炼焦过程是一个具有多参数、时变、非线性和不确定性等特性的复杂生产过程。在这个过程中发生了一系列的物理化学变化，因此很难用一个传统的、确定的数学模型来预测焦炭的质量。而神经网络是由大量神经元互相连接组成的复杂网络系统，对非线性系统具有很强的模拟能力，可以实现或逼近所希望的输入输出的映射关系，这种非线性的映射能力使其能以任意精度逼近一个非线性函数。基于神经网络具有的上述优点，为解决这类问题提供了新的方法。本文首先介绍了国内外炼焦的发展现状，如捣固炼焦技术、煤预热炼焦技术、煤调湿技术和焦炉的大型化等。分析了焦炭质量预测的研究现状，如焦炭灰分与硫分的预测、焦炭冷态强度的预测、焦炭热态强度的预测。接着介绍了基于多元回归分析焦炭质量预测模型的建立过程。其中以挥发分（Vd af），胶质层最大厚度（Y），焦炉高度和宽度之比（H/D）和（H/D）2为自变量，以焦炭抗碎强度M40和焦炭耐磨强度M10作为焦炭质量预测的重要指标，建立M40和M10的模型公式。还对模型公式进行了回归关系的显著性检验。仿真结果表明，焦炭强度模型公式确实存在较好的线性关系，系统模型对焦炭质量的预测起到较好的预测作用，可以有效地预测出满足要求的焦炭，从而为炼焦技术水平的提高提供重要依据。其次，对于焦炭的质量指标抗碎强度、耐磨强度、反应性指数和反应后强度，在对遗传算法和BP神经网络算法分析的基础上建立了基于遗传算法优化的BP神经网络焦炭质量预测模型。在对遗传算法和RBF神经网络算法分析的基础上，建立了基于遗传算法优化RBF神经网络的焦炭质量预测模型。仿真结果表明，基于遗传算法优化的RBF神经网络焦炭质量预测模型的预测性能优于基于遗传算法优化的BP神经网络预测模型和基于多元回归分析焦炭质量预测模型，并且易于实现，同时网络具有良好的学习能力和较强的适用性，预测精度和预测命中率都要更高。最后，对本论文做出总结。