伴随着科技的发展，工业正悄然经历着从工业自动化向信息、知识自动化的转变，人、机器、数据将实现完美的融合。同时，矿产资源短缺、优质矿物数量下降、高品位矿石稀缺等矿产资源现状严重制约着我国国民经济的发展。如何实现工业生产过程中无法在线测量的关键质量参数的预测，已经成为工业界及控制界的研究热点。本文针对湿法冶金过程金泥品位的预测展开研究，实现金泥品位的在线预测。
　　复杂工业生产过程中关键质量参数的预测方法很多，本文针对湿法冶金生产过程的多模态特性，部分过程数据具有区间表达的特点，采用一种基于多区间神经元网络的金泥品位预测建模方法，实现其在线预测。
　　本文根据湿法冶金工艺过程的特点，对湿法冶金工艺过程中的多模态特性、工艺过程的特点、影响金泥品位的关键因素等进行了深入的分析与探讨，总结了用于金泥品位预测的关键因素及其特点。针对湿法冶金过程的多模态特性以及工况数据的区间表达特点，在利用层次分析法对过程数据对模态划分影响的权重进行分析与计算的基础上，采用区间减聚类算法来实现离线数据的模态划分与在线数据的模态识别。在某一个模态下，针对过程数据的区间特性，提出了一种基于区间RBF神经元网络的金泥品位预测建模方法，利用区间RBF神经元网络拟合过程数据和金泥品位之间的非线性关系。
　　最后，将文中采用的方法在湿法冶金过程仿真数据中进行验证与分析。仿真结果验证了本文提出方法的有效性。