钢铁工业是国民经济的支柱产业,高炉炼铁是钢铁工业的重要组成部分。高炉炉温是高炉顺行的保证,也是判断高炉炉况的一个重要指标。如何建立和实现能指导高炉炼铁人员进行炉温控制的炉温预报模型不仅具有重要的理论价值,而且也具有重要的生产实践价值。但是从控制论的角度来看,高炉过程是一种时延很大的非线性系统,在建模方面有着很大的难度。尤其高炉炉温的表达,难度更大。因为铁水硅含量可间接的反映出高炉炉温的变化,所以本课题选用铁水硅含量模型作为高炉炉温模型。 本文首先概述了高炉炼铁的工艺过程,阐述了炉温预报的生产价值和技术难度。然后通过对高炉炼铁过程的分析,确定了影响炉温的重要因素,并对这些参数进行分析和预处理。进而通过对时间序列模型,模糊控制模型,神经网络模型的分析,提出一种新的数学模型:时序神经网络模型。最后根据现场采集的数据对其进行仿真实验。仿真结果表明:采用时差法和神经网络结合建立的数学模型,对炉温的预测命中率明显高于其他数学模型,说明该方法的合理性和基于该算法所构建预测模型的可行性。