采用径向基函数网络来训练磨矿分级过程模型是有效可行的。由于径向基网络逼近的精度很高，其仿真结果与实际输出是完全一致的，在此省去具体仿真的数据。但双因素网络训练后，仿真球料比与磨机转速率的结果。采用径向基网络对球磨机声响、输入有功功率与球料比和磨机转速率的对应关系进行了有导师训练，误差平方和小于10，获得了很逼近的效果。其训练次数都在400次以内，比最常用的BP网络明显减少，速度加快。网络的输出是采用线性传递函数，其输入输出数据不需要进行预处理。
径向基网络的训练分两步进行，很好地解决了多因素相互影响，仿真结果表明，训练好的径向基网络可很准确预报球料比和磨机转速率。但径向基网络训练时中心集的确定有一定的难度，需通过大量的试验来确定。本次神经网络的训练主要是针对双因素，但实际生产中急需预报的是磨机内介质充填率、球料比和磨矿浓度等参数。从试验结果以及网络训练分析认为，双因素无法准确预报磨机内介质充填率、球料比和磨矿浓度，只有检测参数达到三个以上（如采用声响、输入功率及压电传感器或输入功率、双声响等）才能进行有效判断。径向基网络用于球磨机参数建模研究表明，径向基网络来逼近多输入输出非线性函数，具有很强的能力和很高的精度，可以满足球磨机三因素建模的要求。