本文采用人工神经网络的方法建立用于分类的神经网络模型,成功解决了兖州矿区煤巷围岩稳定性智能分类的问题。文中综合分析了对巷道围岩稳定性影响的各种因素,确定出用于煤巷围岩稳定性分类的14个分类指标。BP人工神经网络模型被认为是最适宜于样本分类的模型,而传统的标准BP算法存在着诸如训练速度慢、易陷入局部极小点等问题,针对这些问题,文中给出了改进的方法。此外,如何确定用于围岩分类的合理的神经网络结构也是问题的关键,对这一问题的研究,有增长算法、删减算法、CC算法等方法。 本文从模糊数学的角度,探讨了三层神经网络隐层结点数的确定问题,对于兖州矿区煤巷围岩稳定性问题的现场数据的聚类分析可知,当样本分为16类时,能得到样本的最优分类,从而得出了用于煤巷围岩稳定性分类问题的最佳结点数,为兖州矿区煤巷围岩稳定性的科学分类,为科学、经济、有效地进行煤巷锚干支护设计提供了理论依据。在建立煤巷围岩稳定性分类神经网络模型的基础上,将已有的现场数据的一部分作为训练样本训练网络,另一部分作为测试样本,进行网络性能(识别率、范化能力)的测试,得到适应于围岩分类的神经网络。 最后,论文采用VC++6.0结合Access数据库进行了“兖州矿区煤巷围岩稳定性分类系统”的设计,做出了简单易用的可视化界面。