稀土元素又被称为“工业维生素”,是镧系元素、钪和钇等17种金属元素的总称。我国作为世界上稀土资源已探明储量最大的国家,稀土分离企业的生产规模和产品产量在世界上具有十分重要的地位。传统的稀土萃取生产往往依靠工人的经验,自动化水平低,生产过程的控制决策严重依赖工作人员的经验知识,严重制约了我国稀土产业的发展。数字孪生技术的发展为稀土工业的自动化生产带来了曙光,经过几十年的发展,通过信息化、数字化等手段,我国流程工业产业结构逐步优化,关键技术不断取得突破,对许多生产工序有了较完善的模型与控制系统。随着信息与通信技术的成熟,物联网、智联网等数字智能化技术逐渐兴起,在全球范围内掀起了研究热潮。数字智能化构建的万物互联网络为工厂智能化的实现提供了支撑,也为数字孪生技术的发展奠定了基础。然而流程工业物理化学反应复杂,工序间能质流严重耦合,性能指标影响因素众多,生产异常和故障后果严重,本文针对流程行业中的稀土萃取工厂来讨论流程工业中数字孪生模型的搭建,实现稀土萃取工厂的数字孪生。具体的研究内容如下:1、研究流程工业中工厂数字孪生构建技术以及其他相关方向的应用,研究稀土萃取工厂数字孪生建立过程中的关键技术（包括数据感知、数据传输、多元异构数据融合等）,设计适用于稀土萃取工厂流程模拟的数字孪生系统架构。2、根据稀土萃取工厂实际控制需要,完成工厂数字孪生体中各维度的配置,理清稀土萃取工厂数字孪生系统运行信息流,使数字孪生系统与工厂物理实体系统保持实时良好的交互运作。利用博图软件搭建工厂的实时监控界面。3、重点讨论了稀土串级萃取流程模拟仿真技术,首先从机理建模的角度逐步介绍了稀土萃取优化设计方案流程,包括各组分分离系数的计算,分离指标的确定,各级组分含量的计算以及最优化的萃取级数设置,然后运用分液漏斗法计算了各级的易萃、难萃组分含量的值并进行了验证。然后从数据建模的角度,提出了适用于流程模拟的多分支深度神经网络,并通过实验与其它常用的神经网络（SVR、BPNN、LSTM、DNN）进行效果对比,展示所提出网络结构在稀土萃取流程模拟上的优越性。