以中国南方某铀尾矿砂为研究对象,在实测150组不同环境温度、湿度和尾矿砂粒径下的射气系数数据的基础上,基于BP神经网络预测理论,将环境温度、湿度和尾矿砂粒径作为BP神经网络的输入元,射气系数作为输出元,建立了颗粒堆积型介质射气系数的BP神经网络预测模型。将130组实测数据作为预测模型的训练样本,经过7 974次训练后精度满足要求,训练后的预测模型所得射气系数预测值与实测值的最大相对误差为2.68%,利用颗粒堆积型介质射气系数的BP神经网络预测模型得到的预测值与实测值吻合较好,预测模型可用于分析环境温度、湿度和介质粒径对颗粒堆积型介质射气系数的影响规律。