人工智能从诞生以来,改变了我们的生活方式,也正在加速进入改变生产方式的阶段。机器学习是使计算机具备智能的关键途径,其发展的首要驱动力是如何快速准确地获取知识。目前,钢铁企业决策支持系统针对海量数据分析缺乏及时性、有效性,缺少自动吸纳管理人员智慧、可便捷交互的知识库,因此本文将机器学习技术应用在其中,重点对产品质量领域智能预测应用进行研究,针对智能预测所生成的知识,应用语音识别、知识图谱实现智能交互。本文完成了基于机器学习的钢铁企业决策支持系统的功能设计实现,采用数据处理、数据分析、数据交互三层架构,在数据分析层,首先建立产品质量（成分、性能等）预测等智能预测模型,使用包含所有特征的海量历史数据作为训练集测试预测模型,计算其预测精度,然后选取最优模型和算法。在数据交互层,应用双向长短期记忆网络语音识别系统,识别用户的分析需求描述,基于智能预测模型推断所得的知识,构建了一个简单的知识图谱,通过智能交互方式,展示智能预测结果。本文基于不同数据集对智能预测、智能交互型进行了实验。智能预测以合金性能预测模型作为试点,对比广义线性模型、随机森林、XGBoost等在实际数据集上的准确率,智能预测选择具备显著优势的XGBoost模型使其学习能力达到最优。基于双向长短期记忆网络搭建语音识别模型,并针对复杂应用场景对其进行优化。在本文实验条件下,预测模型和语音识别的准确度分别达到85%、90%左右。