为了提高转炉炼钢终点碳含量和温度的预报命中率,该文采用径向基神经网络建立转炉炼钢静态模型。量子微粒群优化算法具体较好的全局搜索能力,而梯度下降法有较好的局部搜索能力,为了能够发挥这两种算法的优势,该文提出了一种组合训练方法,用来训练径向基神经网络。并通过对某炼钢厂的历史数据进行仿真实验,比较组合训练方法与非组合训练方法的学习性能,研究结果表明该研究提高了转炉终点C含量和温度的预测精度。