随着工业控制系统的发展，在各个工业领域过程控制系统中积累了大量的数据，如何准确地从这些数据中发现有价值的知识及规律，是目前理论与应用中研究的热点与难点。目前，流程工业作为国民经济中占主导地位的行业，在其生产过程中产生并积累了大量的历史数据和当前生产的实时动态数据。由于流程工业的生产过程具有如下特点：数据具有海量、高维、强耦合性、不确定性、不完备性、不一致性和数据类型多样性、多模态性，通过研究并应用智能计算技术，对于在流程工业控制对象沉积的数据中发现知识和规则并用于实际工业实际中的建模、优化和控制中，以帮助决策者解决问题有重要的理论和实际意义。针对目前流程工业生产过程的特点和流程对象建模方法中存在的一些问题，本文通过对水泥生产过程建立柔性神经树模型，并采用多表达式编程算法和模拟退火算法相结合的方法对FNT进行结构优化和参数优化，以期得到最好的生产参数模型。主要对以下几个方面进行了研究：1、研究了FNT建模、多表达式编程算法和模拟退火算法的相关理论知识。包括多表达式编程算法、模拟退火算法的基本思想以及两者之间的区别与联系，为后续FNT建模时的结构优化和参数优化研究奠定了理论基础。2、研究了对流程工业单一生产过程进行FNT建模。由于流程工业生产过程复杂，每个生产过程包括多道工序，通过研究单一的某一道工序是对整体过程进行建模的重要的前提条件。在研究分析比较多种建模方法的基础上，本文以水泥生产工艺的分解炉过程为研究对象，通过将MEP和SA算法相结合的方法应用到FNT建模中，以期得到理想的分解炉模型。由于建立的FNT模型得到的是一棵树形结构，为了确保树结构的准确性，我们采用多表达式编程算法来进行结构优化，采用SA算法来进行参数优化。因为MEP融合了遗传算法(GA)和遗传编程(GP)的优点，它能够采用简单的编码来解决复杂的问题。3、研究了对流程工业整体生产过程进行FNT建模。目前对流程工业生产过程的研究主要集中在某一个生产过程，而忽略了流程工业的整体性。水泥质量的好坏不是取决于某一个生产工艺环节，而是依赖于这三个过程的整体运行状况，因此，我们把水泥生产过程中的分解炉、回转窑和篦冷机作为一个整体进行研究。从实验结果显示，将多表达式编程算法与模拟退火算法相结合的方法应用到FNT建模的优化过程中，并与其它相关建模方法进行比较分析得到：模型的精度更高，逼近效果更为理想。