该文使用神经网络结合遗传算法编制计算软件来实现选择性催化还原技(selectivecatalyticreduction，SCR)催化剂的失效预测功能，并在此基础上制定催化剂清洗再生流程。以49份运行环境不同的SCR催化剂为研究对象，使用灰色关联度分析法对原始数据进行预处理，最终确定以燃料钾含量等7个变量作为网络输入，以催化剂的相对活性作为网络输出。在Matlab环境下编程，构建按误差逆传播算法训练的多层前馈网络(backpropagation，BP)神经网络。之后，针对BP神经网络结构上的缺陷，进行基于遗传算法优化的神经网络建模研究。结果表明，遗传算法优化后的BP网络(backpropagationggen