摘要：保护渣是连铸生产中重要的功能材料，为了准确、快速和低成本地获得保护渣的理化性能，基于实验室检测获得的保护渣成分、熔点、熔速和黏度数据，采用BP神经网络结合粒子群优化算法（PSO）建立了保护渣理化性能预测模型。选取13个未进行训练的测试样本检验PSO-BP模型的预测精度，结果表明，与BP神经网络预测模型相比，熔点、熔速和黏度的平均绝对误差MAE分别由8.9℃、4.7s和0.012Pa·s降低至8.1℃、2.8s和0.010Pa·s,并且单个样本的误差波动降低，整体预测精度提高。基于此模型，研究了单一或多个保护渣成分改变对理化性能的影响，通过控制其它成分不变，当碱度由0.8增加至1.2,黏度值由0.23Pa·s降低至0.18Pa·s。此外，展示了Al2O3和MgO单一变量调整以及同时变化对保护渣黏度性能的影响，模型计算结果与实际理论规律相符，表明基于PSO-BP神经网络的保护渣预测模型可应用于保护渣的开发与研究，缩短研发周期，降低成本。 关键词：保护渣；理化性能；成分；PSO-BP神经网络；预测