稀土萃取过程机理复杂,存在非线性、强耦合以及大滞后等特点,依据传统机理分析方法不能实现精确的萃取流程模拟.对此,本文提出一种多分支残差深层网络(MB-RDN)用于稀土萃取工艺流程模拟.首先,针对多级萃取槽串接而成的稀土萃取流程提出具有多分支结构的深层神经网络,该网络可以通过不同的分支出口计算每级萃取槽的组分含量;其次,为了有效缓解深层网络的梯度消失问题,在分支中引入残差结构和特征短接操作,并设计出一种多特征融合机制.所设计网络可以有效地学习原始特征、深层特征和分支间耦合特征以提升预测精度.最后的仿真结果表明了所提方法的有效性.