钢铁工业是国民经济的支柱产业，对国家经济建设的发展起着关键作用。作为钢铁工业上游主体工序的高炉炼铁，它在钢铁工业的发展与节能降耗中有着重要的地位。高炉炼铁过程的自动控制则是钢铁工业实现进一步节能减排的重要技术进步措施。但是，高炉冶炼过程的自动控制长期以来是冶金自动化领域内尚未攻克的技术难题。究其原因，一方面是因为高炉冶炼过程的动力学机理异常复杂，包含着众多的化学反应动力学进程与流体动力学进程，难以建立冶炼过程的控制模型；另一方面则是因为高炉冶炼过程的控制受到大量随机因素影响，使得单一类型的数学模型难以达到较好的预测控制效果。　　 由此，在综合分析已有各种建模方法的基础上，建立起高炉冶炼过程预测控制的创新建模思路。这种思路是把不同的建模方法进行集成，构成新的预测控制模型，以期改善单一模型存在的缺陷。　　 在高炉冶炼过程中，铁水硅质量分数(简称铁水含硅量，记为[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性参数，也称为炉温。炉温控制是高炉冶炼过程控制的基础与技术核心。因此炉温[Si]预测方法的研究和数学建模是实现高炉炉温的自动控制以及高炉炼铁节能降耗的关键技术。　　 综合上述两方面思路，本文针对高炉炉温的预测建模，应用了时间序列模型与马尔科夫模型作为主要研究工具，进行集成建模研究。同时，结合大型高炉生产实际检验模型的成效，使用了“包钢2500m3高炉智能控制专家系统”在包钢6号高炉上在线采集的生产数据，建立了炉温[Si]序列新的分解模式，实现了对炉温[Si]序列特征和预测更深入的研究。　　 本文在简要介绍ARMA模型和马尔科夫链相关数学基础理论之后，对冶炼过程中的状态参数和控制参数与铁水含硅量[Si]的关系进行了分析，并对炉温[Si]序列自身的特点进行了研究，从而解析了炉温[Si]序列复杂性的成因和特征。在此基础上，将炉温[Si]序列分解为两类不同的集合：{[Si]}={平稳发展过程}∪{不确定性过程}其中，对“平稳发展过程”应用时间序列滑动自回归模型ARMA进行研究，而对“不确定性过程”应用马尔可夫链建模研究。　　 对“平稳发展过程”建模分析中看到：ARMA模型能够很好地预测平稳发展过程[Si]的变化，但是难以追踪炉温[Si]的剧烈波动，并且具有时滞性，总是落后一拍。进一步利用马尔科夫链建模对“不确定性过程”进行分析，最终得到了控制过程中不确定性对炉温[Si]序列产生的影响特征，并给出了炉温[Si]时间序列模型预测的调整量，从而克服了时间序列ARMA模型的缺陷，提高了炉温预测的命中率，完成了两种模型的交叉建模。