炉温是否稳定对高炉顺行有着直接的影响，因此炉温是衡量高炉最为重要的一个指标，同时炉温也可以间接体现出高炉冶炼的成本。通常，我们习惯将铁水温度称为炉温，而铁水包含硅的含量在很大程度上可以反映铁水温度。很多专家和学者经过研究发现：铁水温度与硅含量二者之间有着非常密切的关系，但是又不属于严格意义上线性关系，仅仅依靠硅含量来衡量铁水温度显然是不科学的，必须要找到一个更为科学合理的办法。如今科学技术处于高速发展的时期，测量铁水的温度的方式有很多，因此准确测量铁水温度并不是一件难事。这样就可以通过测量铁水温度来建立一个相应的数据库，通过这些数据来选择一个最为合适的预测模型。当前在学术界有很多智能理论，而且数量还在不断增加，这些可以用理论的高度来指导智能优化的高炉铁水温度预测模型，使得模型的构建更加合理。构建一个合理的铁水温度预测模型就需要预处理高炉数据，这是一个基本的前提条件，这就需要总结与分析数据所具有的特征，然后确立对应的数学关系。目前冶金行业基本都是采用这种方法，未来预测铁水温度依然会选择这种方式。高炉炉温预测模型构建是一个比较复杂的过程，涉及非常多的因素，每个预测模型都是针对一种特定的环境与条件，在这种特定环境下，受到的制约因素是一定的，因此这种模型只是针对这些约束条件，其他高炉炉温的预测模型是继续不能使用这个模型的，这里我们只针对包钢6#高炉铁水温度数据进行统计学建模及寻优。首先预处理分析了高炉铁水温度预测模型所涉及的数据，比如异常值检验以及数据的相关性分析等等。然后在高炉稳定预报模型中加入了粒子群蚁群算法和极限学习机（ELM）以及回声状态网络（ESN）。最后，使用所采集的变量数据对高炉铁水温度预测模型进行仿真验证，进而对各种模型的性能进行比较与分析，然后针对性的找出一种模型，用该模型来指导高炉的现场生产。本文构建了一个高炉铁水温度预测体系，对相关模型的建立以及优化理论进行了分析。选择一个最为合理的高炉铁水温度预测模型，来达到核算与降低高炉冶炼过程的成本的目标，还可以协助高炉工长加强对高炉冶炼过程的控制。该模型的探索与优化还有利于高炉冶金行业减少能源消耗，提高铁矿石的利用率，这样在一定程度来可以解决我国对于进口铁矿石过于依赖的现状。