以传统的物料平衡和热量平衡为基础 ,对炼铜转炉中最新的 30 0炉历史数据进行动态仿真 ,计算出吹炼过程中每隔 1min的熔体主要元素组成和熔体温度 ,然后对之进行四次曲线拟合 ,将拟合出的系数作为人工神经网络的输出 ,优化模块中优化出的操作参数和部分原始数据作为神经网络的输入 ,经过训练 ,使之能模拟吹炼过程中的炉况变化 ,达到炉况监控的目的。可以通过不断增加样本数 ,使网络进行自学习 ,并组合成为炼铜转炉炉况实时预报系统。该系统成功地应用于某厂的炼铜转炉中 ,2 0 0 0年 6~ 10月经过四个多月的试运行 ,炉况实时预报系统使操作人员按系统的预报值指挥生产 ,各项生产指标显著提高 ,粗铜产量提高 6 0 % ,冷料处理量提高 8% ,平均炉寿从原来的 2 13炉至少提高到 2 35炉 ,并为炼铜转炉实现在线控制提供了新思路