深部煤体巷道变形具有明显的流变特性，准确高效的获取煤体的流变参数是研究巷道流变机理的重要基础。基于典型的煤巷流变工程案例，分析认为巷道帮部的松软煤体的长时变形具有两阶段流变特征即前期的减速大流变阶段和后期的等速大流变阶段，获得煤体的流变参数对于进一步研究巷道失稳具有重要意义。采用人工智能算法支持向量机（SVM）和天牛须算法（BAS），针对SVM的核函数参数s和罚参数C准确选取问题，利用BAS的高效寻优特点，精确获取上述两类参数，形成改进型进化支持向量机（ESVM），提高SVM的学习和泛化能力。进一步地，明确围岩的流变模型和弹塑性力学参数，基于正交设计原理，构建松散煤体流变参数样本数据。建立数值模拟模型，对构建的流变参数样本进行模拟计算，得到含有时序性的计算巷道位移，进而每一组流变参数及其通过数值计算得到的与时间相对应的两帮移近量位移作为一组样本，形成样本数据库。将上述数据通过ESVM模型不断学习，以现场位移数据为目标，再利用BAS搜索得到最佳的煤体流变参数，最终构建得到BAS-ESVM煤体流变参数反演模型。得到的流变参数经过正算验证，结果显示计算位移与实测值吻合较好，证明的该方法的有效性与流变参数的正确性，该方法为研究煤体巷道流变机理奠定了参数基础。