随着现代装备制造业的迅猛发展,钢铁业也取得重大进步,因此钢铁工业对入炉原料的要求也日趋严格。球团矿作为人造富矿之一,由于其特有的冶金性能而成为当今冶炼炉料中不可缺少的重要组成部分。目前球团厂质量的检测大多数是产品生产出来以后才进行,因此它不利于操作人员根据生产过程的实时质量状况来调整生产工艺参数以便调整生产质量,进而影响企业的生产质量和效益。因此,成品球团质量预测对于球团厂生产有着十分重要的意义。通过分析链篦机-回转窑生产工艺的特点,本文采取了粗糙集理论结合最小二乘支持向量机的方法对球团矿成品球进行质量分类建模,以此来找到各操作参数和成品球质量之间的对应关系。在模型输入方面：本文采用粗糙集理论的有关知识对模型的输入进行降维简化。首先利用对决策属性支持度的离散化方法对数据样本进行离散。其次,在离散的数据样本基础上利用基于pawlak的属性约简方法对决策表中条件属性进行约简,以找到和成品球质量关系最密切的条件属性,用约简后的条件属性作为模型的输入。再次,针对条件属性各值单位不统一、绝对值相差大的特点,对约简后的决策表条件属性进行了归一化处理。在机器学习方面：本文采用最小二乘支持向量机来训练模型,通过调整模型核函数以及选择模型参数来降低模型的错分率,提高模型的效率。最后通过Matlab仿真实验,检验分类模型确实是行之有效的。