本文应用三层前馈神经网络和基于知识的专家系统等技术，对电站锅炉故障诊断与预测问题进行研究，在使用BP网络基础上加入了L-M方法，开发了锅炉故障诊断软件。在该软件的开发过程中，首先收集故障诊断相关知识，从而确定网络结构，然后用Visual C++实现样本训练模块、样本仿真模块、故障解释模块等功能模块对组织好的锅炉故障样本进行训练。在训练过程中调整网络参数值(如循环次数、隐含层神经元数、步长等)，使编辑的样本能收敛到一个较小的稳定值，同时使训练误差最小。最后对锅炉常见的满水故障进行仿真试验。通过对采用L-M法和BP法的网络样本训练结果比较可知，在网络权值数目较少的情况下，结合了牛顿法和下降法的L-M法可以有效的解决BP算法收敛速度慢和易陷入局部最小值的问题，从而提高了网络效率。 该故障诊断系统能较好的模拟人类专家的思维能力，对锅炉进行比较准确的诊断，可以应用于电厂和模拟发电厂的监控系统。