针对转炉的动态吹炼过程,建立了基于BP神经网络的转炉炼钢总吹氧量预测模型和二次吹氧量预测模型。通过相关性分析确定影响转炉总吹氧量和二次吹氧量预测的主要因素;利用五数概括法筛选数据;采用LM优化算法改进BP神经网络。并利用历史生产数据对不同拓扑结构的神经网络模型进行了训练和比较,确定了最优网络结构模型,对模型的性能进行了评价,总吹氧量预测模型预测误差小于800 m3的命中率达到87.88 %,二次吹氧量预测模型预测误差小于400 m3的命中率为91.99 %。