在精炼炉工艺流程中,为了节能和提高生产率,需要对终点成分进行准确控制,使其与钢水温度同时达到要求。然而,在终点成分中,氧、硫含量的在线测量是十分困难的,代价也是极其昂贵的。因此,建立准确的氧硫含量预报模型是十分必要的。本文深入研究了精炼过程的脱氧、脱硫原理,针对各自特定的工艺特点,建立了相应的预报模型,主要工作如下：分析了脱氧工艺的原理,从脱氧过程中的化学平衡入手,分析了影响终点氧含量的因素。应用支持向量机方法建立了终点氧含量预报的智能模型,并利用粒子群算法对支持向量机的参数进行寻优。分析了脱硫工艺的原理,针对特定的工艺流程,从脱硫过程中的化学反应方程出发,建立了终点硫含量预报的静态机理模型；研究并给出了该机理模型中的一些关键参数的计算方法。同时,为了提高预测精度,本文建立了由机理模型和智能模型相结合的混合预报模型。智能模型采用RBF神经网络,对机理模型预报所产生的误差进行补偿。最后,通过实际数据对氧、硫含量预报模型进行仿真。仿真结果表明,所建模型对终点氧硫含量的预报是比较可信的,有一定实用价值。