本论文对峰峰集团的万年矿巷道变形进行了系统的分析,通过三种不同的神经网络分别对巷道围岩变形进行了预测,总结出各个神经网络性能和预测效果方面的优势与不足,最终确定了广义回归神经网络预测巷道围岩变形的主要神经网络方法,并且运用此网络对峰峰集团九龙矿北二正巷巷道的变形量进行了预测,预测的效果达到了预期的要求,为该矿山的生产和施工提供了必要的依据。在论文研究期间,作者做了大量的资料收集和整理的工作,同时在现场进行了巷道变形实时动态监测,参考了大量的文献,并设计了相关的神经网络程序,整个工作取得的认识与成果如下:(1)参与了峰峰集团万年矿的复杂应力结构高流变整修巷道支护技术研究项目,对矿山巷道围岩作用机理进行了深入的学习和研究,得出其内在的规律。(2)对巷道变形的影响因素进行了研究,分析了诸多影响因素相互之间的联系,并做了简单的归纳总结,把诸多影响因素中的重要部分用于预测巷道围岩变形的研究。(3)对神经网络所包含的各个算法进行系统的学习,了解各个算法的数学原理,分析各算法的优缺点,并找出了能够用于矿山工程巷道变形研究的算法。(4)运用相关计算机软件对神经网络算法进行编程。由于神经网络算法的计算过程极为复杂,所以必须借助计算机软件这一通用的平台来完成。(5)分别采用BP、径向基和广义回归三种神经网络对巷道围岩变形进行了预测,在对比各个神经网络预测效果的前提下,总结出广义回归神经网络较之其它两种网络算法的优势。(6)参加了高应力极碎巷道锚壳喷支护技术研究项目,进行了相关的巷道现场动态监测和试验分析的工作,并运用建立好的广义回归神经网络对其进行变形量的预测。(7)通过实际监测数据与神经网络预测数值的对比分析得知,运用广义回归神经网络对巷道变形的预测方法是准确的、可行的,预测的效果达到了我们期望的要求。