煤炭是我国的重要资源，同时也是一个高危行业，煤矿火灾事故频发，给国民经济、安全都造成了重大损失。煤矿绝大多数的火灾发生在采空区人们不能直视或到达的隐蔽地点，因此煤矿采空区火灾预警的真实性、可靠性和及时性直接影响着企业的生产秩序和企业的经济效益。研究煤矿采空区火灾预警具有重要的现实意义。本文在分析煤矿采空区安全因素的基础上，对各个安全因素与火灾发生的关系进行了较全面的研究，尤其是对煤矿采空区温度与火灾发生的关系进行了深入研究。基于信息融合的煤矿采空区火灾预警主要包括信息采集、信息预处理、信息融合及决策几部分。信息预处理基于小波变换去噪的方法，对带噪信号进行特征提取、低通滤波、重建信号，实现信号的去噪。提出了基于改进的LMBP神经网络技术与D-S证据理论相结合的两级信息融合预测火灾的方法，该方法提取各安全因素的平均值、变化速率值和累积值等特征值，采用改进的LMBP神经网络进行局部信息融合，以构造独立证据理论基本概率分配函数，和基于权值分配的D-S证据理论实现多特征的信息融合判决，实现了煤矿采空区火灾预警，解决了单一安全因素对采空区环境描述较片面的缺陷。利用Matlab平台编写仿真软件，仿真试验结果表明:本文所提出的多特征两级信息融合决策方法能较好的预测煤矿采空区的火灾预警，具有较准确的预警能力和较快的预测速度。本文研究的基于信息融合的煤矿采空区火灾预警经过两级融合模拟仿真试验后，结果表明可以对采空区的自燃状态进行实时预警，做到防灾、减灾，在现实中具有较高的可靠性和实用性。