随着现代钢铁业的不断发展，对入炉原料的要求日趋严格。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。球团厂质量的检测大多数是产品生产出来以后才进行，它不利于操作人员针对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，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。 由Z.Pawlak提出的粗糙集理论是一种刻化不完整性和不确定性的又一个强有力的数学工具，它能有效地分析不精确、不一致、不完整、等各种不完备的信息，还可以对数据进行分析和推理，从中发现隐含的知识，揭示潜在规律。 神经模糊推理系统是一种效果较好的考虑多种因素的预测建模方法，它是基于Sugeo模糊模型，其结构类似于神经网络，采用反向传播算法和最小二乘法调整模糊推理系统的参数，并能自动产生模糊规则。 本文通过分析链篦机．回转窑球团的生产过程的特点，提出了一种基于粗糙集属性约简和减法聚类的神经模糊推理系统质量预测模型。用粗糙集(Rough Set)理论对属性进行约简，选择出与待预测量相关性大的参数作为预测模型的输入，充分保证了模型输入参数的合理性，有效地减少了模型的计算工作量；用减法聚类建立T-S模糊模型，通过调整聚类半径优选模糊规则数，取得了具有良好泛化性能的模型，并利用梯度下降混合最小二乘算法精调参数；用神经网络的学习机制来补偿模糊系统的不足，通过对大量的已知数据的学习得到模糊系统的隶属度函数及模糊规则，使得模型更具有客观真实性；在MATLAB环境下，使用生产数据对模型的参数进行训练和检测。仿真结果表明，本文提出的质量预测模型能够获得较高的预测精度。