水泥生料粉磨系统是水泥生产中的重要环节,电耗是水泥生料粉磨系统的主要能耗指标。通过对电耗的提前预测,及时调整生产中决策变量的设定策略,可以实现水泥生料粉磨系统的智能控制和节能减排。但是,水泥生料粉磨系统是一个复杂动态系统,变量之间存在强耦合性、时延性和不确定性,传统数理方法难以对水泥生料粉磨系统建立精准的数学模型。本文提出一种空间注意力机制改进长短期记忆网络（Long short-term memory networks based on spatial attention,SA-LSTMs）对水泥生料粉磨系统的电耗进行预测建模,并且以预测模型为基础,结合水泥生料粉磨设备约束和出磨物料细度约束,设计了一种改进樽海鞘群优化算法（Salp Swarm Algorithm based on Efficiency mechanism＆Harris Hawk Optimization,EH-SSA）对决策变量设定进行优化。通过求解出水泥生料磨过程中决策变量设定的最优值,来指导决策变量的设定。本文具体研究工作如下:首先,对水泥生料粉磨系统的工艺机理进行分析,从数据库中筛选出物料粉磨过程中对电耗影响大的重要变量作为预测建模的输入。利用互信息方法对筛选的变量与电耗进行关联性验证,分析变量选取的合理性。针对水泥生料粉磨系统电耗预测建模中的难点,本文通过滑窗技术构建输入数据矩阵,将包含时变时延信息的时序数据都映射到模型的输入层中,并利用长短期记忆网络中的记忆单元,挖掘数据的时序特征,克服时延的影响。对于变量间的强耦合和非线性的问题,设计了一种空间注意力机制来提高模型的空间特征提取能力。通过上述方法可以有效的解决水泥生料粉磨系统电耗预测中存在的问题,实现电耗的准确预测。针对决策变量设定需要依赖工人经验、设定值不科学的问题,本文设计一种EH-SSA算法对水泥生料粉磨系统的决策变量设定进行优化,避免了依靠人工经验设定变量值的局限性。最后,用水泥企业现场的真实数据对所提出的电耗预测模型和决策优化算法进行仿真验证,试验结果表明上述方法可以实现电耗的精准预测和决策变量的更优设定,有助于实现水泥生料粉磨过程的节能减排。