近年来,随着高炉的大型化和炼铁技术的发展,钢铁企业对焦炭的质量有了更高的要求。为了应对这一要求,各焦化企业纷纷建立适合自身生产需求的焦炭质量预测模型,能根据煤质指标在短期内对焦炭质量指标进行预测。但是,随着时间的推移,特别是在煤质指标变动的情况下,模型的预测往往不准,需要调整。因此,结合煤焦质量数据,建立动态自适应的智能模型,对于焦炭质量的预测具有重要意义。为此,本文提出焦炭质量预测的智能模型。在建立预测模型之前,首先对生产数据进行异常值清洗;其次,对清洗后的数据进行相关性分析或采用向前逐步回归法,筛选出参与建模的配合煤质量指标,根据配合煤质量指标建立焦炭质量的静态预测模型;该静态预测模型经过一段时间的预测后,一旦预测值和实际值的偏差达到事先设定的阈值,立即启动模型调整模块,系统会自动选用参与预测的配合煤质量数据和焦炭质量数据,重新拟合,生成符合当前要求的焦炭质量预测模型。在构建智能模型的基础上,本文采用Python语言和Django框架,结合煤焦质量数据,设计并实现了焦炭质量预测系统,包括数据展示、异常值清洗、数据建模、模型预测和模型调整五个功能模块。实践表明,所设计的系统能根据实际生产数据进行模型的智能调整,符合设定预期,对焦炭质量的预测具有一定的现实指导意义。