随着能源结构的深化改革,煤炭开采领域也向着智能化发展,绿色、高效、安全是发展研究的重点。而开采过程中,由于受环境等各种因素的影响,采煤机对于煤岩界面的确定还主要以人工观察的方式进行识别,而探地雷达具有测试速度快、精度高等优点,将探地雷达用于煤岩界面的识别,并集成于采煤机,实现无人化开采是本文的初衷。本文作为前期研究,通过正演模拟、物理试验的方法,对煤岩界面的探地雷达响应进行研究,并使用神经网络对界面的智能识别作简单探索。通过使用探地雷达,对华北地区跃进煤矿及华东地区赵楼煤矿煤岩介质的相对介电常数使用3种不同的室外探地雷达测试方法(已知目标体深度法、层状反射体法、透射测量法)进行了测试,并对煤样介质的含水率与介电常数的关系进行了研究。本文采用有限时域差分法,对影响煤岩界面探测的变量(界面形状、夹矸情况、含水含气裂隙)进行了正演模拟,总结了探地雷达在各种变量差异下的响应特征;通过正演模拟研究了不同介电常数的煤岩介质组合对探地雷达探测效果的影响,总结了各种煤岩介质组合下探测效果;通过实际地质建立了正演模型,并使用蝶形天线进行了模拟,并给出了随机噪声影响下有效信号的可识别范围及信号处理措施。使用煤岩介质相互堆叠的方法,用华北跃进煤矿及华东赵楼煤矿两地的煤岩介质模拟了与正演模型相对应的煤岩地质情况,通过Pulse EKKO探地雷达对试验模型中的煤岩界面位置进行了测量,总结了实测效果下的煤岩界面响应;并且用砂浆连接模型,模拟了界面紧密连接的情况;通过物理试验,对两地不同煤岩介质的测试效果也做了总结。为了使煤岩界面的响应信息更加清晰,使用常规处理手段、预测反褶积手段及“三瞬”特征提取等数据处理方法,对试验测得的数据进行分析处理,增强了有效信号的响应,抑制了多次波等干扰信号的影响。文章最后,通过实验所得的数据,建立了三层结构的BP神经网络,通过单道波数据对特征参数进行提取,组成输入层数据,通过网络多次迭代的学习训练,完成煤岩界面的预测识别;此外,通过设立独立样本和综合样本两种方式的不同训练,总结了各种情况下预测识别在不同样本训练下的适用性。