随着我国煤炭开发向深部进行，许多矿山都出现了软岩工程问题。由于软岩巷道围岩变形受到很多未知因素的影响，致使基于物理方程的显示数值模拟方法难以快速准确的反映围岩变形情况。通过对软岩巷道围岩变形机制分析可知，巷道表面位移作为围岩变形的直观表现具有长时间的非线性流变规律。因此，利用围岩位移的现场监测数据按一定时间间隔循环递推构建时序预测训练样本，并用神经网络出色的非线性拟合能力对围岩的流变规律进行拟合，其思想构建的数学模型可以对相似围岩条件下的巷道表面位移进行预测。根据时序预测训练样本数量少这一特点，为提高预测精度决定采用遗传算法改进的BP、RBF、GRNN三种神经网络，并利用MATLAB建立基于以上三种神经网络的时序预测模型。通过模型对白胶煤矿软岩支护方案设计研究项目中涉及的工程实例进行预测，并利用算法对预测结果的影响因素加以控制。预测结果表明，基于神经网络的软岩巷道位移时序预测方法快速准确，可以为软岩巷道支护设计和维护方案提供参考。