选矿工艺是一个非常复杂的工作过程,影响选矿结果的因素很多,原矿浓度、原矿细度、球磨浓度、球磨细度、浮选条件等对精矿品位、回收率等指标有很大的影响。这些影响因素和选矿工艺参数最终指标之间存在着错综复杂的非线性关系,是一个典型的多维非线性系统,很难用传统的简单线性数学工具来进行描述。人工神经网络是一类模拟人类神经系统的结构,它揭示了样本数据中蕴涵的非线性关系,大量处理单元组成非线性自适应动态系统,具有良好的自适应性、自组织性及很强的网络学习、容错、联想和抗干扰的能力,可灵活方便的对多成因的复杂未知系数进行建模。使用人工神经网络的数值特征模式识别的技术对选矿过程进行判断,解决了传统方法建立的模型在实际应用中存在的局限性。鉴于此,论文采用神经网络这一新技术建立基于人工神经网络的铜炉渣磨矿工艺参数对铜精矿指标影响的预测系统。结合江西铜业贵溪冶炼厂实际生产工艺流程,采用其选矿车间日生产快报数据,将该工艺流程中的半自磨矿浆浓度、半自磨细度、球磨浓度、球磨细度、浮选进料浓度、浮选进料细度及原矿品位等7个参数作为输入数据,对铜精矿的精矿品位、尾矿品位、回收率等3项指标进行预测来建立神经网络模型。首先进行定性分析,以确定所使用的网络计算函数。通过同一网络模型不同算法条件下建立的网络模型定性分析综合比较,采用网络性能比较稳定的traingdm算法来建立网络模型。对所确定的traingdm算法的网络模型,进行定量研究表明隐含层神经元个数取13时网络性能最佳,确定神经网络结构模型为7-13-3型的网络模型并应用Matlab神经网络工具箱实现该模型。利用C++Builder程序设计语言优越的全功能平台和Matlab引擎技术实现对Matlab的调用建立模型界面。采集了196组样本数据,为了验证系统的准确性,取其中7组数据作为验证数据。通过对该7组验证数据和实验数据比较,预测平均准确率均达到80%以上,预测效果良好,表明该预测系统有一定使用价值,对工业生产有指导作用。