球团矿热态指标包括低温还原粉化指数、还原度、膨胀指数,但由于热态指标的检验过程复杂,时间长达12小时以上,等指标检验出来球团生产过程早已结束,其检验结果对生产过程基本没有指导意义。因此,如何在现有工艺流程、原料条件及生产设备条件下,研究生产过程的热态指标参数,使生产过程相对透明化,使整个生产过程运行于最优状态,是目前球团生产急待解决的关键问题。本文对球团矿热态参数指标的影响因素进行了详细分析,通过详细分析确定了影响热态指标的主要因素。在分析比较几种建模方法的基础上,结合对球团生产过程特点的深入分析,并收集了相关的生产过程数据,本文提出用机理-神经网络混合模型技术来建立球团矿的热态指标模型。首先建立三个指标即低温还原粉化指数(RDI),还原度(RI),膨胀指数(RSI)的机理模型,在A4ATLAB的环境下对机理模型进行仿真计算,由于在实际过程中,人们对实际系统的了解的不完备性和所做的简化处理,都会使机理模型和实际系统之间存在着建模误差。因此,计算出机理模型误差,根据误差精度的要求建立机理模型的补偿模型,将使模型的精度大幅度提高。这样,以机理建模为主线,以神经网络模型为补偿,建立了热态参数指标的机理-神经网络混合模型。并对混合模型进行仿真验证。仿真结果表明,本文提出的球团矿热态指标机理-神经网络混合模型能够获得满意的模型精度。