水力旋流器是一种用途非常广泛的分离设备，它可以完成固体颗粒的分级与分选、液体的澄清、料浆的浓缩、固体颗粒的洗涤、液相除砂等作业。水力旋流器分离过程非常复杂，影响因数和指标参数之间的关系是一个典型的多维非线性系统，很难用简单的线形数学工具来描述。 人工神经网络是一类模拟人类神经系统的结构，它揭示数据样本中蕴涵的非线性关系，大量处理单元组成非线形自适应动态系统，具有良好的自适应性、自组织及很强的学习、联想、容错和抗干扰能力，可灵活方便的对多成因的复杂未知系数进行建模。鉴于此，论文采用神经网络这一新技术来实现水力旋流器性能指标的综合预测。 论文以Φ150水力旋流器为研究对象，从某水力旋流器有限公司采集了铁矿分离现场实验数据，将来料物性和要达到的工业指标作为输入参数，将需要控制的工业参数作为待预测的参数，建立神经网络数学模型，来实现参数预测。将原始数据进行预处理，并通过对不同网络结构、不同算法条件下建立的神经网络模型的综合比较，确定神经网络结构为5-11-5型，网络算法为traingdm。在该条件下得到的预测效果较好，并能保证网络的良好的推广(泛化)能力。并提供了应用MATLAB神经网络工具箱编写的主要程序代码。 为了实现较好的用户交互功能，为用户提供一个直观、便捷的操作平台，论文应用matlab的自动化服务技术和delphi技术，实现了delphi对matlab的调用，建立了方便、直观的水力旋流器参数预测窗口，并通过程序示例阐明了调用的过程。为了验证该预测系统的准确性和实用性，论文选取5组工业试验数据，将利用该预测系统得到的结果和现场的工业试验数据比较，表明预测效果良好，traingdm有很好的泛化能力。从而表明该预测系统有一定的使用价值，对Φ150型水力旋流器的铁矿分离的工业生产有指导作用，对设备的设计与选型有参考的价值。