一种基于神经网络的巷道锚网索支护参数优化设计方法

本发明公开了一种基于神经网络的巷道锚网索支护参数优化设计方法，属于采矿工程与人工智能交叉的技术领域，包括如下步骤：采集巷道的相关数据，并对所收集的数据进行预处理；搭建动态自适应BP神经网络架构，包括引入3个交叉特征的输入层、采用动态调整策略的隐含层、输出层；基于动态自适应BP神经网络架构构建锚索模型和锚杆模型，模型训练时采用结合围岩复杂度的动态学习率进行自适应调整；将现场实时采集的5个关键影响指标和计算的3个交叉特征输入训练完成的锚索模型和锚杆模型，生成预测的锚索参数和锚杆参数，用于现场支护设计。本发明提升了巷道支护参数方案的设计效率，减少人力等资源消耗，降低成本。