铜闪速熔炼是一个典型的高温、多相、多组分的复杂炼铜工艺，熔炼时，闪速炉内发生着激烈而迅速的物理、化学变化。目前，人们一般通过数学模型来在线控制熔炼生产过程。然而，传统的铜闪速熔炼模型是一个静态数学模型，当熔炼条件发生变化时，这种静态模型难以跟随生产条件的变化，往往产生较大的计算误差。为此，论文在深入研究铜闪速熔炼过程和机理的基础上，基于一定的假设条件，运用平衡常数法建立了新的基于质量平衡铜闪速熔炼过程的热力学模型。该模型由一组非线性方程描述，要精确获得它的解是非常困难的，所以文中运用Newton-Raphson法及其改进算法对模型进行了近似求解。结果表明这种改进的新算法既能避免复杂的数学运算，又能取得较快的收敛速度和良好的计算精度。 此外，论文还研究了铜闪速熔炼过程中的三大工艺参数——冰铜品位、冰铜温度和铁硅比等的预测问题。由于这些参数在线直接检测困难，文中借助BP神经网络对它们进行了预测，建立了基于BP神经网络的预测模型，并对其进行了仿真。结果表明，该神经网络模型挖掘了实际生产数据中的隐含信息，较好地符合了实际生产情况，因而此模型对铜闪速熔炼过程具有一定的指导意义，进而为实现铜闪速熔炼过程的闭环控制奠定了基础。