随着企业信息化的不断发展，企业资源计划(ERP)得到了越来越多的应用，产品质量作为企业在激烈的市场竞争中得以生存和发展的一个重要因素，对其控制管理对企业赢得市场竞争具有重要意义。对产品质量的控制应以预防为主，把影响产品质量的诸因素消灭在萌芽状态，这样既降低了成本又提高了生产效率。如何实现产品质量的预测控制成为目前企业中需要解决的重点。本文所涉及的印染加工企业，对各种纤维织品的染色生产过程多是以工作人员的经验来指导生产，生产具有一定的盲目性，极大限制了企业染色质量的提高。因此如何预测染色质量、提高染色合格率，成为该企业迫切需要解决的问题。本文就是针对这个问题的研究而展开的。 本文详细分析了影响企业产品质量(即染色质量)的诸多因素，通过建立预测模型来预测染色质量，改善染色过程参数、提高染色合格率。文中叙述了系统输入、输出变量的选取和样本的处理方法。对系统中采用的BP神经网络和遗传算法理论分别进行了阐述，针对BP算法本身存在的收敛速度慢且容易陷入局部最小的缺点，利用遗传算法全局寻优的特性对BP算法的性能加以改进，设计出两种算法相结合的方法，以遗传算法来训练BP神经网络的权值和阈值，并运用MATLAB程序完成算法实现。最后阐述了C/S模式的目标系统的架构，系统数据库的设计以及系统结构的实现。 在预测领域内遗传神经网络方法有很多先例可以借鉴，但是在染色工艺过程中的应用尚未见报道。本文为实现对染色质量的预测，笔者独创地将人工智能的方法引入传统的染色工艺过程，并采用BP神经网络与遗传算法的有效结合建立预测模型，在实际染色生产过程中，采集过程数据，验证了所建模型和算法的有效性，有效地将先进预测算法引入染色工艺中代替传统经验操作，达到了良好的效果。