烧结过程作为高炉炼铁的一个重要流程，直接影响到高炉炉况和钢铁产量。而烧结终点是判断烧结过程正常与否的标志之一，是与烧结矿产量、质量和成本密切相关的关键参数，是烧结机操作的主要依据。对于具有强非线性、强耦和性、大滞后的烧结过程，采用机理模型或传统的控制理论难以实现对烧结终点的预测和控制。神经网络技术具有自适应、自组织等能力，适用于描述考虑许多因素的、不确定的判断和分类问题。因此可以将神经网络应用到烧结终点预测中。本文提出基于神经网络的烧结终点预测方法，解决烧结终点难以定量化和存在时间滞后的控制难点，为烧结终点智能控制奠定基础。 本文以某钢铁企业烧结过程为例，对基于神经网络的烧结终点预测的模型、方法和具体实现进行研究，主要包括以下方面： (1)对烧结过程实时信息进行分析和预处理，为实现终点的在线判断、实时预测和烧结终点位置控制奠定基础； (2)分析烧结过程中部风箱热状态变化，选定废气温度上升点作为烧结终点的预报参数，针对烧结过程各参量之间强耦合性的特点，采用灰色模型与神经网络模型相结合的方法，提出烧结终点灰色BP预报策略。研究了神经网络BP算法的改进，并采用改进的GM(1,1)模型，建立烧结终点预测模型。 (3)针对烧结过程工况不稳定时，预测精度不高的局限性，提出结合主元分析法的BP神经网络预测的预报策略，分析影响烧结终点位置的参数，建立了基于烧结过程料况的烧结终点预报修正模型。 (4)为增强预测模型的自适应性，采用有限新息在线训练方法，满足了神经网络在线训练的实时要求，建立具有较好泛化能力的系统模型。 本文将神经网络应用到烧结终点的预测中，并结合主元分析、灰色理论等人工智能技术，建立了实用有效的预测模型。该方法成功应用于某钢铁企业280m<'2>大型烧结机的在线控制。经过验证，该方法克服了人工判断的随机性，针对不同工况准确预报烧结终点，该预报值可用来指导生产或送控制计算机，为烧结终点智能控制提供操作依据。