炼焦配煤是一个复杂的过程,配合煤的煤质直接影响焦炭的质量,而配合煤的性质又是由参加配合的单种煤的性质与配比决定的,变量之间的关系十分复杂。这种复杂的非线性关系,使得传统的、事先设定变化规律及特性的预测方法已经不能满足实际生产的要求,而人工神经网络的非线性特性及自学习能力等功能,为解决这类问题提供了新的思想和方法。本文首先在总结分析国内外配煤理论与方法及焦炭质量预测研究现状的基础上,进行了单种煤的煤质分析与干馏试验;设计了优化配煤方案,对配合煤进行了煤质分析与干馏试验。其次,针对我国焦炭质量预测方法中存在的问题,进行了焦炭质量的影响因素分析试验。试验结果表明:在所有影响炭焦质量的因素中,原料煤性质对焦炭质量的影响因素较大,并导致焦炭质量的变化和波动,而生产工艺对焦炭质量的影响是相对固定的。在此分析的基础上,对影响焦炭质量的各因素通过进一步的归纳、筛选和优化,最后选用神经网络方法建立了配合煤质量预测模型和焦炭质量预测模型,分别确定了模型的输入与输出关系并用试验数据对两种模型进行了训练,在预测分析的同时进行了试验分析。分析结果表明:配煤和炼焦过程的复杂关系可以用基于统计数据的神经网络来正确描述,用神经网络方法预测的结果与试验结果相一致,预测精度较高,进一步证明了该预测方法的可行性。研究结论为进一步提高焦炭质量预测的准确性和科学性探索了一种新方法。