在可持续发展和生态文明的大环境下,钢铁企业作为我国能源消耗大户,如何提高自身的能源利用率和综合竞争力成为当务之急。因此,本文以钢铁企业的能源消耗预测为研究背景,在明确了钢铁企业现有的能耗问题及其局限性的基础上,对能源预测问题进行分析研究,利用BP神经网络和最小二乘支持向量机算法对各工序的能耗数据进行预测,把握能源消耗的趋势,减少能源的浪费,降低钢铁生产和贮存成本。最后根据钢铁企业的实际需求,设计开发了 Web版钢铁企业能源预测系统。本文主要的研究工作总结如下:(1)首先本文综合研究了国内外能源预测问题研究现状,分析了目前钢铁企业能源介质消耗的机理和存在的现实问题。对各主工序流程中能源介质消耗和回收情况进行了研究和分析,并按能源介质消耗机理和计量方式的不同将能耗预测问题进行了分类研究。(2)对于按月统计的小规模样本数据集,提出基于差分进化算法的混核最小二乘支持向量机算法模型来求解预测问题,差分进化算法用于对影响模型预测精度的参数进行优化。然后对该预测模型进行了求解,并与基于差分进化的单核最小二乘支持向量机模型的结果进行了比较,表明了该算法对能耗预测问题具有较高的精度。(3)针对大规模的样本数据集,利用差分进化算法对BP神经网络算法模型的连接权值进行寻优,并与粒子群优化的结果做了比较。用各工序日统计数据对模型进行了测试,结果表明了该模型处理大规模数据集的有效性。(4)最后,基于本文所提出的问题和模型算法,设计开发了钢铁企业能源预测系统,对各工序能源介质消耗量进行预测,实现了数据管理、参数设置、能源预测和系统管理等功能;在企业制定用能计划,安排能源生产和按需外购能源方面具有十分重要的现实意义。