随着科技的进步和矿山机械设备的巨型化发展，国内外的采场结构都在向大间距结构参数发展，其结果是大型采掘设备能力得到充分发挥，生产成本大幅度下降。为此，华林矿也考虑采用大间距结构形式来提高矿山的经济效益。虽然，大参数结构形式在国内外矿山已有应用，但是对于具体的大间距采场结构参数的选择还没有一个明确的规定。 　　本论文首先将通过实验逐项改变进路间距和崩矿步距，根据实验结果选择比较合理的大间距结构参数，从而提高矿山机械设备的利用率，降低矿石开采成本，获得显著的经济效益；然后利用目前比较先进的BP神经网络，借助计算机预测矿石损失贫化率，寻求一种更新更精确的技术方法来实现矿石损失贫化率预测，从而选择合理的结构参数，使通过实验确定的采场结构参数更有可靠性，为提高矿山经济效益提供了前提和依据。 　　采用神经网络的有关方法来预测矿石损失贫化率，为矿石损失贫化率的预测提供了一种新方法和思路，同时也为解决不确定性实验数据处理问题提供了一种新的尝试和手段。