湿法炼锌是一个流程较长的冶金过程而且工艺比较成熟，包括锌精矿的焙烧、浸出、净化、电解、阴极锌的熔铸等过程。论文首先叙述了锌精矿种类，沸腾炉的焙烧过程，常规浸出各种影响因素及电解沉积锌的经济技术指标，为后续章节信息系统的开发奠定了基础。 本文主要研究锌精矿的焙烧、浸出、电解三个过程，首先建立了锌精矿的配矿信息系统。该系统能提供精确的配矿和符合生产条件下配矿成本最低化，系统中优化了十种矿样的45种组合，而且全部数据输入和输出都使用数据库操作。然后根据锌精矿沸腾炉硫态化焙烧原理建立了热力学模型的信息系统，根据物料平衡和热平衡建立方程组来确定焙烧矿以及烟气的成分。由于焙烧过程的时间变化性，该热力学模型无法全部描述的内在机制等，使得结果存在着一定的偏差，但此模型能够较好地拟合焙烧过程的主要趋势。最后，在锌常规浸出和过电解沉积锌过程中设计了BP神经网络来预测浸出过程中的浸出率、浸出渣率、浸出液上清率、新液合格率、渣含水以及电解过程中的电流效率等因素。网络采用了近30组的训练样本，样本数据范围大，网络的训练误差精度可以达到10^-5。新的嫁接BP神经网络预测适应性较广、精度较高。可以实现离线预测，并且为在线操作提供了参数指标。 湿法炼锌信息系统的程序采用了Visual Basic 6.0和Matlab两种语言混合编写，系统的数据库采用Microsoft Access创建和维护。Visual Basic 6.0编程语言简单实用，可视化功能强大，具有严密的封装性，而且还提供许多ActiveX控件；Matlab编程语言不仅有较强的矩阵运算功能和绘图能力，而且带有12个功能强大的工具箱；Microsoft Access编写的数据库具有随时对数据进行修改和补充。程序运用Matlab解方程组的功能和神经网络工具箱，建立沸腾炉焙烧物料平衡信息系统和锌常规浸出和锌电积神经网络预测信息系统两大系统，再把解方程过程中BP神经网络可视化接到VB的封装体系中，所涉及到的BP神经网络函数都以脚本文件的形式存在，这样既减少程序的复杂性又提高了程序的运行效率，