本文以岩石力学与工程智能分析方法在围岩控制中的应用为课题,首先阐述了智能计算科学中BP神经网络算法和遗传算法的原理,以及结合BP神经网络局部寻优和遗传算法全局寻优特点的进化神经网络算法。然后通过运用进化神经网络算法理论对矿山围岩控制中的回采巷道围岩移近量预测,顶板来压时间序列预测,以及锚杆支护参数设计进行了研究和探讨,取得了有实用价值的问题解决方法：根据影响回采巷道围岩变形因素的分析,可知回采巷道围岩变形和影响因素之间是复杂的非线性关系,即回采巷道围岩移近量预测的问题可以转化为确定影响回采巷道围岩移近量因素与移近量之间的非线性关系。对影响回采巷道围岩变形主要因素进行定量化处理,并收集大量的回采巷道围岩移近量的数据样本,运用进化神经网络处理非线性关系的优势,通过网络的学习训练,得到了稳定的预测回采巷道围岩移近量的网络结构,经过测试样本检验,网络结构有比较好的实用价值。根据对人工神经网络对时间序列非线性预报理论进行分析,可知煤矿顶板来压可以运用人工神经网络进行时间序列的顶板压力预测。通过对三元王庄煤矿工作面支架工作阻力进行时间加权处理,得到了时问序列的工作面压力数据,根据时间序列非线性预报理论,把得到的时间序列的工作面压力数据整理成网络训练学习样本,即通过前面某几个数据来推断当前的数据,通过对样本数据的学习训练,得到稳定的进化神经网络顶板压力预测网络结构,通过测试样本检验,网络结构对顶板来压预测有比较好的实用价值。根据对目前锚杆支护设计方法和理论的分析,可知目前常规锚杆支护设计方法有很大的局限性。通过分析可知回采巷道锚杆支护参数和影响回采巷道围岩稳定性因素之间存在复杂的非线性关系,通过收集大量的锚杆支护设计成功的工程案例做为学习训练样本,运用进化神经网络确定支护参数和回采巷道围岩稳定性影响因素之间的非线性关系,最后得到回采巷道锚杆支护参数稳定的网络结构。