循环流化床烟气脱硫(CFB-FGD)技术是一种具有投资低、脱硫效率高、运行可靠和操作维护方便等特点的烟气脱硫技术。由于CFB-FGD系统是一个非线性多变量复杂的系统,当前还未能完全掌握其复杂的机理,从机理角度出发建立的脱硫效率预报模型还不能完全满足高精度预报脱硫效率的要求,为此,本文对CFB-FGD系统进行了基于T-S模糊神经网络模型的脱硫效率预报方法的研究。本文首先对CFB-FGD过程运行规律进行了深入的分析,建立了CFB-FGD过程脱硫效率的机理预报模型,并讨论了CFB-FGD过程脱硫效率的影响因素。接着,在模糊神经网络建模理论的指导下,提出了基于模糊C均值聚类(FCM)算法的模糊神经网络建模方法；重点探讨了T-S模糊神经网络模型的前、后件网络的参数辨识方法,由于FCM算法中根据经验选定的模糊划分类别数c会影响聚类结果,本文提出了一种新的有效性函数的概念,用以确定最优的模糊集合划分类别数c,即改进了FCM算法。最后,根据CFB-FGD过程的机理预报模型中确定的对脱硫效率影响因素贡献的大小,确定了模糊神经网络模型的输入变量,建立了CFB-FGD系统的T-S模糊神经网络预报模型,并通过改进的模糊C均值聚类算法辨识其前件网络参数,采用最小二乘法辨识模型的后件网络参数。仿真实验结果表明,模糊神经网络建模方法能有效地建立非线性系统模型,所建立的T-S模糊神经网络预报模型可以较好地模拟本系统并精确地预报脱硫效率；与机理预报模型相比较,T-S模糊神经网络预报模型的预报效果更好。