Para predecir con precisión el contenido de FeO en la escoria en el proceso de desfosforización con soplado inferior de O2-CaO, se establecieron un modelo de regresión lineal múltiple, un modelo de red neuronal de retropropagación (BP) y un modelo combinado de análisis de componentes principales y retropropagación (PCA-BP) para predecir el contenido de FeO en la escoria. Se encontró que el modelo de red neuronal combinado PCA-BP tiene la mayor precisión de predicción al utilizar el análisis de componentes principales para reducir la dimensión de los factores que influyen en el contenido de FeO en la escoria y eliminar la correlación entre las variables de entrada. El error absoluto promedio es del 1.178%, lo que es un 0.78% menor que el del modelo de regresión lineal múltiple y un 0.453% menor que el del modelo de regresión lineal múltiple. Cuando el rango de error de predicción es del 3.0%, la tasa de aciertos de la predicción del modelo es del 96%, y cuando el rango de error de predicción es del 2.0%, la tasa de aciertos de la predicción del modelo es del 78%. El modelo de predicción tiene un importante valor de referencia para la producción real.