高炉炼铁过程优化运行依赖于可靠、稳定的铁水质量(MIQ)参数测量。然而,现有技术不能实现MIQ的在线测量,且离线化验过程滞后时间较长。为此,本文提出一种新型的数据驱动RVFLNs鲁棒建模方法,用于实现MIQ指标的在线鲁棒估计。由于传统RVFLNs建模的输出权值由最小二乘估计获得,易受训练数据中离群点的影响,鲁棒性差。为解决此问题,本文提出一种基于Gaussian分布加权M估计的新型鲁棒RVFLNs建模方法。首先,为了提高建模效率和降低计算复杂度,采用数据驱动典型相关性分析的方法从众多变量中提取出与MIQ相关性最强的变量作为输入变量;然后,利用Gaussian分布加权M估计方法建立多元MIQ鲁棒RVFLNs模型;同时,引入1L和2L两个正则化项,防止模型过拟合,稀疏输出权值矩阵。最后,基于实际工业数据,做了充分的数据试验,验证了所提方法具有很好的鲁棒性和估计精度。