当前我国拥有众多选矿厂,自动化与信息化程度低,生产成本高昂、资源消耗巨大。在以往的成本管理中,成本分析均在产品成形之后,不符合现代企业的发展理念。事前的成本预测具有前瞻性,更能帮助企业经营者预先制定决策方案,有效地降低企业的耗损。然而选矿成本的计算存在非线性、时变性等特点,很难利用数学模型对其进行精确描述。本文针对选矿成本的计算难题,设计了适用于选矿成本预测的神经网络算法模型,通过C#完成选矿了成本预测软件的编译,为中小型选矿企业的成本科学管理和后续的成本控制提供了科学的依据。选矿成本预测算法以BP神经网络为主体预测算法。首先利用灰色关联分析法确定了与选矿成本关联度最大的影响因素作为神经网络的输入。之后通过选矿生产数据,利用Matlab软件进成本预测试验,确定了BP神经网络的隐含层层数。通过黄金分割优选法计算出了神经网络隐含层节点数。通过更换输入层至隐含层和隐含层至输出层的节点转移函数预测成本试验,对比预测误差后确定了各层所需的节点转移函数。选矿成本预测软件是通过Visual Studio环境,以实验室研发的选矿信息化系统为平台,利用C#语言编译的。软件设置了人机交互界面,并将BP神经网络算法写入其中。利用NPOI技术读取Excel表格中的数据输入至神经网络得到成本预测值,经由人机交互界面呈现给用户。此外软件还集成了算法参数查看、历史数据查询等功能,以方便专业技术人员和工作人员查看相关数据。经过平台测试,软件实用性强,运行稳定,取得了预期效果。图28幅;表6个;参62篇。