W artykule przedstawiono wyniki badań nad zastosowaniem sieci neuronowych do modelowania deformacji powierzchni wywołanych podziemną eksploatacją górniczą. Sieci neuronowe zastosowano bezpośrednio przy modelowaniu obniżeń, zaś nachylenia i krzywizny obliczano z użyciem wzorów stosowanych przy opracowywaniu wyników pomiarów geodezyjnych. Doświadczenia obejmowały jedynie wartości wskaźników deformacji dla asymptotycznych stanów niecek obniżeniowych. Badania przeprowadzono w trzech etapach, starając się sukcesywnie zawężać możliwości dotyczące sposobu wstępnego przetworzenia danych, architektury sieci i procesu ich uczenia. Pierwsze dwa etapy badań wykorzystywały dane symulowane z użyciem modelu Knothego i dotyczyły wyłącznie obniżeń, trzeci zaś wykorzystywał dane z linii obserwacyjnych z rejonu Górnego Śląska. Uzyskane wyniki wskazują na przydatność sieci neuronowych do modelowania wskaźników deformacji. Opracowana metoda jest względnie prosta w zastosowaniu i możliwa do zautomatyzowania.
Results of research on neural nets using for surface deformation modelling caused by underground mining exploitation. The neural nets have been directly used for modelling of subsidence, while slopes and curvatures have been calculated using formulas used at surveying results working out. Experiments included only values of deformation indices for asymptotic states of subsidence troughs. Research has been carried out in three stages, trying to successively narrow down possibilities referring to the way of data processing, network archite cture and teaching process. The first two stages of research used simulated data with use of Knothe model and exclusively referred to subsidence, while the third used the data from the observation lines from the Upper Silesian region. The obtained results show usefulness of neural nets for deformation indices modelling. The worked out method is relatively simple in use and possible for automation.