本文探讨了崩落体形成过程中外部环境因素的重要影响，避开复杂的流动力学处理过程，利用神经网络技术处理了崩落体形态，并使用计算机程序加以实现，最后证实模拟效果与实际数据误差很小，数据处理效果很好，也验证了松动体和爆破参数对崩落体形态的影响。 矿山回采系统中最重要的问题是减少矿石贫化，提高资源的回收率。崩落体理论的提出对提高资源回收率起了重要作用，在崩矿与放矿之间架起了一座桥梁，一些学者对此进行了深入的研究，通过实验室模拟爆破实验与现场实验相结合定性地提出了崩落体的众多性质，并且对其数学模型进行了深入的研究。 伴随计算机技术的推广，许多学者使用数值模拟方法解决了众多矿山回采系统中的问题，中国学者利用流动力学理论结合计算机的数值模拟功能对崩落体形态进行了深入的研究，流动力学理论建立的数学模型处理复杂，计算繁琐，本文借鉴前人经验，利用神经网络技术综合分析处理了崩落体系统中的各个参数，使用实验室模拟爆破实验数据对神经网络进行训练，从而得到稳定的网络结构，建立了崩落体形成过程中外部环境因素到崩落体形态的数据映射关系，定量的分析了外部因素对崩落体形成的影响，从而也达到了预测控制崩落体形态的目的，同时避开了复杂的松散介质力学问题和流动力学理论，降低了问题的复杂性。 本文使用非线性动力学理论研究神经网络的收敛情况，针对传统神经网络收敛速度过慢、训练精度不高等缺点，使用“最速模式移动算法”、节点精度定义和步长因子动态生成三种方法，加快了网络的训练速度，提高了网络精度。 对于三维空间中的崩落体形态尚需要进一步研究。