近年来,水泥产量高居世界第一的我国对环境污染和能源浪费越来越重视。如何实现水泥制备的低污染和高效率已成为水泥行业亟待解决的问题。如今水泥行业采取降低氮氧化物排放的方法有使用低氮氧化物燃烧器、采用选择性催化还原法（SCR）、采用选择性非催化还原法（SNCR）等手段,但是这些技术手段存在着各自的不足和缺陷:低氮氧化物燃烧器结构较复杂脱氮效率有限,SCR投资运行费用高而且技术不成熟,SNCR运行费用高脱氮效率一般。因为水泥生产制备过程中产生的氮氧化物主要来自水泥回转窑,所以可以通过对水泥回转窑控制参数的优化实现从源头降低氮氧化物的生成量。本文研究利用改进烟花算法（Improved Fireworks Algorithm,IFWA）结合极限学习机（Extreme Learning Machine,ELM）对水泥回转窑进行建模和控制参数优化,以实现水泥生产制备过程中的低排放和高效率目标。首先,针对烟花算法（Fireworks Algorithm,FWA）的高斯变异算子和选择策略不合理导致算法寻优精度低、收敛速度慢的问题,通过使用柯西变异算子替换高斯变异算子、使用精英随机选择策略替换原有选择策略、引入差分变异算子和反向学习算子提出IFWA。运用5个经典测试函数测试IFWA与FWA、量子粒子群算法、差分进化算法、鸡群算法的收敛速度及寻优能力,验证IFWA的优越性。然后,使用IFWA优化ELM的输入权重和隐含层阈值建立IFWA-ELM算法。运用IFWA-ELM、BP、ELM三种算法分别建立窑尾NOx浓度预测模型和吨熟料实物煤耗预测模型,通过多种模型性能评价指标对比表明IFWA-ELM所建模型拥有良好的预测精度。最后,以水泥回转窑运行机理结合唐山某水泥厂现场采集的数据,使用IFWA-ELM算法建立以窑尾NOx浓度和吨熟料实物煤耗为双输出的预测模型。建立兼顾窑尾NOx浓度和吨熟料实物煤耗优化的目标函数,利用IFWA对选定的水泥回转窑控制参数在约束范围内进行寻优。测试结果表明IFWA算法能在降低窑尾NOx浓度同时降低吨熟料实物煤耗,达到水泥回转窑低排放和高效率运行的预期目标。