钢铁工业是国民经济的支柱产业,高炉炼铁是钢铁工业的上游主体工序,对钢铁工业的发展与节能降耗有重要的地位。在高炉冶炼过程中,保持合理的炉温水平是炉况稳定顺行的关键。高炉铁水含硅量[Si]是评定高炉炉况稳定性和铁水质量的重要指标,也是表征高炉热状态及其变化的标志。因此,对炉温[Si]预测方法的研究是炼铁科研中对节能降耗有重要价值的课题。同时,由于高炉冶炼过程极其复杂,因此,建立更为准确的炉温预测模型也成为数学建模的一个难题。目前,模糊数学理论被广泛的应用于工程控制。本文在高炉炉温预测中应用模糊数学的方法作为主要研究工具,使用“包钢2500m~3高炉智能控制专家系统”在包钢6号高炉上在线采集的数据,进行分析、验证,建立了基于模糊理论的预测模型。本文首先简要介绍了建模相关的模糊数学基础理论,对高炉炼铁炉温预测建模的现状做了概述,对冶炼过程的状态参数和控制参数进行了统计分析。然后对单一[Si]序列运用累计概率分布函数(CPDF)和模糊集合理论给出了[Si]预测的混合模糊时间序列模型(HFTS);考虑到高炉生产的历史状态会在未来某个时刻重现的情况,进一步将模糊C均值聚类(FCM)模型应用于炉温[Si]预测;又由炉温控制偏微分方程将变量离散化后,依据不同的炉温水平进行模糊分类,从而建立了炉温预测的模糊多元回归模型。由于高炉冶炼过程是一个高度复杂的过程,数据分析可以看到单一的某种模型难以在各种情况下都取得稳定的预测效果。有些模型在炉况平稳时预测效果很好,而一旦炉况出现波动,预测效果便很差;而有些模型虽然在炉况平稳时表现一般,但是当炉况出现大的波动时却可以得到相对较好的预测效果。鉴于此,从智能化集成多种模型的角度出发,应用递归正权综合决策法,将混合模糊时间序列模型,模糊聚类模型,模糊多元回归模型集成建立综合预测模型。预测结果显示,集成后的模型能够取得较高的数值预报命中率,而且预测误差较小,这是一般时间序列和多元回归方法无法达到的。