本发明属于煤矿掘进机截割自动化技术领域，具体是一种基于RBF神经网络的掘进机井下截割工况预测方法。包括以下步骤，S100：掘进机上设置数据采集机构；S200：采集多个样本数据集，每个样本数据集包括当前时刻的掘进机截割电流、截割电压、回转油缸与升降油缸的左右缸压力以及截割臂的振动程度。S300：剔除样本数据集中的异常数据。S400：对样本数据集进行标准化处理。S500：将训练集作为RBF神经网络的输入变量进行训练。S600：完成训练的RBF神经网络对掘进工况的预测，输入当时的截割电机的电流与电压、回转油缸与升降油缸的压力、截割部的振动程度以及摆速传感器测量的摆速这几项参数预测出当前所属工况。本发明对提升截割效率与截割部寿命有一定作用。