摘要： 针对矿山巷道围岩松动圈测试中工作量繁重、测试成本高等问题，结合白象山铁矿实 际工程，提出联合运用BP 神经网络和遗传算法构建松动圈预测模型，以实现松动圈范围的预测。运 用SPSS 软件统计分析松动圈影响指标，通过频数分析确定重点的影响因素，并在此基础上选定了用 于松动圈预测的指标；基于BP 神经网络和遗传算法，构建GA-BP 松动圈厚度预测模型；基于收集的 松动圈数据，形成训练样本与测试样本，用训练样本训练预测模型，用测试样本检验预测模型的精 度。结果表明：在经过30次迭代后，遗传算法适应度已非常接近最佳适应度。在5组测试数据中，最 大的误差为15.2 cm，最小误差为1.13 cm，均不超过20 cm，说明该预测模型的预测精度较高，具有一 定可靠性。