矿井水文监控系统是矿井安全监控系统中的一个重要子系统,对保障矿井生产的安全发挥着重要作用。在现有的矿井水文监控系统中,水文参数的监测预警和井下排水控制这两部分相对独立,在水位控制中多采用单一的开关控制,使得系统在处理复杂的矿井涌水问题时实时性和可靠性不强。针对以上问题,本文结合矿井涌水的特点,在涌水量预测中引入BP神经网络模型,开展基于PLC和LabVIEW实现的矿井水文监控系统的研究。首先,归纳了矿井水文监控系统的国内外研究现状,简要介绍了系统工作原理。针对系统监控需求,设计了以西门子S7-300PLC为井下控制核心、LabVIEW为地面监控软件的矿井水文监控系统的整体方案,并进行了PLC硬件和软件的模块化设计,同时对水泵及配套电机、信号检测传感器等进行了选型。其次,定性分析了矿井涌水量影响因素,选取其中对矿井涌水量影响较大的水文地质条件、地质构造特征、降水量和开采面积等四个因素作为BP神经网络的输入变量,搭建BP神经网络矿井涌水量预测模型,在MATLAB中进行了仿真分析。最后,运用LabVIEW进行地面监控中心的软件设计,并对各个功能进行了测试。通过TCP/IP通讯模块的设计实现其与井下PLC之间的信息实时传输。用户界面采用选项卡式设计,可进行多个管理子界面的切换,使用方便；并利用MATLAB/LabVIEW混合编程,将BP神经网络涌水量预测模型应用到系统中。仿真和测试结果表明：使用BP神经网络可以实现矿井涌水量的实时预测,能够达到预期的预测精度；设计的基于LabVIEW的矿井水文监控系统可以实现水仓水位自动监控、涌水量预测和以太网通信等功能,可靠性和实时性高,满足系统设计要求。