贝叶斯网络是解决不确定性知识推理问题的主要模型。目前贝叶斯网络的研究一般针对结构或参数学习的某一分离问题展开，仍缺乏支持结构建立、参数学习、知识推理的一致性算法，使知识建立与应用过程无法联系与检验。本文通过分析贝叶斯网络学习以往的学习算法，针对其特点，提出基于遗传算法的贝叶斯网络自适应知识建立与推理的新算法，通过设计贝叶斯网络学习的编码方式，结合分析结构学习中连接矩阵的行交叉算子与列交叉算子对后续参数学习的影响，以及对有向图中增边，删边，变向等操作下，对各属性结点条件概率表的影响，设计出具有调整策略的交叉与变异算子，实现了每次结构学习后不需要重新从训练集进行参数学习，而直接在父代的基础上直接生成子代条件概率表，为解决知识推理无法反馈到学习过程中的缺点，设计具有推理误差反馈的适应函数，实现样本支持下的结构学习、参数学习中以推理正确率为评价指标的贝叶斯网络全过程建立。最后通过基于贝叶斯网络的地下燃气管网安全推理与诊断，建立贝叶期网络的数学模型，并编程实现该算法，把本文的算法应用于实际，根据项目的数据特点，在算法原型上提出了改进的模型算法，研究结果表明，新算法不仅可以同步优化网络结构与参数，且可以自适应推理误差的学习修正，有着更满意的知识推理正确率。