和降低其危害的重要手段。近年来,物联网与粉尘分离技术快速发展,基于物联网的煤矿粉尘浓度检测技术和监测装备逐渐出现,煤矿粉尘检测装置为粉尘实时数据采集与监控提供了重要的技术途径。在此基础上,如何有效连续采集粉尘浓度,并对采集的粉尘数据进行管理与应用,已成为煤矿粉尘防治关注的焦点。煤矿工人长时间在粉尘浓度较高的环境下作业极易患尘肺病,尘肺病是我国职业病中对工人健康危害极为严重的一类疾病。因此,建立一种精度和准确性较高的预测模型,对于尘肺病防治政策的制定具有重要的现实意义。本文以卫生部公布的2000-2016年我国尘肺病发病统计数据为研究对象,针对我国尘肺病发病组合预测模型的精确性展开研究。首先,本文构建了基于物联网的煤矿粉尘职业危害监测平台,提出了煤矿粉尘监测预警的云服务模式;其次,本文对现有个人累计接尘量估计方法进行了改进,提出与人员定位技术相结合的个人累计接尘量计算方法;最后,为了准确预测我国尘肺病未来发病趋势,本文将灰色理论和神经网络相结合,研究了多种不同组合模型的预测效果,最终实验结果证明本文提出的多维输入灰色-广义回归神经网络预测模型的有效性,该模型综合考虑了影响尘肺病发病人数的多个因素,能够达到理想的预测状态。本文的主要研究内容可以概括为以下几个方面:(1)本文针对煤矿粉尘现有检测手段时效性差、人为抽检易失实、不能连续监测等问题,引入物联网和云计算技术,构建了基于物联网的煤矿粉尘职业危害监测平台。平台通过集成一体化粉尘监测智能终端、实时粉尘数据采集与传输、粉尘大数据存储与管理以及应用服务,形成了一种煤矿粉尘监测云服务模式。通过该平台,多级监管部门、企业和作业工人能够实时监测粉尘状态,达成扁平化、非现场实时连续监管的目的,从而提升整个行业职业危害监管服务水平。(2)对个人累计接尘量的计算方法进行了研究。本文对现有个人累计接尘量估计方法进行了改进,提出与人员定位技术相结合的个人累计接尘量计算方法。(3)为了更加准确地掌握我国尘肺病发病趋势,使用不同组合方式的灰色神经网络和灰色-广义回归神经网络的预测模型,对未来全国尘肺病发病人数进行预测。考虑到尘肺病发病人数会受到多种因素的影响,本文从国家统计数据库中选取采矿业从业人数、不同性质采矿企业数量、规模以上企业数量、原煤产量等作为模型预测的相关辅助决策因素,并通过对比分析和模型评价验证了灰色-广义回归神经网络预测模型在尘肺病发病人数预测上的可行性和有效性。