LF精炼过程是连接转炉与连铸间的重要环节。其中合金加料量直接影响到精炼终点钢水成分,同时作为钢铁生产中重要能耗指标的电耗是衡量一个企业生产效率高低的指标之一。因此,准确预报LF精炼过程中的合金加料量和耗电量显得尤为重要。本文利用机理建模与智能建模相结合的方法分别建立起合金加料量和耗电量预报模型。首先,根据三明钢铁厂炼钢—连铸实际生产数据,从中提取出LF精炼过程中相关的数据建立新的数据库,并根据精炼过程中各个参数的要求及约束条件,进行数据的筛选,建立LF精炼工艺中的样本数据库与验证数据库；其次,根据LF精炼过程中物料平衡的原理,建立精炼过程中合金加料量的机理模型,并结合相关数据,利用取相似炉次合金收得率平均值的方法进行合金加料量的预报；然后,利用案例推理的原理,求解拟预报炉次与案例库中案例的相似度及邻近程度,预报参考炉次；最后,利用偏相关分析确定耗电量模型的输入向量,并利用BP神经网络的原理进行耗电量预报模型的训练,以相对误差最小的原则确定参考炉次,建立结合最大相似度与最邻近炉次的综合耗电量预报模型。利用验证数据库中的200组数据进行模型准确性的验证,结果表明：采用合金加料量预报模型对合金加料的预报结果相对误差小于0.3的案例占86.5%；采用耗电量预报模型对耗电量的预报结果相对误差小于0.4的案例占86.5%。同时,利用Visual Basic编程工具,进行系统软件平台的设计,实现LF精炼过程初始状态参数输入与合金加料量和耗电量的预报结果输出,并给出其他一些参考操作参数。