转炉冶炼是一个复杂的多元多相高温反应过程，该过程涉及大量的能量转化和剧烈的物理化学反应，其终点控制十分复杂。转炉终点控制的主要目标是使钢液的碳含量与温度均达到目标要求范围。准确的转炉终点预测模型，有助于优化终点控制、提高钢水质量。本文对回声状态网络的结构算法进行了分析，根据半钢炼钢工艺的特点，应用回声状态网络建立了一次倒炉碳温的预测模型，并采用某钢厂生产数据对模型的效果进行了验证分析。　　为简化模型的输入，文中将转炉炼钢一次倒炉碳温影响因素进行了简化与合并。其中，选择入炉半钢量、半钢温度、废钢加入量、一次倒炉之前的实际吹氧量、入炉的碳含量直接作为模型的输入量，而将其他的影响因素，如半钢中的硅含量、锰含量、一次倒炉取样的磷、硫含量等，通过机理计算的方式，转换为渣量，作为模型的另一个输入。选择需要进行的预测量即一次倒炉取样碳含量和一次倒炉取样温度作为模型的输出。　　为了提高一次倒炉预测模型的预测性能，分析了储备池连接权值矩阵的大小、谱半径、连接度和输入权值矩阵的缩放尺度等影响模型性能的主要参数。对这些参数的取值范围进行了分析研究，并采用区间搜索的方法寻求合适的模型参数值，提高了该模型的预测性能。　　本文选用某钢厂2009年8月到2010年7月的1＃、2＃、3＃转炉炼钢的数据共1515炉，在Matlab环境下实现了转炉一次倒炉碳温预测模型系统，并通过转炉炼钢的实测数据进行了离线性能仿真验证。将1515炉数据等分成两份，分别用于模型训练和模型测试，选用750炉数据对模型训练，剩余的炉数分成五组，对优化后的模型分别进行性能测试。设置模型碳含量的控制精度为±0.04％，温度的控制精度为±20℃，将模型输出结果与实际值进行对比，测试结果表明，模型预测的碳含量命中率的均值为88.4%，温度命中率的均值为71.7%，双命中率的平均值为64.2%，而双命中率的方差仅为0.13%。该回声状态网络碳温预测模型较好地实现了碳温预测，在理论和实践中为探讨转炉终点预测方法提供了新途径。