采用网络性能比较稳定的traingdm算法来建立网络模型对所确定的traingdm算法的网络模型，进行定量研究表明隐含层神经元个数取13时网络性能较佳，确定神经网络结构模型为7-13-3型的网络模型并应用Matlab神经网络工具箱实现该模型 利用C++Builder程序设计语言优越的全功能平台和Matlab引擎技术实现对Matlab的调用建立模型界面采集了196组样本数据，为了验证系统的准确性，取其中7组数据作为验证数据通过对该7组验证数据和实验数据比较，预测平均准确率均达到80%以上，预测效果良好，表明该预测系统有一定使用价值，对工业生产有指导作用。
鉴于此，论文采用神经网络这一新技术建立基于人工神经网络的铜炉渣磨矿工艺参数对河卵石制沙机铜精矿指标影响的预测系统，结合江西铜业贵溪冶炼厂实际生产工艺流程，采用其选矿车间日生产快报数据，将该浮选工艺流程中的半自磨矿浆浓度、半自磨细度、球磨浓度、球磨细度、浮选进料浓度、浮选进料细度及原矿品位等7个参数作为输入数据，对铜精矿的精矿品位、尾矿品位、回收率等3项指标进行预测来建立神经网络模型**进行定性分析，煤矸石粉碎机以确定所使用的网络计算函数通过同一网络模型不同算法条件下建立的网络模型定性分析综合比较。
