LF 精炼炉合金加料模型的优劣直接影响到成品钢的质量及生产成本。由于合金加料模型受到众多因素的影响，采用传统建模方法建立准确的合金加料模型显得较为困难，这已成为提高炼钢工艺水平的一个瓶颈。因此，合金加料模型的研究已成为当前研究的一个热点问题。 论文围绕合金加料模型的建立，首先从实际现场出发，通过调研、分析，充分了解影响模型的众多因素，根据需要选取相应的硬件和设计软件，建立了数据采集系统。 其次，利用实际数据对经验公式模型、多元线性回归模型和径向基神经网络模型进行仿真比较。结果表明，径向基神经网络比前二者更具有稳健性和泛化性。 由于在建模中各变量之间存在多重相关性，以至于造成信息的重叠：而且在实际操作中若遇到小样本情况，直接用数据建模将影响到模型的准确度。因此文中采用主成分分析进行维度缩减。 最后，在维度缩减的基础上再次用多元线性回归模型和RBF神经网络进行建模预测，结果表明在预测效果上都具有明显的改善。