本文针对制药行业中甲醇-丙酮-水精馏回收能耗大的问题，以某厂实际工艺为研究对象，利用响应面和人工神经网络进行优化，得到了较优的参数组合并降低了能耗。根据工业实际运行数据建立了萃取精馏塔、丙酮塔、甲醇塔的工艺模型。确定了目标函数及影响目标函数的操作参数。对各塔进行了单因素分析，并在此基础上建立了中心组合实验。采用响应面优化方法对萃取精馏塔与丙酮塔进行了优化。在中心组合实验的基础上对目标函数与操作参数进行回归，得到了萃取精馏塔与丙酮塔的数学模型。应用序贯二次规划法对数学模型进行优化，得到了较优的操作参数组合和目标函数值。然后采用人工神经网络对萃取精馏塔与丙酮塔进行优化。以中心组合实验的实验组数作为训练样本，萃取精馏塔与丙酮塔的操作参数作为输入变量，分别以塔釜能耗和丙酮含量为目标函数，建立了两个人工神经网络，利用比较选择出的隐含层传递函数与训练函数对网络进行训练，最终得到了可以描述塔釜能耗与丙酮含量和操作参数之间关系的两个数学模型。同样应用序贯二次规划法对数学模型进行优化，得到了较优的操作参数组合和目标函数值。分别将利用响应面建模中的决定系数及预测时的均方根误差与利用神经网络建模中的决定系数及均方根误差进行了比较，得到了神经网络建模更加精确的结论。在保证产品质量的条件下，采用神经网络优化后萃取精馏塔与丙酮塔节省能耗0.1673×106kcal/h，与优化前相比节能22.89%。最后采用人工神经网络对甲醇塔进行优化，优化后甲醇塔节省能耗为0.0889×106kcal/h，与优化前相比节能21.21%。优化后的甲醇-丙酮系统工艺总共可节约能耗22.28%。