本发明提供了一种基于宽度学习的烧结矿质量预测方法，通过对历史数据预处理和关联性分析，确定与预测指标相关度高的多个因素，将其输入改进的宽度学习神经网络进行训练，利用矩阵伪逆的方式得到最优权值和偏置，并对其进行准确率测试，未达到期望值时可增加神经网络的宽度，在现有模型的基础上进行训练，直至得到最优的烧结矿质量预测模型。本发明还可以通过增量学习的方式添加新增数据，在历史数据的模型基础上进行训练，保证模型的及时更新。该方法利用历史数据和新增数据相结合的方式，提高了模型的训练速度，实现了模型的快速构建和实时更新，从而准确快速地对烧结矿性能和质量预测，为指导烧结矿的生产和优化烧结工艺提供了新的思路和方法。