“预测”是永不过时的主题,在我们日常生产生活中需要各种各样的预测。在钢铁工业中,对表征炉温的铁水含硅量预测对高炉工长下一步的控制操作有着重大的指导意义,其准确率影响到整个高炉冶炼过程。高炉工长需要预知炉温的趋势,以做出相应的控制操作。由于控制操作会对炉温产生影响,炉温预测的模型需要考虑到预测结果本身的影响。根据预测结果采取控制操作,从而修正下一步的预测结果,就是所谓的“闭环控制”。高炉炼铁的复杂性、非线性、非平稳性以及数据采集的不精准性,大大增加了铁水含硅量预测的困难,用机理模型来建模预测效果欠佳,而黑箱模型存在更新困难、预测模型结构复杂等缺点,难以适应闭环控制的要求。故本文着重研究能提供预测公式分析机理的基于专家知识的模型,亦即本文所称的“白箱模型”。这种模型不属于高炉机理模型的范畴,但它根据给定的机理与规则去建模预测。通过这种机理与规则,我们可以推断炉温上升/下降的原因,有利于实现闭环控制。这类模型中,遗传规划具有不输于黑箱模型的非线性逼近能力和预测能力,但它存在着预测公式复杂和不稳定两个缺点。为此本文提出了限域遗传规划和多函数回归算法,经实验证明限域遗传规划增强了遗传规划的稳定性,多函数回归算法在不降低预测性能的前提下将遗传规划的长函数简化成了一组短函数,有利于专家分析。此外,本文在语法指引遗传规划算法的基础上,建立起延拓优化与抽象学习的理论。在这个理论指导下,我们可以让计算机根据预测效果的好坏自动地生成与挑选合适的白箱模型,也就是说,让计算机代替人去尝试算法,根据预测效果去猜测事物机理与规则。新型时间序列预测算法,遗传序列箱算法便根据这种思想产生。它定义了时间序列预测的函数拟合模式,分解重构了时间序列预测算法,从而可以让计算机自动组合预测算法。在具体应用中,本文选择分类和回归作为它的基本元素。其基本思路是先学习一个分类回归算法,再把这个算法根据具体的数据转化为分段线性公式,进而进行预测。经实验证明遗传序列箱的预测性能优秀,公式明晰,给高炉数据分析与规则提取提供了一种可靠的方案。本文研究的成果为高炉的“闭环控制”提供了基础规则,也可用于其他的时间序列预测问题上。