水泥联合粉磨作为水泥生产的最后环节,是影响水泥产品性能的关键所在,对于保障水泥产品质量起着重要作用。水泥性能是水泥产品质量的重要特征,影响着混凝土的基本性能和质量,也直接关系到建筑工程的质量。水泥产品性能指标建模预测中存在非线性、多变量、大时滞等问题,基于化学和物理机理建立精确数学模型非常困难。如何缩短性能检测时间,实现准确、快速的预测水泥产品性能,确保水泥生产质量,保证水泥厂出厂水泥指标符合相应国家标准,已成为亟须解决的问题。水泥产品性能众多,因此,本文选取水泥主要性能中的比表面积和28d抗压强度为预测对象,利用机器学习相关算法,建立基于生产和检验数据的预测模型预测水泥性能,并对水泥产品的质量做出全面的评价,保障了水泥生产企业和使用单位的根本利益。主要研究内容如下:（1）探讨水泥比表面积检测方法以及国家标准,介绍水泥抗压强度检验流程和方法,制定水泥产品性能预测方案。（2）基于某水泥厂实际生产数据,利用箱形图检测原理剔除原始数据中的异常值,通过工艺分析和互信息方法选取相关辅助变量,建立基于Optuna优化XGBoost的水泥比表面积预测模型并与随机搜索优化随机森林模型、XGBoost模型进行对比。（3）水泥品种作为输入变量引入至预测模型中,将类别特征通过Label Encoder转化为数值特征,利用随机森林递归特征消除与特征重要性方法,筛选出预测模型的输入变量,通过随机搜索算法优化随机森林模型、XGBoost模型和Light GBM模型的超参数并根据SHAP值解释上述三种模型特征重要性,建立基于三模型融合的Voting Regressor集成模型预测水泥28d抗压强度,通过pickle模块保存最优模型用于预测水泥28d抗压强度未来值。（4）基于Py Charm开发平台,结合Python和Py Qt5开发水泥产品性能预测软件,实现数据预处理、特征选择及建模预测等生产数据分析的主要功能,应用水泥28d抗压强度数据集对系统的主要功能进行仿真验证和仿真结果分析。