长期稳定顺行的炉况是高炉高产低耗的先决条件,也是延长高炉寿命的基本保证条件。高炉炼铁过程在一个密闭的容器内进行,炉内物理、化学过程极其复杂,炉内状态无法直接观察。降低高炉能耗,实现炼铁生产稳定和优化,必须及时准确地预报高炉炉况,使运行人员能及时采取措施。因此,利用数据挖掘技术科学地分析和预测高炉炉况,已成为一个重要研究内容。鉴于高炉冶炼过程的复杂性,关联规则挖掘算法有其自身诸多优势,受到国内外学者的关注。因关联规则很少涉及时间性,本文提出时态关联规则的概念,用于解决高炉炉况预测问题。在此基础上,构造了一种体现数据时间价值的加权时态关联规则,以使规则的发现体现一种时间趋势,仿真试验表明了其有效性。其他成果如下:①对现有的高炉炉况预测问题进行介绍,针对其中规则制定方法缺乏相关性,提出了多维关联规则算法。②根据高炉实际运行情况,选取数据源,进行属性约减,选取炉况预测相关的属性构成数据表。降低关联规则维数,减少冗余记录数,高效产生有价值的规则。③利用加权的理论,在动态更新的时态数据库中给予较近发生的事务以较大的权重,体现时间的价值,尽可能地挖掘出最新最有用的时态关联规则。④针对传统算法挖掘效率低下、且忽视了数据时间价值问题,提出了一种基于属性约减的多维加权时态关联规则改进算法。其基本思路是:首先进行属性约减,组成数据表,然后引入时态加权算法来挖掘高炉炉况预测的关联规则。⑤本文基于Visual C++编程,选取准确率和覆盖率来衡量模型的预测效果,通过改变支持度和置信度的值,提高挖掘效率。对提出的算法进行了仿真试验及现场运行考核,与传统的多维关联规则算法相比,提高了高炉炉况预测的效率。