本烧结矿性能指标预测的神经网络模型为7×22×2的三层误差反向传播神经网络，该网络为神经元全连接网络。网络的七个输入分别为料层高度(mm)、烧结机速(m/min)、点火温度(℃)、烧结负压(Pa)、混合料温度(℃)、混合料水分(%)和燃料配比(%)，两个输出为烧结矿FeO含量(%)和烧结矿转鼓强度(%)。

该模型的每个隐含层的神经元都有一个附加输入，因此每个隐含层具有8个权值，该附加输入的值全部设成0.5，其权值在反向传播过程中进行学习。

模型的每个神经元具有一个简单的非线性方程。输入神经元含有一个简单的隶属度处理函数，将自变量的范围从实际值转变成神经方程的最线性部分，即在0.2～0.8之间。

该神经网络模型能很好实现对烧结过程的分析，进而实现优化操作和对烧结矿性能指标的预测。神经网络模型可以任意精度迫近任何非线性连续函数，因而，可很好地实现烧结过程的建模，分析和预测，避免了建立复杂的烧结理论模型。