随着现代钢铁行业的不断发展,钢铁企业对入炉原料的要求日趋严格。高炉对入炉球团的指标要求主要包括物理性能、化学性能和冶金性能三个方面。球团矿化学成分是球团矿的主要指标之一,球团矿化学成分的波动对高炉影响很大,因此如何控制球团矿化学成分稳定非常重要。球团矿的化学成分指标就是指成品球团矿中TFe,FeO,MgO,CaO,SiO₂的（质量）百分比含量和成品球团矿的碱度值。目前,球团厂成品球的化学成分检测是在铁球生产出来之后,以两小时为一个时间段对铁球进行多次抽样检测。此时所检测出的化学成分指标只是对两小时之前的生产质量的一个评价,这样大滞后的化验数据无法根据实时成分状况调节生产工艺参数以提高生产质量。因此,建立球团化学成分预报模型实现成分提前预报,为最终能够实现过程工艺参数的优化及球团矿化学成分的最优控制奠定基础。论文首先对链箅机—回转窑球团矿生产工艺流程进行了深入的分析,重点分析了干燥、预热、焙烧、冷却等热工工段,并收集了相关的生产过程数据,然后对机理建模和神经网络建模的基本理论与方法分别做了细致的论述,指出其各自用来建立模型的优缺点。在此基础上,根据所研究问题的实际特点,重点阐述了神经网络一机理混合建模方法,该种方法把上述二者的优点结合,为复杂系统建立预报模型提供了有力的工具。然后分析了球团矿目标成分的影响因素,提出了FeO化学损耗系数的概念,建立起神经网络一机理串联混合模型,利用神经网络来对FeO化学损耗系数进行预报,把神经网络的预报值作为机理模型的输入,来对全部成分做出预报。最后在MATLAB环境下,使用实际的生产数据对模型的参数进行训练和检验。仿真结果表明,本文提出的球团矿化学成分预报模型能够获得满意的预报精度。