由于选矿生产过程具有非线性、多变量、时变性、大滞后、强耦合的特点,精矿品位等生产指标不能在线测量,致使选矿工程师不能实时调整整个生产过程,这引起研究人员对选矿生产指标预报算法的研究。算法应用到工业现场需要软件平台的支撑,但是国内外针对选矿生产指标预测软件的研发相对较少,虽然算法研究人员也会根据自己的需求开发预测软件,但是这些软件的人机交互性能友好性、易用性较差,通常难以满足其他算法研究人员。为了能为算法研究人员提供功能更强大、人机交互性能更好、适用性更广的软件,本文依托国家重点基础研究发展计划(973计划)课题：具有安全性、协同性、易用性的一体化控制系统的若干技术基础与半实物仿真实验平台的研究,设计和开发人机交互界面友好性强的选矿全流程生产过程指标预测软件。本文的具体研究内容为：(1)针对选矿过程的生产指标预测特点以及算法研究人员的切实需求,对预测软件所需要实现的功能以及人机交互界面的性能做需求分析,并根据人机交互界面的设计原则设计预测软件各模块的人机交互界面,包括指标数据管理与分析模块、预报算法配置与调用模块以及预报结果分析与评价模块。(2)为了能够更好的验证本文软件功能上和人机交互性能上的优点,本文针对选矿生产过程复杂多变的工况条件等特点,提出一种自适应参数的在线SVR (Support Vector Regression)选矿指标预测方法。该方法可以实现在线训练模型、在线预报生产指标,并且,采用基于自适应参数的SVR算法,可以将样本自身的属性加入到训练模型中,达到更加精确的预报精度。然后将该方法单独开发成一个模块以供研究人员直接使用。(3)综合利用多种现代化先进编程技术,开发预测软件各模块的功能。采用MVVM (Model View View-Model)模式设计软件架构,实现了人机交互界面与后台代码的分离；采用“订阅-发布”模式设计软件各模块之间的通讯,实现了模块之间的解耦；采用适配器模式实现算法参数配置界面自动匹配的功能；采用命令模式实现不同算法调用命令的封装功能；采用XML (eXtensible Markup Language)技术实现算法属性封装功能。(4)最后本文测试了软件的性能以及人机交互界面的性能,证明了软件具有较高的可维护性与可扩展性,人机交互界面具有较高的易用性与友好性。同时对预测软件核心模块的功能也展开了验证,包括指标数据的管理与分析模块为算法研究人员提供了数据的采集以及基本的统计分析和数据预处理功能；预报算法配置与调用模块为算法研究人员提供了算法参数配置界面自动匹配以及内嵌算法与外部算法调用功能；预报结果分析与评价模块为算法研究人员提供了当前算法的性能指标计算与保存功能。最后,对本文提出的自适应参数的在线SVR算法也做了实验验证,证明了算法具有较高的预测精度。