钢铁企业煤气的合理使用对钢铁企业的生产效率和环境保护有着非常重要的影响。高炉煤气（BFG）作为副产气体之一,产量巨大,被排放到空气中,会对空气造成很大的污染,同时它是重要的二次能源,热值非常低。高炉在生产过程中,生产工艺状态不断的变化,高炉煤气受入量也会跟着发生较大的变动,煤气突然的增多或减少会导致设备停止运转,更严重会导致企业停产。企业不能对煤气合理的调整时会将BFG排放到空气,给环境造成巨大的污染。怎样准确预测BFG受入量,为合理调整煤气平衡提供有效的理论依据,提高能源的利用效率以及保护环境,成为一项需要去努力研究的课题。通过以唐山某钢厂高炉炼铁过程为背景,针对高炉煤气受入量难以预测的问题,提出一种禁忌搜索算法、粒子群算法与回声状态网络结合的预测新方法。首先,在进行预测之前,对从钢厂采集的数据进行预处理,分析出对受入量影响较大的因素,并对高炉煤气受入量进行去噪处理;然后介绍了传统ESN的原理和特性,根据经验和试凑的方法确定ESN各个参数,与BP预测模型预测结果进行对比,证明了ESN在非线性预测的优势。由于传统ESN模型存在预测精度低的问题,对在预测过程中遇到的问题进行针对性的改进,通过对ESN模型优化改进建立PSO-ESN预测模型,实现了对高炉煤气受入量的预测精度的提高;再次由于PSO-ESN存在容易陷入局部最优的问题,引进禁忌搜索算法与PSO-ESN预测模型组合构建TS-PSO-ESN预测模型,进一步提高了收敛速度和收敛精度。与BP预测方法、传统ESN预测方法、PSO-ESN预测方法进行比较,对比预测的平均绝对误差,Mae_BP=11426,Mae_ESN=8423,Mae_PSO-ESN=3648,Mae_TS-PSO-ESN=2538,表明了改进方法的有效性。图26幅;表2个;参54篇。