人工神经网络作为人工智能的一个重要分支已被广泛地应用于矿业中各种问题的研究，对人工神经网络在露天矿爆破中的研究是其重要的分支之一。现有的人工神经网在露天矿爆破中的研究大多着重于对爆破的研究，本文则着重通过对人工神经网络的研究，使其更有利于研究矿山爆破。本文以多种爆破参数作为研究对象，以实现对露天矿爆破块度的准确研究为目的。提出了一种基于BP神经网络的爆破参数研究的方法。通过使用MATLAB7.0软件的工具箱通过对数据进行归一化处理，并对网络的传递函数、训练函数、性能函数、神经元个数进行训练对比，选择训练效果好的来创建基于BP神经网络的爆破参数优化系统，并在此基础上对BP神经网络进行优化，实现了对爆破块度的准确优化。研究的主要内容：（1）通过阅读分析国内外在露天矿爆破参数优化的相关文献，并在此基础上收集整理影响爆破参数优化的相关特征的数据。（2）在研究原有爆破效果预测方法的基础之上，通过利用人工神经网络对马家塔露天煤矿岩层爆破试验数据做相关的分析，找出块度分布与爆破参数的内在规律，充分利用人工神经网络具有的高度并行能力、容错性好、高度的非线性全局性、非常强的自我适应能力以及自学习能力，建立了面向MATLAB语言的爆破参数反向BP神经网络预测模型，对爆破参数进行反向的预测。(3)建立的标准神经网络性能并不好，无法对爆破参数进行很好的反向预测。因此，我们在标准的BP神经网络基础上对其进行优化。常用的优化方法是附加动量法和自适应速率法。我们则选用增加神经元个数法和粒子群算法与BP算法的联合优化法优化标准BP神经网路。（4）优化后的网络模型对原有爆破块度预测模型进行了改进，并通过优化后的网络模型得出的理想结果反推出相应的爆破参数，克服了原有模型需要经过多次调整爆破参数才能预测出理想爆破效果的低效率问题。通过使用改进后的反向BP神经网络预测模型对收集的合理的现场数据样本进行训练，经检验，该模型精度完全符合要求。对人工神经网络的爆破参数反向BP神经网络预测模型进行研究，对解决爆破参数不合理的问题具有积极意义，对该矿以后的生产具有一定的指导意义。