流程工业的智能制造与智能控制已成为工业领域研究的重点方向。本文针对蓄热式铝熔炼炉的实际生产效率与设计标准相差较大,且炉温的频繁测量造成测量炉温的热电偶损坏增多,从而导致生产成本增加等问题,提出一种基于数据驱动的铝熔炼炉炉温智能预测与优化策略。本文以广西某铝厂的蓄热式铝熔炼炉的生产过程为背景。对铝熔炼炉的生产过程中的炉温预测进行研究,以及对熔炼炉的操作参数进行优化研究,取得了一些研究成果。本文主要由以下几部分内容组成:（1）首先对蓄热式铝熔炼炉系统的结构进行了简单的介绍,然后对铝熔炼的生产工艺进行机理分析,分析得到了可以反映熔炼状态的炉温,以及影响炉温的因素。最后,为了提高数据的质量,采用插值的方法对缺失值进行插补,以及根据3δ原则剔除原始数据中的异常点,采用鲸鱼优化算法优化投影寻踪算法对数据进行分析,选取了铝熔炼炉炉温软测量模型的输入变量。（2）然而铝熔炼生产过程是一个变量多、非线性、强耦合的复杂工业系统,基于物理、化学机理的传统方法难以建立准确的数学模型。因此,本文采用核极限学习机建立炉温的预测模型。为了提高模型的性能,对灰狼优化算法进行改进,引入正弦控制因子和量子局部搜索策略,得到改进后的量子灰狼算法。通过实验验证,结果表明,量子灰狼优化算法具有良好的寻优性能。最后,将其用于优化核极限学习机的惩罚系数和核函数参数,建立炉温的预测模型。采用铝熔炼的生产数据进行实验分析,结果显示本文所建立的炉温预测模型,其具有良好的预测性能。实现了炉温的有效预测,为铝熔炼生产优化控制和降低生产成本创造了条件。（3）在上述研究的基础上,建立了炉温的操作参数优化控制模型。然后对炉温进行分段,将炉温的升温阶段的300℃温差均分为15个温度段,然后对每段的操作参数进行优化。最后采用改进的量子灰狼优化算法,对模型进行求解。从而得到优化后的操作参数,即助燃风流量、燃气流量、助燃风阀门开度等。根据生产数据进行的实验,实验结果显示该优化控制模型具有良好的效果。