1、高爐煉鐵是鋼鐵行業(yè)的上游主體工序，作為國民經濟的支柱產業(yè)的重要組成部分，它對鋼鐵工業(yè)的發(fā)展和節(jié)能降耗都起到了重要的作用。高爐冶煉過程是一個非常復雜的過程，它的運行機制往往具有時滯性、非線性等特性。高爐煉鐵過程的爐溫預測模型研究，一直都是煉鐵自動化中的難題。能對爐溫變化趨勢的做出準確判斷，將有助于提高工長的操作水平，從而達到提高高爐利用系數和降低焦比的目的。
　　 支持向量機是源于統(tǒng)計學理論，發(fā)展起來的機器學習的一種算法，它能很好

2、地解決高維數、小樣本、非線性、局部極小點等實際問題。目前，它已被廣泛應用于函數逼近、模式識別、數據挖掘等領域。論文從包鋼6＃高爐(2500m3)2009年1月6號至7月5號的生產同報中，選取數據，通過相關系數的計算，分析了高爐冶煉過程中的控制變量（風量、風溫、熱風壓、噴煤量）和狀態(tài)變量（爐頂壓、綜合負荷）與高爐鐵水硅含量[Si]（高爐鐵水含硅量反映了高爐的化學熱，可以用來表示爐溫）的相關性，判斷各個參數對爐溫控制的滯后時間，并在此基礎上

3、，建立了基于核主元分析和支持向量機的高爐向涼向熱預測模型。
　　 論文主要包括以下四個方面的內容：高爐煉鐵、高爐專家系統(tǒng)的概述；高爐冶煉過程狀態(tài)參數和控制參數的分析；核主元分析和支持向量機方法；基于核主元分析和支持向量機的高爐向涼向熱分類模型。
　　 論文選取了120組數據作為樣本數據，用60組作為學習樣本，60組作為測試樣本。用測試樣本對通過學習樣本建立的模型進行檢驗，結果表明：向涼預測模型的識別率為95％，向熱預測模