为了实现高炉生产的“优质、高产、长寿、低耗”，高炉生产的自动化势在必行。高炉生产自动化的核心部分——高炉控制模型一直被人们所关注。其发展经历了有高炉数学模型、高炉专家系统到高炉神经网络模型，以及神经网络与其他优化算法相结合模型的过程。 本文根据高炉实际生产情况和技术水平，分别采用了BP神经网络、遗传算法与BP神经网络相结合的两种方法建立了高炉焦比预报模型、高炉铁水硫含量预报模型和高炉铁水硅含量预报模型。模型结构都为三层，即输入层、隐含层和输出层，分别经过150个样本的学习训练以及遗传算法对初始权值的优化，最终确定各自的网络权值矩阵，并分别用70组数据采用“固定式”和“修正式”两种预报模式对高炉参数进行了离线预报，都具有良好的预报准确率。预报结果表明“修正式”预报命中率要高于“固定式”预报，遗传算法与BP神经网络相结合模型的预报命中率和训练次数都要优于BP神经网络预报模型。 本文的各个模型还吸收了“修正式”预报的思想，并建立了Access数据库，能够完成数据的动态存储，实现高炉参数的在线预测。并能够通过不断的对新样本学习，使模型适应生产条件的变化，使其在生产条件变化的情况下，仍具有很好的预报准确率。在软件的制作过程中，本研究结合工程心理学，注重界面设计，利用VB语言强大的多媒体功能，开发出一套集声音、动画、图片和文字为一体的全汉化交互式软件系统。