为改善浮选工艺,改进浮选设计,提高浮选效率,实现浮选的自动控制,提出一种将模糊理论与神经网络相结合的预测方法。利用多层级的前馈神经网络,构建矿浆浓度、精矿质量、药剂用量这3个主要浮选指标与矿浆浮选速率之间的模糊神经网络模型。采用T-S模糊模型不断修正模糊子集的隶属函数,从而提高了预测输出值的精度。通过实验数据的研究结果表明,该算法能够准确描述实际的浮选过程,具有很高的准确度和精度,证明了其用来预测矿浆浮选速率变化趋势具有可行性,为浮选动力学的研究发展提供了一种新的方法和途径。