转炉炼钢作为钢铁生产的重要环节，其主要目标是冶炼出温度和成分(主要指熔池碳含量)均合格的钢水。由于钢水的温度和碳含量不能连续检测，同时冶炼过程的边界条件变化频繁，这给冶炼过程的终点控制带来困难，在实际生产过程中，难以准确控制熔池碳、温而多次拉碳重吹，所以提高转炉炼钢终点命中率具有重要意义。由于转炉炼钢是一个非常复杂的多元多相高温物理化学过程，其机理的解析尚不透彻，输入输出间的非线性关系十分严重，常规建模方案始终不太理想。本文阐述了转炉冶炼终点控制技术的发展及概况，简要介绍了几种人工神经网络转炉炼钢终点预报模型。本文在原有静态控制方法的基础上，结合副枪检测信息，将智能控制应用到转炉炼钢过程的建模和控制中，提出转炉炼钢智能预报方法。并根据现场冶炼过程和数据，研究了转炉冶炼终点温度和碳含量的影响因素，确定了预报模型的输入变量，对常规的BP算法进行改进，利用Levenberg-Marquardt(LM)算法收敛速度最快，而且学习性能好的特点，分别建立了基于神经网络的终点碳、温预报模型。并与几种快速BP算法的特点及性能作了归纳和对比，结果表明LM算法具有比较高的预报精度。所提出的模型有严格的理论基础，经过了理论与试验的双重验证。模型选取某企业转炉车间现场60炉实际生产数据为样本，分别以影响转炉冶炼终点碳、温度的9个影响因素为输入变量，建立三层结构的BP神经网络模型，对终点碳、温度进行预报，并在此基础上确定补吹阶段需要的吹氧量和加入的冷却剂量，仿真研究结果表明了该方法效果较好，可以用于实际转炉炼钢过程。