生产实践表明,在氧化铝生产蒸发过程中,料液出口浓度是重要的蒸发质量指标,也是对蒸发操作参数(料液入口流量、生蒸汽流量和压力)进行调整的主要依据。由于料液出口浓度的人工检测滞后数小时以上,难以及时起到反馈修正操作参数的作用;并且由于蒸汽流量等操作参数是人工调节的,为控制出口浓度而进行的操作参数的调整,也是建立在操作人员经验的基础上,系统调整时间长。为了解决蒸发过程出口浓度预测的问题,需要建立出口浓度变化与各操作参数之间的关系,论文以某氧化铝厂四效逆流降膜式蒸发过程为研究对象,建立蒸发过程出口浓度预测模型。在分析蒸发过程的工艺机理分析的基础上,建立了基于物料平衡、热量平衡和相平衡的机理模型;同时,基于大量实际生产运行数据,建立了以直接影响出口浓度的当前状态参数为输入,出口浓度为输出的BP神经网络预测模型。两种模型仿真研究表明:BP神经网络模型总体的拟合性好,但在工况不稳定时由于数据的不完备使预测精度降低;机理模型误差相对较大,而在工况不稳定时,比BP神经网络的预测精度高。根据二者的特点,建立了由这两个模型结合的智能集成预测模型。实际生产应用验证了所建立的智能集成模型在工况稳定和不稳定时都能以较高的精度实现氧化铝生产蒸发过程出口浓度的预测,预测精度满足工业生产要求,对蒸发过程的优化操作具有参考价值。