中和过程是一个典型的非线性、纯时延过程，用常规的线性控制方法不可能对其进行有效控制。在实际应用中，我们采用的是非线性增益补偿控制和前馈控制，本文介绍了这种控制系统的实现和现场控制效果，由于它还不是一种真正意义上的非线性控制方法，因此不可能对系统实现最优控制。 神经网络具有逼近任意连续非线性函数的能力，但常用的多层前馈式反传网络本质上是一种静态网络，不适合动态系统的实时辨识，而递归神经网络能够实现对动态系统状态记忆机制的模拟，因此更适合于作为动态时延系统的模型。本文提出了一种基于Elman神经网络的一步导前预测控制算法。文中详细描述了用Elman网作为中和过程预测模型的训练算法，利用神经网络梯度信息求取过程控制量的“滚动优化、反馈校正”的控制算法。同时，文中还介绍了该神经网络一步导前预测控制的实现过程。给出了Elman神经网络模型的逼近速度和精度，比较了两种控制方法的控制效果。控制效果表明，该神经网络模型具有很好的动态特性和较强的鲁棒性。 本文最后对全文所做的工作进行了总结，并提出了今后进一步研究所需要做的工作。