制定了人工神经网络(ANN),用于评估锅炉系统的性能,开发了多个决定专家系统(MDES)。不同的ANN配置与不同决策组合方法一起使用,包括神经组合器,提出该模型。该模型是使用在五个月内收集的植物数据开发,以预测蒸汽温度,压力和质量流量,使用进料水压,供给水温,输送机速度和焚烧炉出口温度作为输入参数。根据相关系数(R)和平均绝对百分比误差(MAPE)评估模型的预测能力。从这项工作中观察到的结果表明,神经组合器和基于Ann的MDE可以有效地通过始终如一地预测蒸汽属性的数据,并且该模型可以作为在实时条件下监控锅炉行为的有效工具。还证明了在各种情景下对他人的拟议模型的优越性。