转炉炼钢过程是一个非常复杂的高温、多相的物理化学过程，它的最终目标是获得合格的钢水，而终点钢水的碳含量和温度是衡量钢水是否合格的重要指标。对终点钢水碳含量和温度的控制是转炉炼钢过程中最主要的控制之一，因此转炉炼钢终点预报模型也是转炉炼钢过程的重要模型。目前常用的转炉炼钢终点预报模型有理论模型、统计模型和人工神经网络模型。

　　安徽工业大学的学者针对RBF神经网络学习算法不能很好地确定其隐含层节点数、隐含层节点中心及其半径的问题，利用AP聚类算法无需事先确定聚类数的特点，提出了一种基于AP聚类的RBF神经网络算法。将该算法应用于120t转炉Q235B钢种冶炼过程的终点碳含量和温度预报，预测结果与实际结果比较，表明该算法具有预测精度高等优点，可为类似应用提供借鉴。