据统计,我国每年都会发生很多起由于气体泄漏导致的矿井事故,这不仅威胁矿工的生命安全,还会造成严重经济损失。因此,矿井环境安全是煤炭行业安全管理工作的重中之重,需要准确地描述矿井环境状态,才能给工作人员呈现更为直观的判断,降低不必要的安全隐患。本文对常见的煤炭安全事故的成因进行分析,将矿井环境状态简化为三个状态。选取了合适的环境参数,甲烷、氧气和一氧化碳。为了实现对矿井环境状态的识别,降低环境参数的模糊度,增加监控系统的可靠性。本文利用DBN模型良好的特征表达能力和分类能力,基于DBN模型的数据融合方法,使用带有环境状态标签的环境参数对DBN模型进行训练学习实现多传感器数据融合,从而找到环境参数和环境状态之间的关系,使得监控系统能够描述实际的矿井环境状态,给工作人员提供准确的判断。本文设计了对应的传感器实现了对环境参数的采集,并且设计了传输分站实现了对传感器采集的环境参数进行汇总,然后通过以太网方式将环境参数打包上传给上位机软件。上位机软件使用带有环境状态标签的环境参数作为DBN模型的输入,调用由MATLAB生成的DBN算法对DBN模型进行训练得到了多传感器数据融合模型。最后,上位机软件将实时获取到的环境参数输入到训练完成的数据融合模型中对矿井环境状态进行识别,实现了煤矿安全监控系统对矿井环境的监测与描述,并通过测试验证了本系统的准确性和可靠性。