烧失量(LOI)是进行海洋地质研究的一个重要指标,采用常规方式测定烧失量不仅操作耗时,而且对分析环境要求比较高。实验基于SiO2、Al2O3、Fe2O3、CaO、K2O和TiO2等的含量与烧失量的相关性,尝试引入BP神经网络模型利用其非线性拟合能力预测烧失量的含量。实验表明,以大量的海洋沉积物样品中SiO2、Al2O3、Fe2O3、CaO、K2O和TiO2的含量数据以及烧失量为训练样本,采用遗传算法优化BP神经网络的初始权值和偏置,成功建立了海洋沉积物烧失量的遗传算法(GA)-BP神经网络预测模型。利用X射线荧光光谱(XRF)分析数据并结合GA-BP神经网络预测海洋沉积物烧失量,烧失量预测结果的相对标准偏差(RSD)为1.3%;海洋沉积物标准样品和实际样品中烧失量的预测值与参考值的相对偏差绝对值在0.1%~6.2%之间,为烧失量的测定提供了一种新的有效途径。