随着我国经济的发展,企业的安全问题越来越受到重视,而企业的安全管理水平也决定着企业能否健康高效的运营。钢铁行业作为我国的支柱产业,在经济发展中起着至关重要的作用,同样轧钢企业在冷轧过程中工艺复杂,生产过程中有着很多危险因素和不确定性,安全生产事故也时有发生。而传统的安全管理方法是“问题出发型”管理模式,往往只能进行定性的分析,缺少简单直观的定量分析手段,这样在企业安全管理中就显得很被动。但是随着信息技术的不断发展,以及近几年数据挖掘技术在各行各业的不断普及与应用,也为隐患排查治理和生产安全事故预防工作提供了新的技术手段和方法。本文以某冷轧企业为例,针对该厂2017年9月-2018年12月的事故隐患数据进行分析,研究建立该厂安全生产事故隐患预测预警模型,指导企业能够具体有效的进安全管理与隐患排查治理工作的开展,对提升企业的安全管理水平有着重要意义。首先利用R语言对企业的事故隐患数据进行文本挖掘分析,在中文分词后得到隐患词汇对应词频,将词频统计后绘制出可视化的词云图,之后为了得到隐患词汇在每个月的重要度,运用词频-逆文档频(TF-IDF)将每个月词频转换成权重。最后运用灰色预测理论,建立了隐患预测模型并进行了精确度检验,预测了2019年每个月权重最大的隐患词汇发生次数并结合生成的折线图分析了事故隐患的发生趋势。通过对该冷轧厂的安全事故隐患预测预警研究,为企业安全生产隐患排查治理工作的可视化以及安全管理的具体化打下了稳固基础。得出的结论有:(1)得到该企业在2017年9月-2018年12月之间总体的隐患发生情况,并通过词云图显示这期间“油污”这一隐患发生次数最多。(2)预测出2019年一年中16个隐患词汇的词频,并生成拟合图直观的显示隐患发展趋势,反映了隐患词汇所对应事故隐患在企业当前的发生情况以及今后一阶段的预测情况。(3)建立起一套事故隐患预测模型并在企业能够很好的运行,为企业的安全生产管理工作改进提供技术支持。通过对该冷轧企业建立隐患预测模型,科学直观的展示本企业当前的事故隐患实际情况以及今后一阶段的事故隐患预测情况,以便指导企业有目的性和针对性的开展隐患排查治理工作,为防止事故的发生提供支持。