Los parámetros mecánicos de la roca circundante son una base esencial para la excavación de carreteras y el diseño de soporte. Apuntando a la dificultad de obtener los parámetros mecánicos de la roca circundante y los grandes errores experimentales, en este artículo se propone el modelo optimizado de red neuronal BP. El algoritmo evolutivo de la mente puede buscar adecuadamente los pesos y umbrales iniciales óptimos, mientras que la red neuronal tiene la ventaja de una fuerte capacidad de predicción no lineal. Por lo tanto, el modelo optimizado de red neuronal BP (modelo MEA-BP) aprovecha las ventajas de los dos modelos. No solo puede evitar el problema del valor extremo local, sino que también mejora la precisión y confiabilidad de los resultados de predicción. Basándose en el método de prueba ortogonal y el método de análisis de elementos finitos, se establecen muestras de entrenamiento y muestras de prueba. La relación no lineal entre los parámetros mecánicos de la roca y la deformación de la carretera se establece mediante el modelo BP y el modelo MEA-BP, respectivamente. El análisis de importancia de las tres variables de entrada muestra que el deltaD es la variable de entrada más importante, mientras que el deltaBC tiene el menor impacto. La comparación del rendimiento de predicción entre el modelo MEA-BP y el modelo BP demuestra que los pesos y umbrales iniciales optimizados pueden mejorar la precisión del valor de predicción. Finalmente, el modelo MEA-BP se ha aplicado con éxito para predecir el parámetro mecánico de la roca circundante en el área minera de Pingdingshan, lo que demuestra la precisión y confiabilidad del modelo optimizado.