岩石单轴抗压强度是岩土工程与地下工程中表征岩体性质的重要参数之一。为了准确、快速地感知、预测煤矿井下岩体的岩石单轴抗压强度，以室内九种不同配比的相似材料试件钻取实验为基础，构建基于随钻振动信号的单轴抗压强度GA-BP（Genetic Algorithm-Backpropagation）神经网络预测模型。通过改变GA-BP神经网络的隐含层数、种群数和训练函数，讨论分析预测模型影响因素与结果，确定最优预测模型结构。结果表明：随钻振动信号与相似模拟材料的单轴抗压强度之间具有响应关系，所构建预测模型准确率都在70%以上，以随钻振动信号感知预测单轴抗压强度的研究方法具有一定的可行性；训练函数选择trainlm、隐含层为8、种群数为20时模型结果最优，训练集、测试集决定系数分别为0.761、0.745，均方根误差分别为6.039 MPa、4.254 MPa，平均绝对误差分别为6.574 MPa、4.716 MPa。本文提出的单轴抗压强度预测方法可为岩石力学性质的智能辨识提供新的思路。

0引 言
1实验方法
1.1实验材料与仪器
1.1.1实验材料
1.1.2实验仪器
1.2实验步骤
1.3数据处理
2神经网络预测模型构建
2.1神经网络模型介绍
2.2模型构建
2.2.1不同模型构建
2.2.2模型评价标准
3结果讨论
3.1不同隐含层预测结果
3.2不同训练函数结果对比
3.3 模型预测结果讨论
3.3.1 k-fold交叉验证
3.3.2特征值影响评价
3.3.3模型应用
4结论与展望
4.1结论
4.2展望