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。本文首先对焦炭的炼焦工艺进行了基本介绍，接着总结分析了对国内外配煤理论和焦炭质量预测理论的研究现状，在此基础上，对焦炭质量指标进行因素分析和焦炭质量模型分析之后，建立了配合煤的质量预测模型，同时对焦炭质量指标灰分和硫分建立了一元线性回归的预测模型。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BP神经网络算法分析的基础上建立了基于BP神经网络的焦炭质量预测模型。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。在对模糊控制理论和模糊RBF神经网络分析的基础上，提出了基于遗传算法优化模糊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模糊RBF神经网络的焦炭质量预测模型的预测性能优于基于BP神经网络的预测模型和基于遗传算法优化RBF网络的预测模型，并且易于实现，预测精度和预测命中率高。最后设计了基于遗传算法的配煤比优化模型，在对配煤比计算优化的实际问题分析的基础上，建立了配煤比优化的目标函数集约束条件，接着提出了基于遗传算法优化配煤比的实现过程，计算机仿真结果表明，通过该模型可以获得最佳的配煤比。