随着我国社会主义市场经济体制的建立和对外开放力度的不断加强，我国加入世贸组织的新形势，开采矿产资源的着眼点不再是只局限于国内，而要面向世界。人工神经网络作为一门新兴的科学，企业适应不失为一种新的数据处理方法。选矿过程数学模型主要用于选矿过程分析、选矿工艺最佳设计和选矿过程控制等方面，但是许多选矿过程相当复杂，影响因素很多，难于从理论上建立符合实际情况的选矿数学模型，必须寻求一种新的建模方法来实现选矿过程的数据处理，人工神经网络作为一门新兴的科学，企业适应不失为一种新的数据处理方法。BP神经网络是一种高度非线性映射模型，对于逼近复杂的非线性系统具有优越的性能，为复杂过程的建模提供了一种可供选择的方法。在实际选矿过程中，尤其是在磨矿分级过程中影响因素很多，各因素之间必然存在着某种关系，而理论上BP神经网络要求输入变量和输出变量之间应是线性无关的，因此本文采用SPSS中的回归分析将存在相关关系的输入变量和输出变量转化为无相关关系的输入变量和输出变量，再进行BP网络建模，确定最佳的网络拓扑结构。但要想建立实用的BP模型，不仅仅要选择最佳的网络拓扑结构，还要选择合理的网络训练终止方式，本文在回归分析与BP神经网络相结合进行选矿建模基础上对网络采用“早终止”的训练终止方式，大大提高了所建模型的精确度。本文的有关研究提高了选矿建模质量，丰富了复杂非线性建模的理论、方法和实践。