在煤矿开采沉陷的研究中,数值模拟技术已成为当前开采沉陷预计中比较常用的重要研究手段之一,为开采沉陷的研究提供了新的方法和途径。在进行数值模拟分析时,岩体力学参数的合理选取是数值模拟的关键要素。室内试验或现场局部试验获取的岩体参数具有一定的局限性,使得数值模拟的结果与实际存在一定差距,难以准确的反映煤矿开采沉陷的客观规律。本文以三道沟矿区某工作面为例,对矿区开采沉陷岩体参数的反演进行研究。采用BP神经网络建立矿区下沉值与岩体参数之间的模型,对岩体参数进行反演分析。针对反演参数的选取问题,运用数值模拟、灰色关联度分析,得出矿区中对地表下沉值敏感性较高的参数是弹性模量,并将其作为反演的对象。采用正交设计原理结合数值模拟方法,得到建立BP神经网络模型所需要的训练数据。合理设置网络内置参数,对比分析了不同的学习算法对网络模型训练结果的影响。运用遗传算法对网络模型进行优化,提高了模型预测参数的精度,实验结果表明:优化后的网络模型对预测参数的精度有明显的改善,相对误差的主要分布范围从111%～17%降低到4%～8%之间。基于构建好的网络模型,结合实测的矿区下沉数据,完成了矿区岩体参数弹性模量的反演,并利用数值模拟验证分析反演结果。实验结果表明:采用反演的岩体参数弹性模量,得出的数值模拟结果与实测值的误差较小,相对误差都在10%以内,能够满足工程的实际需求,准确反映了开采沉陷的客观规律。