低温甲醇洗工艺过程是目前比较流行的一种酸性气体净化工艺，在合成氨、合成甲醇以及城市煤气净化中都得到了广泛的应用。该工艺过程具有选择性好，吸收剂价格低廉、再生容易等优点，但是由于其在低温下吸收，高温下解吸，需要消耗大量的公用工程，能耗较大，因此如何降低该过程的总公用工程消耗量，减少生产成本，成为众多学者关注的焦点。关于低温甲醇洗工艺过程总公用工程消耗量优化的研究，大部分是对该过程的换热设备或是换热网络进行优化，关于其操作参数优化的报道较少，因此本文针对低温甲醇洗工艺过程比较复杂，涉及优化变量较多，优化计算时间较长的问题，提出了综合BP神经网络和列队竞争算法对该过程的总公用工程进行优化。本文主要包括以下研究内容：（1）应用通用流程模拟软件Aspen Plus，采用PSRK物性方程对文献中的低温甲醇洗工艺过程进行模拟，模拟结果与文献中给出的工艺数据基本吻合。（2）以夹点理论为基础，从Aspen Energy Analyzer获取低温甲醇洗过程中的各个流股的热容流率数据，计算全流程的总公用工程消耗量。（3）提出综合BP神经网络和列队竞争算法的混合优化方法。（4）选取两个典型的低温甲醇洗工艺过程对基于BP神经网络和列队竞争算法的优化方法进行验证，证明该方法合理、有效。（5）对本文的研究内容进行全面总结，并提出下一步的工作展望。