煤矿井下环境特殊，各种安全隐患严重地威胁着工作人员，其中设备故障是隐患之一。煤矿井下设备运行状况下，当存在故障隐患时，经常会伴随着温度的上升，当设备温度过高时有可能会引发火灾和爆炸等事故，对这类设备运行过程中的温度进行监测记录非常必要。针对检测到的设备温度数据进行分析研究，可以发现其内在规律，进而预测温度未来的变化趋势，实现对设备的安全预警，从而有效地避免因设备故障带来的损失。论文以基于无线传感器网络的煤矿井下设备温度监测系统为基础，重点对设备温度时间序列进行分析建模和预测，并对预测结果进行预警分析。通过对几种不同的温度预测方法进行研究并对其特点进行分析比较，得出在不同情况下，应根据数据样本的特点采用不同的预测方法。在大样本情况下，可以采用人工神经网络的方法进行预测，结合经验模态分解和相空间重构，以期得到较准确的预测结果；在小样本数据情况下，优先采用ARIMA进行预测模型的建立，对时间序列进行准确的短期预测。为了对设备温度安全警度进行预警，本文利用DS证据理论的时域融合，采用了基于经验模态分解、BP神经网络和DS证据理论的预警方法，实验结果验证了该方法的有效性。设计了设备温度预警系统软件，预警系统的主要功能包括设备温度曲线的绘制、温度预测及预警等。利用Visual C++进行设备温度预警系统的界面设计，通过采用VisualC++与Matlab混合编程来实现软件的设计，该软件能实现预期功能。