自改革开放以来,中国城市化不断推进,高层建筑不断涌现,电梯的使用基数一直增长。随着电梯投入量的不断增加,电梯事故也从未减少,而电梯事故一旦发生,往往伴随人身伤亡事故。导致电梯事故的因素多种多样,在电梯的安全管理中,特别是人的不安全行为难以控制,具有很多不确定性因素,因此,尽管电梯生产制造水平不断提升,可电梯事故仍是屡见不鲜,严重威胁着城市人口的生命安全。研究电梯事故的发生规律,分析电梯事故原因,预测电梯事故类型,是防止电梯事故的发生、减少财产损失的有效手段。中国特种设备检验检测研究院备有国内重大电梯事故数据,伴随大数据技术的不断发展,充分利用电梯事故数据来防止电梯事故的发生对电梯的安全管理工作很有意义。本文通过对中国特种设备检验检测研究院提供的已备案的历年电梯事故数据进行充分的挖掘、统计和分析,阐明了电梯事故随时间、环节、额定载重以及额定速度的发生规律。运用RBF神经网络,确定以电梯事故发生的月份、电梯事故发生时间(小时)、电梯事故的事发环节、电梯的额定载重、电梯运行的额定速度以及电梯事故发生的原因6项指标为输入参数,建立电梯事故类型预测模型,并通过测试组数据进行了准确性验证。结果表明,对比其它方法,基于RBF神经网络法的事故类型预测模型具有良好的精度,可以准确预测出电梯事故类型,对企业电梯安全管理起到积极的作用。