为解决在分析系统可靠性时获取的动态贝叶斯网络（DBN）的先验数据主观性强的问题，以气化炉烧嘴系统为研究对象，利用BP神经网络优化DBN的先验数据。依据隐含层神经元数量经验公式，将气化炉烧嘴系统DBN模型划分为3个子系统，并分别转化为BP神经网络。将DBN的先验分布分别对应BP神经网络的输入函数与输出函数，再利用BP神经网络信息向前传、误差向后传的特性，对系统进行性能学习，实现对DBN的先验数据优化。对优化后气化炉烧嘴系统的DBN进行双向推理，实现对气化炉烧嘴系统动态可靠性分析。结果表明，对气化炉烧嘴系统DBN进行正向推理，可得到优化后的系统可靠性变化趋势；进行反向推理，可得到优化前后的关键事件及薄弱环节，其中薄弱环节为高氧煤比氧煤比的波动。
